2026年全国两会，上汽通用五菱党委书记姚佐平在发言中抛出了一个让整个汽车产业界都心头一紧的观点：一个东方大国在汽车产业实现电动化后，向智能驾驶规模化推广正面临巨大的挑战。 他的话像一根针，刺破了电动化成功带来的喜悦泡沫，把所有人拉回一个更复杂、更艰难的现实中。 智能驾驶，这个被写入国家2030愿景目标、列为2027年前三大万亿级消费领域之一的赛道，它的规模化之路，远比我们想象的要崎岖。
姚佐平不是唯一一个感到焦虑的人。 就在同一次两会上，小鹏汽车董事长何小鹏提交了一份建议，核心观点更加激进：他呼吁推动自动驾驶政策从L2级直接向L4级跨越，简化甚至“跳过”L3这个中间态。 全国人大代表、广汽集团董事长冯兴亚则直言，当前全球自动驾驶已进入产业竞争的关键阶段，但我国自动驾驶相关法律法规的缺失，是制约规模化落地的核心瓶颈。 小米创始人雷军则把关注点放在了安全监管上，他建议将L2级辅助驾驶“脱手脱眼”行为纳入交通违法处罚，并尽快明确L3/L4级的安全准则。 这些来自产业最前沿的声音，共同指向一个核心矛盾：技术跑得太快，而规则和生态没有跟上。
数据最能说明我们站在哪里。 根据行业研究机构NE时代的数据，2025年全年，中国市场上L2级及以上辅助驾驶车型的销量累计达到了1515.37万辆，渗透率高达66.12%。 这意味着，每卖出三辆新车，就有两辆配备了基础的辅助驾驶功能。 更值得注意的是，其中具备更高级别功能（如高速NOA、城市NOA）的L2++及以上车型，销量也达到了657.75万辆，占L2及以上车型总量的43.41%。 中国汽车工业协会的数据也显示，2025年前三季度，L2级辅助驾驶在新车中的渗透率已达64%。 从市场普及的角度看，智能驾驶的“上半场”——辅助驾驶的普及，已经取得了压倒性的胜利。
然而，真正的分水岭在于从“辅助人”到“替代人”的跨越。 2025年12月，工业和信息化部批准了长安和北汽极狐的两款车型，成为我国首批获得L3级有条件自动驾驶准入许可的车型。 紧接着，重庆颁发了国内首块L3自动驾驶专用正式号牌，北京也为小米汽车发放了L3级路测牌照。 政策的口子刚刚打开，但市场的反应却显得谨慎而分化。 日本大和证券预测，2026年中国乘用车市场L3级功能的渗透率大约在1%，对应销量25.7万辆左右。 而国内一些更乐观的分析则认为，2026年L3的渗透率有望达到15%甚至更高。 无论哪个数字更接近现实，与L2级超过66%的渗透率相比，L3的规模化之路才刚刚起步，前方是一片充满不确定性的深水区。
为什么从L2到L3/L4的跨越如此艰难？ 第一个绕不开的坎，是法律与责任的空白。 全国政协委员、湖北首义律师事务所主任谢文敏指出，我国目前尚无针对智能驾驶的国家层面基础性法律。 尽管北京、深圳、重庆等地出台了地方性法规，但这些法规效力有限，且标准不一，形成了“制度碎片化”的局面。 当一辆处于L3级自动驾驶状态的汽车发生事故，责任到底在驾驶员，还是在汽车制造商，抑或是在软件算法提供商？ 现行法律无法给出清晰答案。 谢文敏委员描述了一个现实困境：事故关键数据往往由系统开发者掌握，交管部门和受害人缺乏法定权限获取，这直接影响了事故认定的客观公正。 没有清晰的责任划分，保险理赔无从谈起，消费者不敢放心用，车企也不敢大规模推。
第二个坎，是技术本身尚未征服的“最后1%”。 业内常说的“长尾问题”，指的是那些发生概率极低但后果可能极其严重的极端场景。 比如暴雨大雪导致传感器失效、突然从视觉盲区窜出的行人（“鬼探头”）、道路上出现的异形障碍物等。 百度自动驾驶团队的测试数据显示，在暴雨、强逆光等边缘场景中，L3级系统的通过率为75%至85%，远低于人类驾驶员约98%的水平。 特斯拉CEO马斯克曾坦言，由于现实世界的复杂性，要实现安全的无监督自动驾驶，可能需要100亿英里的训练数据。 这“最后1%”的难题，消耗了研发人员80%以上的精力，也构成了安全信任墙上最脆弱的一块砖。
