•
華為領銜發力，中國L3自動駕駛突破在望
隨著中國本土汽車製造業的崛起，輔助駕駛（ADAS）的發展正在加速。目前，汽車產業智慧化處理程序正處於由L2級向L3過渡階段，雖然還沒有達到L3，但已經超過L2，處在L2+階段。
4月下旬，Counterpointresearch發佈了一份統計和預測資料，該機構認為，2024年全球具備L3級ADAS水準的乘用車銷量將超過25,000輛，而中國市場是重要的推動力量，預計到2026年，中國L3級乘用車裝機量將超過100萬輛，佔總出貨量的10%。
Counterpointresearch認為，在發展ADAS方面，中國市場有幾大優勢，包括政府的支援，多個L3級測試許可證的頒發，以及多家供應商在L2級測試方面的進步和技術積累。
以上的預測比較樂觀，特別是2026年100萬輛L3級乘用車的水平，令人嚮往。而在2024年，全球25,000輛L3級的乘用車數量，還是比較客觀的，這在全球數以千萬輛具有ADAS系統的乘用車當中，是非常小的比例。它更多的是出現在商用車領域，如百度的無人駕駛計程車等，在2024年，L3級乘用車還難以進入尋常百姓家。
那麼，L3級ADAS實現並推廣起來為什麼這麼難呢？這就要先看一下，從L1到L5，具體都是什麼水準。
根據美國SAE的定義，L1級車輛在某些情況下可以協助駕駛員完成某些駕駛任務；L2級車輛可以獨立完成某些駕駛任務，但駕駛員需要始終觀察周圍環境，並在必要時接管； L3級車輛可以自動駕駛，幾乎不需要駕駛員隨時準備接管；L4則意味著在某些特定條件下完全不需要駕駛員控制；L5級車輛可以在任何條件下完成自動駕駛。
可見，目前的ADAS系統正處於從L2過渡到L3的階段，絕大多數情況下，還不能實現自動駕駛，少數情況下可以，但市場規模和佔比很小。
01 向L3進發過程中的收穫
4年前，汽車業提出「軟體定義汽車」、「算力軍備競賽」、「E/E架構集中化」等口號，之後，誕生了以算力晶片、底層軟體、演算法、域控製器等為代表的全新賽道。
當時，以小馬智行、文遠知行為代表的企業主張「跨越式」落地方式，認為L4級自動駕駛的最佳落地場景是Robotaxi。相反，以特斯拉為代表的造車新勢力，則認為自動駕駛要「漸進式」落地，也就是由L2開始，逐步過渡到L2+、L3，最終實現L4。
從技術路線來看，多感測器融合和純視覺路線也存在紛爭，中國公司主張透過搭載激光雷達、毫米波雷達、攝影機等方式來增強單車感知能力，而特斯拉、Mobileye等公司則在走純視覺路線，專注於視覺演算法的開發和迭代。
經過幾年的迭代，目前，L4賽道的部分參與者雖已開始在中國各地示範區初步落地，但由於成本及法律法規等因素，Robotaxi大規模商業化落地仍遙遙無期。相反，以蔚小理為代表的造車新勢力已相繼開始規模化推送通勤NOA和城市NOA等L2+功能。在這種態勢下，一些在以前專攻L4的商家不得不參與L2+方案業務，以求生存。整體來看，「漸進式」成為了自動駕駛的主流落地方式。
從技術路線來看，特斯拉提出的「BEV+Transformer」、「Occupancy」等視覺演算法技術架構在北美透過FSD系統取得成功。中國廠商也開始傚法特斯拉，重建自身感知架構，ADAS感知演算法成為商家追求的焦點。
02 ADAS硬體迭代
在傳統分佈式E/E架構下，輔助駕駛系統由幾個相互獨立的子系統（如前向ADAS，側後ADAS，泊車輔助系統，全景環視系統等）構成，每個子系統都有一個ECU 。 ECU的主要結構為“單晶片+外圍電路”，在這種架構下，Tier1廠商將軟硬體打包以“黑盒”交付的形式提供給主機廠，Mobileye是典型代表。
