跨越L3，華為和行業有了分歧？

跳過L3的呼聲漸高，但權責劃定、硬件衰減與主駕信任問題，仍是商業化落地難以繞開的現實大考

文｜《財經》特約撰稿人 宋立偉 王欣 楊錚

2026年的智能駕駛產業，正站在一個劇烈分化的十字路口。

伴隨多模態大模型在端到端架構上的突破，智能駕駛的底層技術正迅速向通用智能收斂。算法能力的跨越式提升，讓原本作為過渡方案的L3級自動駕駛，在部分企業眼中失去了存在的必要性。

行業由此演變出兩條截然不同的商業路徑。

以小鵬汽車、卓馭科技為代表的智駕勢力主張一步到位，跳過L3直取L4，以規避人機共駕帶來的責任模糊地帶；作為少數公開表態的頭部企業，華為則堅持，L3是走向完全自動駕駛必不可少的數據積累與權責過渡階段。

路線之爭的表象之下，潛藏著汽車產業從“人駕”向“機駕”跨越的系統性陣痛。這場博弈涵蓋了底層大模型的代際更迭、事故權責界定、硬件生命周期衰減以及保險精算體系的綜合抗壓測試。

從副駕駛位的智能助手，到徹底讓出主駕位置的無人駕駛，高階智駕需要跨越多重壁壘。端到端模型重構了系統的感知與決策上限，但這僅僅是拿到了無人化技術的入場券。

面對普通消費者認知深處的信任鴻溝，企業亟待在算力的軍備競賽之外，真正跑通從“技術可用”到“日常依賴”的商業閉環。

技術收斂，用多模態大模型重構底座

不同企業、不同場景下的智能駕駛技術路線正加速收斂，統一走向由多模態大模型驅動的端到端架構。這一技術收斂，正在催生真正的通用智能，也讓“跳過L3、直指L4”具備了技術可行性。

在智能電動汽車發展高層論壇（2026）上清華大學車輛學院、人工智能學院教授李升波指出，端到端訓練已成為具身智能的重要范式，其核心是通過大規模數據匯聚與訓練構建端到端神經網絡模型。汽車作為具身智能最早落地的產品形態，駕駛過程需由端到端模型完成感知、決策與控制。

他也提醒，國內企業面臨三項硬性約束，包括數據規模與質量能否對標特斯拉、算力能否支撐億級參數模型訓練、訓練框架能否突破單一監督學習路徑。

為突破上述現實約束，頭部企業率先走向多模態基座模型。

華為公司高級副總裁、引望公司首席執行官靳玉志介紹，ADS 4系統采用WEWA架構，云端算力達45億FLOPS（每秒浮點運算次數），通過擴散生成與安全強化，車端基于多模態感知訓練原生基模型，配合MoE（混合專家模型）多增壓系統，大幅提升駕駛的流暢度與安全性。

元戎啟行首席執行官周光則判斷，下一階段的關鍵是整體認知能力進化。當前L3是在模型不完善時靠人工與工程能力落地，而通用自動駕駛的核心是提升模型的認知能力。

“大模型將極大加速從城市NOA（智能輔助駕駛）邁向Robotaxi（無人駕駛出租車），真正的競爭來自大模型公司的降維打擊。解決大模型自身的問題，遠比蒸餾小模型更難。”周光告訴《財經》。

當技術收斂到多模態大模型后，一個關鍵變化隨之顯現，L2、L3、L4的技術棧實現同源，這直接動搖了L3存在的必要性。

“同意跳過L3。”卓馭科技首席執行官沈劭劼向《財經》坦言，L3產品形態在實操中責任歸屬模糊，給消費者10秒接管時間，如果駕駛員睡著，責任難以厘清，而L4的責任劃分極為干凈。

他認為，如今具備原生多模態與涌現能力的模型，配合遠程運營與傳感器冗余，完全可以做到多級別技術同源。未來的乘用車甚至可以在不同認證區域內，無縫切換L2+與L4付費模式。

