要实现L3自动驾驶，还要攻克多少难关？(2)

目前，英伟达的Orin芯片占据NOA主控芯片75%的市场份额，中国厂商地平线的征程系列于今年4月发布了征程6新品，支持城市NOA功能。无论是英伟达，还是地平线，都在尽力补足算法能力，并逐步具备提供智能驾驶全面解决方案的能力。此外，智能驾驶算法龙头Momenta也组建了芯片团队，以补足底层硬件能力。

发展至今，ADAS的硬件系统需要进一步迭代，才能为实现L3级驾驶做好准备，如域控制器，摄像头，各种雷达等。

L3级ADAS的功能更为智能化，要求底层芯片（以域控制器为主）具有更高的算力，同时，对低功耗和兼容性水平的要求将提升。

要实现L3级ADAS，要求车辆具备很强的感知能力，对于摄像头、毫米波雷达、激光雷达等感知设备的装配量和性能要求将提升。其中，融易新媒体消息，摄像头将向更高像素进化，毫米波雷达与激光雷达有望在纯视觉方案尚未成熟时为ADAS提供更强的道路信息收集能力，渗透率有望持续提升。

与传统机械液压制动/转向相比，线控制动/转向具有反应速度快、与电气化架构兼容程度高、能量回收，以及可配置多套冗余机制等优点，更适用于L3级辅助驾驶汽车。随着技术逐步成熟，线控制动/转向有望成为L3及以上级别智能驾驶的标配。

驾驶员监控系统（DMS）用于实现对驾驶员的身份、疲劳驾驶以及危险行为进行检测。对于L3级自动驾驶车辆而言，要求驾驶员在特殊情况下能接手操控汽车行驶。部分国家法规也对驾驶员在L3级自动驾驶条件下能否接打手机、观看娱乐系统等做出了规定，这就需要配置DMS进行监控，以在事故发生时落实责任。预计DMS将成为L3级驾驶的标配。

中国已发布《机动车和挂车光信号装置及系统征求意见稿》，要求L3及以上级别智能驾驶车辆需配备至少4个蓝绿色自动驾驶标志灯，分别位于车身前后左右，用于告知周围车辆自身处于自动驾驶状态。随着《机动车和挂车光信号装置及系统》标准正式落地，自动驾驶状态指示灯将成为车灯行业新增市场。

2016年，特斯拉开始在车端大量收集数据，到了2018年，已初步构建了数据闭环体系，并逐步完善了云端算力资源、自动化标注、仿真等环节。到了2023年，特斯拉完善的数据闭环体系造就了其极致的模型迭代速度，FSD BetaV11的公测版速度为20天一次。

目前，以小鹏和华为为代表的智能驾驶厂商在基础设施、数据闭环体系方面逐步完善，成为了中国ADAS行业龙头。

小鹏是新势力车企中最早开始建立数据闭环体系、布局云端超算中心的厂商，2023年以来，该公司的数据闭环效率大幅提升，体现在数据收集、模型训练、部署、仿真全链条的效率提升。在仿真环节，2022年可以做到基于真实场景模拟数据，2023年已经具备利用AI生成极限场景并融入到海量训练数据中的能力。在这样的数据闭环能力支撑下，小鹏软件发版速度明显提升。

从2023下半年开始，智能驾驶功能软件版本迭代速度明显加快，2023年第四季度，头部主机厂在年初制定的城市NOA落地目标已开始集中兑现。同时，通勤NOA也在普及。

通勤NOA又遭称为记忆行车或AI代驾，指在用户设定的特定路线上通过车端学习后可以实现点到点单一路径的领航辅助驾驶。

通勤NOA的算法技术栈与城市NOA完全相同，只是大幅缩小了场景范围，通过多次学习同一条路线来“重建”一个单一路径的轻量化高精度地图。硬件成本方面，由于单一路径下工况相对简单和可控，对算法模型的泛化性要求也较低，对芯片算力和传感器的需求也远低于城市NOA。

从实际应用效果来看，高速+通勤NOA已覆盖用户85%的出行场景。因此，对车企而言，在规模化推广城市NOA功能的前期，率先落地通勤模式不仅可以在有限的能力下最大可能地满足用户需求，并由此逐步培育用户对高级智驾功能的使用习惯，还可以为主机厂后续升级或推广城市NOA功能提供数据积累。在领先车企的示范效应下，腾势、智己、零跑等多家整车厂都已将通勤NOA功能推出时间表提上日程。

与L2/L2+不同，L3不再遭视为辅助驾驶，而是有条件的自动驾驶，车辆的驾驶任务将主要由智能驾驶系统自身负责，驾驶员无需时刻准备接管。但就目前的发展情况来看，L3的大规模商业化落地很难，除了技术因素，法规和伦理是难以逾越的障碍。

特别是法规问题，相当复杂。