要实现L3自动驾驶，还要攻克多少难关？

文｜半导体产业纵横

​随着中国本土汽车制造业的崛起，辅助驾驶（ADAS）的发展正在提速。目前，汽车行业智能化进程正处于由L2级向L3过渡阶段，虽然还没有达到L3，但已经超过L2，处在L2+阶段。

4月下旬，Counterpointresearch发布了一份统计和预测数据，该机构认为，2024年全球具备L3级ADAS水平的乘用车销量将超过25,000辆，而中国市场是重要的推动力量，预计到2026年，中国L3级乘用车装机量将超过100万辆，占总出货量的10%。

Counterpointresearch认为，在发展ADAS方面，中国市场有几大优势，包括政府的支持，多个L3级测试许可证的颁发，以及多家供应商在L2级测试方面的进步和技术积累。

以上的预测比较乐观，特别是2026年100万辆L3级乘用车的水平，令人向往。而在2024年，全球25,000辆L3级的乘用车数量，还是比较客观的，这在全球数以千万辆具有ADAS系统的乘用车当中，是非常小的比例。它更多的是出现在商用车领域，如百度的无人驾驶出租车等，在2024年，L3级乘用车还难以进入寻常百姓家。

那么，L3级ADAS实现和推广起来为什么这么难呢？这就要先看一下，从L1到L5，究竟都是什么水平。

根据美国SAE的定义，L1级车辆在某些情况下可以协助驾驶员完成某些驾驶任务；L2级车辆可以独立完成某些驾驶任务，但驾驶员需要始终观察周围环境，并在必要时接管；L3级车辆可以自动驾驶，几乎不需要驾驶员随时准备接管；L4则意味着在某些特定条件下完全不需要驾驶员控制；L5级车辆可以在任何条件下完成自动驾驶。

可见，目前的ADAS系统正处在从L2向L3的过渡阶段，绝大多数情况下，还不能实现自动驾驶，少数情况下可以，但市场规模和占比很小。

01、向L3进发过程中的收获

4年前，汽车行业提出“软件定义汽车”、“算力军备竞赛”、“E/E架构集中化”等口号，之后，诞生了以算力芯片、底层软件、算法、域控制器等为代表的全新赛道。

当时，以小马智行、文远知行为代表的企业主张“跨越式”落地方式，认为L4级自动驾驶的最佳落地场景是Robotaxi。相反，以特斯拉为代表的造车新势力，则认为自动驾驶要“渐进式”落地，即由L2开始，逐步过渡到L2+、L3，最终实现L4。

从技术路线来看，多传感器融合和纯视觉路线也存在纷争，中国公司主张通过搭载激光雷达、毫米波雷达、摄像头等方式来增强单车感知能力，而特斯拉、Mobileye等公司则在走纯视觉路线，专注于视觉算法的开发和迭代。

经过几年的迭代，目前，部分L4赛道的参与者虽已开始在中国各地示范区初步落地，但由于成本及法律法规等因素，Robotaxi大规模商业化落地仍遥遥无期。相反，以蔚小理为代表的造车新势力已相继开始规模化推送通勤NOA和城市NOA等L2+功能。在这种态势下，一些在以前专攻L4的商家不得不参与L2+方案业务，以求生存下去。总体来看，“渐进式”成为了自动驾驶的主流落地方式。

从技术路线来看，特斯拉提出的“BEV+Transformer”、“Occupancy”等视觉算法技术架构在北美通过FSD系统取得成功。中国厂商也开始效仿特斯拉，重建自身感知架构，ADAS感知算法成为商家追求的焦点。

02、ADAS硬件迭代

在传统分布式E/E架构下，辅助驾驶系统由几个相互独立的子系统（如前向ADAS，侧后ADAS，泊车辅助系统，全景环视系统等）构成，每个子系统都有一个ECU。ECU的主要结构为“单片机+外围电路”，在这种架构下，Tier1厂商将软硬件打包以“黑盒”交付的形式提供给主机厂，Mobileye是典型代表。

随着整车E/E架构从分布式走向集中式，ADAS子系统所对应的ECU也融合成辅助驾驶域控制器，主控芯片从MCU演变成更高性能的SoC芯片，软件架构也随之向SOA架构升级，包括系统软件（虚拟机，中间件等）、算法模块和应用程序层三部分，实现了“软硬件解耦”，整个ADAS产业链也分解为芯片、硬件集成和生产、软件开发、算法开发、应用程序开发等几大环节。

在行业变革初期，芯片、中间件、算法开发等环节都衍生出了一批创业公司，他们的技术壁垒在于是否在各自环节具备充足的开发能力和量产经验。

例如，在过去3年里，德赛西威凭借基于对英伟达Orin芯片的ADAS域控制器量产经验，斩获众多车企订单。然而，随着部分中低算力的智驾域控制器逐步走向标准化，对优秀的Tier1企业而言（包括芯片供应商、集成供应商、算法供应商等），对其能力的要求已不仅局限于产业链单一环节，而是需要凭借领先优势整合产业链上下游，具备集芯片、算法、制造等为一体的综合供应能力，以建立起生态系统。