愛芯元智創始人仇肖莘從時間維度給出判斷。他認為，三年內智能駕駛將實現規模普及，完全無人駕駛的終極目標雖需優化，但已不再遙遠。

跳過L3并非激進，而是技術收斂的自然產物。但要讓L4真正規模化，僅靠算法收斂遠遠不夠，產業鏈的物理底層必須同步重構。

黑芝麻智能首席營銷官楊宇欣指出，無人值守場景對本土化芯片方案的冗余設計要求極高。時代智能首席技術官蔡建永進一步分析，真正制約L4落地的是底盤在高頻運營場景中的全生命周期穩定性。

車輛從低頻消費品變為高頻生產工具，系統必須具備完全的自我兜底能力。

玲瓏輪胎副總裁馮寶春也向《財經》透露，目前其正與主機廠聯合研發專供無人車的輪胎方案，以應對其在磨損壽命和運營成本上的特殊要求。

從算法基座到芯片的本土化安全布局，再到物理底盤，全鏈條的技術收斂讓通用智能從概念走向可運營實體。這一收斂的另一個基礎是通信基礎設施的成熟與融合。

中興通訊企業首席技術官許志成告訴《財經》，5G網絡可實現10毫秒內時延，遠低于人類100毫秒的反應時間，完全滿足智能駕駛對遠程接管與實時數據回傳的需求。中國擁有全球唯一具備全域覆蓋條件的5G網絡，這使得“車路云一體化”只有在中國才能真正發展起來。

跳過L3的現實博弈

基礎輔助駕駛的市場教育已經完成。

從2025年的乘用車大盤看，10萬元以上新能源車型的L2級以上輔助駕駛滲透率突破90%，50萬元以上車型實現基本標配。國內L2級乘用車累計推廣超過1300萬輛。

在龐大的市場基盤之上，行業演進路線出現嚴重分化。

小鵬汽車選擇一步到位。今年3月，小鵬推出第二代VLA（視覺—語言—動作模型），摒棄傳統規則化開發，直接瞄準L4級終局。

小鵬汽車董事長何小鵬明確提議跳過L3，他認定中間夾雜一個L3是對軟硬件開發及法規認定的巨大資源消耗。按計劃，搭載該系統的Robotaxi已于2026年開啟試運營。

面對行業相對一致的觀點，華為則主張穩健過渡。

靳玉志指出，L3是走向完全自動駕駛的必經階段。達到L4級安全性需要海量公開數據量化；適應車輛無人狀態需要漫長的心理建設；同時，L2到L3標志著事故責任開始向車廠轉移。

他主張加快L3進程，面向C端全場景開放以建立信任，而L4初期應限制在園區低速等B端場景有序驗證。

兩套截然不同的邏輯，暴露出智駕走向深水區的商業焦慮。

千尋位置副總裁辛鑫向《財經》表示，這場路線爭論像一面鏡子，照出現階段技術在成本、規模及易用性上的真實差距。檢驗跳過L3的核心指標有二：一是責任邊界的清晰度，二是保險體系的最終背書。

跨越L2后，最大鴻溝是責任主體的轉移。在L4階段，事故責任歸屬運營方；而在L3階段，人機共駕直接導致責任主體模糊。

即便系統設計了遇險主動降速、靠邊停車等緩解機制，一旦在緩解過程中發生碰撞，責任邊界依然缺乏清晰界定。只要保險公司無法對這部分風險進行精確承保，大規模商業應用就無從談起。

脫開法規限制，長尾場景是現有技術難以徹底攻克的頑疾。2025年底，Waymo在舊金山因區域停電導致信號燈失效，觸發熔斷機制造成車隊大面積停運。這直接暴露了現有L4技術對預設規則的過度依賴。

