2026年的智能驾驶产业，正站在一个剧烈分化的十字路口。
伴随多模态大模型在端到端架构上的突破，智能驾驶的底层技术正迅速向通用智能收敛。算法能力的跨越式提升，让原本作为过渡方案的L3级自动驾驶，在部分企业眼中失去了存在的必要性。
行业由此演变出两条截然不同的商业路径。
以小鹏汽车、卓驭科技为代表的智驾势力主张一步到位，跳过L3直取L4，以规避人机共驾带来的责任模糊地带；作为少数公开表态的头部企业，华为则坚持，L3是走向完全自动驾驶必不可少的数据积累与权责过渡阶段。
路线之争的表象之下，潜藏着汽车产业从“人驾”向“机驾”跨越的系统性阵痛。这场博弈涵盖了底层大模型的代际更迭、事故权责界定、硬件生命周期衰减以及保险精算体系的综合抗压测试。
从副驾驶位的智能助手，到彻底让出主驾位置的无人驾驶，高阶智驾需要跨越多重壁垒。端到端模型重构了系统的感知与决策上限，但这仅仅是拿到了无人化技术的入场券。
面对普通消费者认知深处的信任鸿沟，企业亟待在算力的军备竞赛之外，真正跑通从“技术可用”到“日常依赖”的商业闭环。
技术收敛，用多模态大模型重构底座
不同企业、不同场景下的智能驾驶技术路线正加速收敛，统一走向由多模态大模型驱动的端到端架构。这一技术收敛，正在催生真正的通用智能，也让“跳过L3、直指L4”具备了技术可行性。
在智能电动汽车发展高层论坛（2026）上清华大学车辆学院、人工智能学院教授李升波指出，端到端训练已成为具身智能的重要范式，其核心是通过大规模数据汇聚与训练构建端到端神经网络模型。汽车作为具身智能最早落地的产品形态，驾驶过程需由端到端模型完成感知、决策与控制。
他也提醒，国内企业面临三项硬性约束，包括数据规模与质量能否对标特斯拉、算力能否支撑亿级参数模型训练、训练框架能否突破单一监督学习路径。
为突破上述现实约束，头部企业率先走向多模态基座模型。
华为公司高级副总裁、引望公司首席执行官靳玉志介绍，ADS 4系统采用WEWA架构，云端算力达45亿FLOPS（每秒浮点运算次数），通过扩散生成与安全强化，车端基于多模态感知训练原生基模型，配合MoE（混合专家模型）多增压系统，大幅提升驾驶的流畅度与安全性。
元戎启行首席执行官周光则判断，下一阶段的关键是整体认知能力进化。当前L3是在模型不完善时靠人工与工程能力落地，而通用自动驾驶的核心是提升模型的认知能力。
“大模型将极大加速从城市NOA（智能辅助驾驶）迈向Robotaxi（无人驾驶出租车），真正的竞争来自大模型公司的降维打击。解决大模型自身的问题，远比蒸馏小模型更难。”周光告诉《财经》。
当技术收敛到多模态大模型后，一个关键变化随之显现，L2、L3、L4的技术栈实现同源，这直接动摇了L3存在的必要性。
“同意跳过L3。”卓驭科技首席执行官沈劭劼向《财经》坦言，L3产品形态在实操中责任归属模糊，给消费者10秒接管时间，如果驾驶员睡着，责任难以厘清，而L4的责任划分极为干净。
他认为，如今具备原生多模态与涌现能力的模型，配合远程运营与传感器冗余，完全可以做到多级别技术同源。未来的乘用车甚至可以在不同认证区域内，无缝切换L2+与L4付费模式。
爱芯元智创始人仇肖莘从时间维度给出判断。他认为，三年内智能驾驶将实现规模普及，完全无人驾驶的终极目标虽需优化，但已不再遥远。
跳过L3并非激进，而是技术收敛的自然产物。但要让L4真正规模化，仅靠算法收敛远远不够，产业链的物理底层必须同步重构。
黑芝麻智能首席营销官杨宇欣指出，无人值守场景对本土化芯片方案的冗余设计要求极高。时代智能首席技术官蔡建永进一步分析，真正制约L4落地的是底盘在高频运营场景中的全生命周期稳定性。
车辆从低频消费品变为高频生产工具，系统必须具备完全的自我兜底能力。
玲珑轮胎副总裁冯宝春也向《财经》透露，目前其正与主机厂联合研发专供无人车的轮胎方案，以应对其在磨损寿命和运营成本上的特殊要求。
从算法基座到芯片的本土化安全布局，再到物理底盘，全链条的技术收敛让通用智能从概念走向可运营实体。这一收敛的另一个基础是通信基础设施的成熟与融合。
中兴通讯企业首席技术官许志成告诉《财经》，5G网络可实现10毫秒内时延，远低于人类100毫秒的反应时间，完全满足智能驾驶对远程接管与实时数据回传的需求。中国拥有全球唯一具备全域覆盖条件的5G网络，这使得“车路云一体化”只有在中国才能真正发展起来。
跳过L3的现实博弈
基础辅助驾驶的市场教育已经完成。
从2025年的乘用车大盘看，10万元以上新能源车型的L2级以上辅助驾驶渗透率突破90%，50万元以上车型实现基本标配。国内L2级乘用车累计推广超过1300万辆。
在庞大的市场基盘之上，行业演进路线出现严重分化。
小鹏汽车选择一步到位。今年3月，小鹏推出第二代VLA（视觉—语言—动作模型），摒弃传统规则化开发，直接瞄准L4级终局。