隨著整車E/E架構從分佈式走向集中式，ADAS子系統所對應的ECU也融合成輔助駕駛域控製器，主控晶片從MCU演變成更高效能的SoC晶片，軟體架構也隨之向SOA架構升級，包括系統軟體（虛擬機器，中介軟體等）、演算法模組和應用程式層三部分，實現了“軟硬體解耦”，整個ADAS產業鏈也分解為晶片、硬體整合和生產、軟體開發、演算法開發、應用開發等幾大環節。
在產業變革初期，晶片、中介軟體、演算法開發等環節都衍生出了一批創業公司，他們的技術壁壘在於是否在各自環節具備充足的開發能力和量產經驗。例如，在過去3年裡，德賽西威憑藉基於對輝達Orin晶片的ADAS域控製器量產經驗，斬獲眾多車企訂單。然而，隨著部分中低算力的智駕域控製器逐步走向標準化，對優秀的Tier1企業而言（包括晶片供應商、整合供應商、演算法供應商等），對其能力的要求已不僅侷限於產業鏈單一環節，而是需要憑藉領先優勢整合產業鏈上下游，具備集晶片、演算法、製造等為一體的綜合供應能力，以建立起生態系統。
從2023和2024年以來的發展情況來看，已具備建立生態能力的中國廠商有華為（從底層晶片到上層演算法全端自研）、大疆（具備演算法自研能力和製造能力，且能夠把晶片性能發揮到極致）。
目前，輝達的Orin晶片佔據NOA主控晶片75%的市場份額，中國廠商地平線的旅程系列於今年4月發佈了征程6新品，支援城市NOA功能。無論是輝達，還是地平線，都在盡力補足演算法能力，並逐步具備提供智慧駕駛完整解決方案的能力。此外，智慧駕駛演算法龍頭Momenta也組建了晶片團隊，以補足底層硬體能力。
發展至今，ADAS的硬體系統需要進一步迭代，才能為實現L3級駕駛做好準備，如域控製器，攝影機，各種雷達等。
L3級ADAS的功能更為智慧化，要求底層晶片（以域控製器為主）具有更高的算力，同時，對低功耗和相容性等級的要求將提升。
要實現L3級ADAS，要求車輛具備很強的感知能力，對於攝影機、毫米波雷達、激光雷達等感知裝置的裝配量和性能要求將提升。其中，攝影機將向更高像素進化，毫米波雷達與激光雷達有望在純視覺方案尚未成熟時為ADAS提供更強的道路資訊收集能力，滲透率有望持續提升。
與傳統機械液壓制動/轉向相比，線控制動/轉向具有反應速度快、與電氣化架構相容程度高、能量回收，以及可組態多套冗餘機制等優點，更適用於L3級輔助駕駛汽車。隨著技術逐步成熟，線控制動/轉向可望成為L3以上等級智慧駕駛的標配。
駕駛員監控系統（DMS）用於實現對駕駛員的身份、疲勞駕駛以及危險行為進行檢測。對於L3級自動駕駛車輛而言，要求駕駛員在特殊情況下能接手操控汽車行駛。部分國家法規也對駕駛員在L3級自動駕駛條件下能否接打手機、觀看娛樂系統等做出了規定，這就需要組態DMS進行監控，以在事故發生時確定責任。預計DMS將成為L3級駕駛的標配。
中國已發佈《機動車及掛車光訊號裝置及系統徵求意見稿》，要求L3及以上等級智慧駕駛車輛需配備至少4個藍綠色自動駕駛標誌燈，分別位於車身前後左右，用於告知周圍車輛自身處於自動駕駛狀態。隨著《機動車及掛車光訊號裝置及系統》標準正式落地，自動駕駛狀態指示燈將成為車燈產業新增市場。
03 演算法和軟體迭代
2016年，特斯拉開始在車端大量收集資料，到了2018年，已初步建構了資料閉環體系，逐步完善了雲端算力資源、自動化標註、模擬等環節。到了2023年，特斯拉完善的資料閉環體系造就了其極致的模型迭代速度，FSD BetaV11的公測版速度為20天一次。
目前，以小鵬和華為代表的智慧駕駛廠商在基礎設施、資料閉環體系方面逐步完善，成為了中國ADAS產業龍頭。