硬件生命周期的錯位進一步放大了隱患。靳玉志強調，整車生命周期長達10年至15年，而智能化硬件兩三年便需換代。車輛使用一年后的傳感器精度，和新車狀態存在顯著差異。

對于規模化應用的安全底線，辛鑫舉了高鐵運行的例子。中國高鐵已具備450公里時速的技術實力，但考慮到超高速下飛鳥撞擊的毀滅性風險，主力干線日常運營時速穩定控制在350公里。技術演進沒有僥幸空間，哪怕存在0.1%的安全盲區，在海量基數下也會被無限放大。

政策端正在提供真實的測試場。2025年12月，工信部附條件批準了部分車型的L3準入申請。爭論L3去留的真正價值在于，它倒逼企業停止硬件堆砌，轉而接受責任認定、硬件衰減與系統魯棒性的系統性拷問。

先解決“從副駕到主駕”的跨越

面對是否直接跨越到L4的產業激辯，智駕供應商與車企在銷售終端面臨著更為冰冷的現實。其中最關鍵的是，如何讓高階智駕從“副駕席”真正跨越到“主駕位”？

在普通消費者的心理博弈面前，宏大的技術路線顯得異常單薄。

周光分享了一組極具反差的行業數據：元戎啟行已累計交付近30萬臺搭載城市NOA的量產車，過去一年避免前向潛在碰撞14.1萬次。這驗證了輔助駕駛的安全價值。

但另一方面，2025年中國輔助駕駛解決方案市場規模超1200億元，算力沖高至750 TOPS（每秒萬億次運算），而城區NOA的用戶黏性卻長期徘徊在20%—30%區間，滲透率僅15%左右。

企業投入劇增，消費者熱情停滯。如何讓系統從“可用”走向“依賴”，是下半場必須攻克的命題。

這種心理博弈極為微妙。消費者對智能化存在真實需求，只是尚未體現在駕駛權的交接上。

百度地圖事業部副總經理劉增剛提供的數據顯示，端到端AI（人工智能）語音量產后，AI伴聊交互次數暴增13倍，手機端上線AI副駕后日活環比增長54倍。“閑聊”超越車控與導航成為最高頻應用。

這意味著用戶有著強烈的AI交互欲望，但目前這種信任僅限于讓AI充當“副駕助理”，主駕的控制權依然被人類緊緊握在手中。

輕舟智航董事長于騫指出，用戶不用的核心原因是系統尚未提供可量化的經濟價值。

“假設系統足夠安全，每年保費能減少一半，用戶立刻能感受到價值。但目前裝機量不足，保險無法精算，商業閉環遲遲無法打通。”于騫說。

學習曲線陡峭、接管邏輯復雜、收益難以量化，導致動輒數萬元的高階智駕配置淪為銷售話術，未能形成日常依賴。

歸根結底，商業模式必須在成本與體驗之間找到最優解。如果L3需要背負接近L4的硬件冗余，體驗卻受制于頻繁的接管要求，其商業賬本將極其難看。這也是小鵬等人堅決瞄準L4的現實動機。

但若L3能通過極致的降本方案實現普及，它仍具備市場穿透力。這也是華為堅守L3陣地的重要邏輯起點。

行業已經在低成本路線上傾注精力。輕舟智航在128 TOPS算力上實現復雜城市NOA方案；元戎啟行則依托統一基座模型，下放100 TOPS經濟型輔助駕駛方案；愛芯元智與為旌科技等芯片廠商，更將智駕芯片的適配成本下探至10萬元至15萬元車型區間。

算力成本在下沉，但用戶習慣的重塑需要時間對抗。

用戶或許樂于在副駕安置一個永不疲倦的安全員或聊天搭子，卻很難為一套“時而自己開，時而要求接管，且必須時刻緊盯”的昂貴系統痛快買單。

因此，無論技術路線如何演繹，從L2邁向高階自動駕駛，注定要先蹚過用戶心智的深水區。這不僅僅是算法的躍升，更是成本、體驗與責任閉環的全面重構。

責編 | 張生婷