小鹏汽车董事长何小鹏明确提议跳过L3，他认定中间夹杂一个L3是对软硬件开发及法规认定的巨大资源消耗。按计划，搭载该系统的Robotaxi已于2026年开启试运营。
面对行业相对一致的观点，华为则主张稳健过渡。
靳玉志指出，L3是走向完全自动驾驶的必经阶段。达到L4级安全性需要海量公开数据量化；适应车辆无人状态需要漫长的心理建设；同时，L2到L3标志着事故责任开始向车厂转移。
他主张加快L3进程，面向C端全场景开放以建立信任，而L4初期应限制在园区低速等B端场景有序验证。
两套截然不同的逻辑，暴露出智驾走向深水区的商业焦虑。
千寻位置副总裁辛鑫向《财经》表示，这场路线争论像一面镜子，照出现阶段技术在成本、规模及易用性上的真实差距。检验跳过L3的核心指标有二：一是责任边界的清晰度，二是保险体系的最终背书。
跨越L2后，最大鸿沟是责任主体的转移。在L4阶段，事故责任归属运营方；而在L3阶段，人机共驾直接导致责任主体模糊。
即便系统设计了遇险主动降速、靠边停车等缓解机制，一旦在缓解过程中发生碰撞，责任边界依然缺乏清晰界定。只要保险公司无法对这部分风险进行精确承保，大规模商业应用就无从谈起。
脱开法规限制，长尾场景是现有技术难以彻底攻克的顽疾。2025年底，Waymo在旧金山因区域停电导致信号灯失效，触发熔断机制造成车队大面积停运。这直接暴露了现有L4技术对预设规则的过度依赖。
硬件生命周期的错位进一步放大了隐患。靳玉志强调，整车生命周期长达10年至15年，而智能化硬件两三年便需换代。车辆使用一年后的传感器精度，和新车状态存在显著差异。
对于规模化应用的安全底线，辛鑫举了高铁运行的例子。中国高铁已具备450公里时速的技术实力，但考虑到超高速下飞鸟撞击的毁灭性风险，主力干线日常运营时速稳定控制在350公里。技术演进没有侥幸空间，哪怕存在0.1%的安全盲区，在海量基数下也会被无限放大。
政策端正在提供真实的测试场。2025年12月，工信部附条件批准了部分车型的L3准入申请。争论L3去留的真正价值在于，它倒逼企业停止硬件堆砌，转而接受责任认定、硬件衰减与系统鲁棒性的系统性拷问。
先解决“从副驾到主驾”的跨越
面对是否直接跨越到L4的产业激辩，智驾供应商与车企在销售终端面临着更为冰冷的现实。其中最关键的是，如何让高阶智驾从“副驾席”真正跨越到“主驾位”？
在普通消费者的心理博弈面前，宏大的技术路线显得异常单薄。
周光分享了一组极具反差的行业数据：元戎启行已累计交付近30万台搭载城市NOA的量产车，过去一年避免前向潜在碰撞14.1万次。这验证了辅助驾驶的安全价值。
但另一方面，2025年中国辅助驾驶解决方案市场规模超1200亿元，算力冲高至750 TOPS（每秒万亿次运算），而城区NOA的用户黏性却长期徘徊在20%—30%区间，渗透率仅15%左右。
企业投入剧增，消费者热情停滞。如何让系统从“可用”走向“依赖”，是下半场必须攻克的命题。
这种心理博弈极为微妙。消费者对智能化存在真实需求，只是尚未体现在驾驶权的交接上。
百度地图事业部副总经理刘增刚提供的数据显示，端到端AI（人工智能）语音量产后，AI伴聊交互次数暴增13倍，手机端上线AI副驾后日活环比增长54倍。“闲聊”超越车控与导航成为最高频应用。
这意味着用户有着强烈的AI交互欲望，但目前这种信任仅限于让AI充当“副驾助理”，主驾的控制权依然被人类紧紧握在手中。
轻舟智航董事长于骞指出，用户不用的核心原因是系统尚未提供可量化的经济价值。
“假设系统足够安全，每年保费能减少一半，用户立刻能感受到价值。但目前装机量不足，保险无法精算，商业闭环迟迟无法打通。”于骞说。
学习曲线陡峭、接管逻辑复杂、收益难以量化，导致动辄数万元的高阶智驾配置沦为销售话术，未能形成日常依赖。
归根结底，商业模式必须在成本与体验之间找到最优解。如果L3需要背负接近L4的硬件冗余，体验却受制于频繁的接管要求，其商业账本将极其难看。这也是小鹏等人坚决瞄准L4的现实动机。
但若L3能通过极致的降本方案实现普及，它仍具备市场穿透力。这也是华为坚守L3阵地的重要逻辑起点。
行业已经在低成本路线上倾注精力。轻舟智航在128 TOPS算力上实现复杂城市NOA方案；元戎启行则依托统一基座模型，下放100 TOPS经济型辅助驾驶方案；爱芯元智与为旌科技等芯片厂商，更将智驾芯片的适配成本下探至10万元至15万元车型区间。
算力成本在下沉，但用户习惯的重塑需要时间对抗。
用户或许乐于在副驾安置一个永不疲倦的安全员或聊天搭子，却很难为一套“时而自己开，时而要求接管，且必须时刻紧盯”的昂贵系统痛快买单。
因此，无论技术路线如何演绎，从L2迈向高阶自动驾驶，注定要先蹚过用户心智的深水区。这不仅仅是算法的跃升，更是成本、体验与责任闭环的全面重构。
216.73.216.62