成本是第三个现实枷锁。 实现高阶智能驾驶需要激光雷达、高算力芯片、高精度传感器等一系列昂贵硬件。 虽然激光雷达的价格已从早期的数万元降至数千元，但一套完整的L3/L4级系统仍会显著增加整车成本。 这导致高阶智驾功能目前主要搭载在30万元甚至40万元以上的高端车型上。 要让智能驾驶“飞入寻常百姓家”，实现真正的“智驾平权”，成本下探是必须攻克的关卡。 另一方面，运营成本同样高昂。 以Robotaxi（无人驾驶出租车）为例，除去车辆本身的硬件成本，安全员的人力成本是运营中的巨大负担。 在一线城市，一名安全员的年薪可能在10万至20万元之间，大规模车队运营时，这笔开支足以拖垮商业模式。
第四个坎，是产业生态的协同之困。 智能驾驶不是单车智能的独角戏，它需要“车、路、云、网、图”深度融合。 全国政协委员江浩然建议，需要加速建立“车路云一体化”的基础设施体系，并完善跨部门的协同推进机制。 然而现实是，交通、住建、工信、公安等各部门的数据接口、通信标准尚未完全统一。 路侧的基础设施（如智能信号灯、感知设备）建设由谁投资、如何运营、数据如何共享，商业模式并不清晰。 这导致“聪明的车”和“智慧的路”常常无法有效对话，难以形成“1+1>2”的合力。
面对这些扎心的现实，产业界和决策者并没有坐以待毙。 2026年的两会，成了汇集破局思路的重要平台。 除了前文提到的立法呼吁，代表委员们的建议非常具体。 何小鹏提出，可以在保持L2安全监管的基础上，直接为L4开路，并允许基础条件成熟的城市在特定低风险场景（如夜间无人充电、停车场无人泊车）开展L4应用试点。 这被视为一种“农村包围城市”、通过场景突破带动法规完善的务实思路。
雷军则强调了“人机共驾”时代的安全教育。 他建议优化机动车驾驶考核项目，将智能汽车的操作规范纳入驾考，并强化对L2级辅助驾驶脱手脱眼行为的监管和处罚。 他的逻辑是，在机器完全接管之前，必须首先管好人，培养用户正确的使用习惯和安全意识。
在技术攻坚层面，产业正在多路径探索。 除了继续堆叠传感器算力、通过海量路测数据喂养算法，一些新的技术路径开始受到关注。 例如，事件相机（DVS）这种新型传感器，因其微秒级的响应速度和极高的动态范围，在应对强逆光、夜间眩光等传统视觉相机容易失效的场景时展现出潜力。 2026年初，国内已有团队将DVS多模融合传感器成功应用于L4级自动驾驶的商用测试场景中。 同时，“车路云一体化”的试点正在全国20个城市铺开，北京、无锡、上海等地已进入招标或建设阶段，目标是通过路侧的协同感知，弥补单车智能的不足，降低单车成本，提升系统整体可靠性。
市场也在用脚投票，寻找突破口。 由于L3面向私人消费市场的法规环境尚不明朗，许多企业将目光投向了特定商用场景。 无人配送车、无人环卫车、港口和矿区的无人驾驶卡车，这些在相对封闭、规则简单的区域内运营的场景，成为了高阶自动驾驶技术落地和商业化的先行区。 它们绕开了复杂的公共道路法规，在可控的环境中验证技术、打磨产品、跑通商业模式。
回望2025年底，L2级辅助驾驶渗透率接近66%的数字是辉煌的。 展望2026年，L3级自动驾驶预计达到17%的渗透率目标充满了挑战。 这中间巨大的落差，正是整个产业必须面对的“系统性突破”课题。 姚佐平警告的“苦练内功”，指的绝不仅仅是芯片算力或算法模型的竞赛，更包括法律框架的构建、技术标准的统一、基础设施的协同、商业模式的创新，乃至全社会对“机器驾驶”的认知和信任的重建。
当我们在为每一次OTA升级带来的新功能而欢呼时，当我们在高速公路上短暂放开方向盘时，可能很少想到，支撑这片刻便利的背后，是一场涉及技术、法律、伦理和产业的庞大系统工程正处在攻坚阶段。 这场攻坚战的成败，不仅关乎几家车企的股价，更关乎我们能否在未来的全球科技产业变革中，将电动化先发优势转化为智能化时代的持久竞争力。 道理很多人都看懂了，但直面这些错综复杂的挑战，并找到破局之路，需要的不仅仅是勇气，更是智慧、耐心和协同的行动。 这或许就是当下智能驾驶赛道最真实、也最扎心的写照。
全部评论 （0）