華為在晶片、通訊、行動終端等多個領域累積下來的工程經驗可以深度賦能智慧駕駛資料閉環體系。華為可以自研雲端訓練晶片、車端智駕晶片，能夠做到這些的廠商很少，因此，該公司可以做到真正的軟硬體深度協同，提高效率。余承東在2023年9月問界M7改款發佈會上披露，其雲算力為1.8E FLOPS，每天可以學習1000萬公里資料，到2023年11月，雲算力已提升到2.8E FLOPS（是國內其他廠商算力資源的2-3 倍），每天可以學習1200萬公里資料，每5天迭代一次模型。
小鵬是新勢力車企中最早開始建立資料閉環體系、佈局雲超算中心的廠商，2023年以來，該公司的資料閉環效率大幅提升，體現在資料收集、模型訓練、部署、模擬全鏈條的效率提升。在模擬環節，2022年可以做到基於真實場景模擬資料，2023年已經具備利用AI生成極限場景並融入海量訓練資料中的能力。在這樣的資料閉環能力支撐下，小鵬軟體發版速度明顯提升。
從2023下半年開始，智慧駕駛功能軟體版本迭代速度明顯加快，2023年第四季度，頭部主機廠在年初制定的城市NOA落地目標已開始集中兌現。同時，通勤NOA也在普及。
通勤NOA又被稱為記憶行車或AI代駕，指在使用者設定的特定路線上通過車端學習後可以實現點到點單一路徑的領航輔助駕駛。
通勤NOA的演算法技術堆疊與城市NOA完全相同，只是大幅縮小了場景範圍，透過多次學習同一條路線來「重建」一個單一路徑的輕量化高精度地圖。硬體成本方面，由於單一路徑下工況相對簡單可控，對演算法模型的泛化性要求也較低，對晶片算力和感測器的需求也遠低於城市NOA。
從實際應用效果來看，高速+通勤NOA已覆蓋使用者85%的出行場景。因此，對車企而言，在規模化推廣城市NOA功能的前期，率先落地通勤模式不僅可以在有限的能力下最大可能地滿足使用者需求，並由此逐步培育使用者對高級智駕功能的使用習慣，還可以為主機廠後續升級或推廣城市NOA功能提供資料累積。在領先車企的示範效應下，騰勢、智己、零跑等多家整車廠都已將通勤NOA功能推出時間表提上日程。
04 邁向L3的障礙
與L2/L2+不同，L3不再被視為輔助駕駛，而是有條件的自動駕駛，車輛的駕駛任務將主要由智慧駕駛系統本身負責，駕駛員無需時刻準備接管。但就目前的發展情況來看，L3的大規模商業化落地很難，除了技術因素，法規和倫理是難以踰越的障礙。
特別是法規問題，相當複雜。
自動駕駛技術涉及行車安全，關乎生命，尤其對L3以上等級自動駕駛技術而言，駕駛責任更多由車輛本身承擔，行駛的不確定性進一步加大。因此，各國政府多對高等級自動駕駛落地持謹慎態度，相關支援性法律法規的出台節奏較為緩慢，這在一定程度上限制了高等級自動駕駛技術的發展。
L3以上等級自動駕駛車輛的主要操作由車輛自行完成，因此，自動駕駛系統正常執行階段出現的交通事故理應由車輛生產者負責。但就當前各國交通政策來看，L3技術並未被廣泛認可，交通事故的第一責任人大多認定為駕駛員。
以現行的《中華人民共和國道路交通安全法》為例，其明確規定“駕駛過程中，駕駛員不得出現影響安全駕駛的行為”，表明駕駛員仍需時刻負責駕駛任務，事故發生時駕駛員將是第一責任人。
現行的美國聯邦交通法規對自動駕駛汽車交通事故做出了明確責任劃分，規定“自動駕駛汽車發生交通事故，作為後備駕駛員的人類司機需承擔責任”，法規還補充說明，汽車製造公司不逃避交通事故的責任。
德國2021年頒布的《自動駕駛法》規定：「L3級自動駕駛汽車可以在德國全境1.32萬公里高速公路上行駛，速度不高於60Km/h，可以解放雙手但不能睡覺，不允許駕駛員連續向後看或離開座位，在必要的情況下仍需要駕駛員接管車輛」。符合上述條件的車輛如果發生交通事故，責任將屬於車輛生產者。
日本相關法律規定，其境內L3級自動駕駛車輛發生事故時，原則上由駕駛員承擔責任，生產者的責任僅限於汽車系統有明確缺陷的情況下。系統被駭客入侵所導致的事故適用於政府救濟制度。 （半導體產業縱橫）