如果最近去过北京或重庆旅游，你可能会在路上看到尾号为“Z”的新能源车。
自从许可准入后，很多朋友希望我聊聊L3智驾，这个选题其实能深入展开聊很多东西，但我发现个有意思的事儿——不少人认为L3等于高阶版L2。
这当然是种误解。
在L2语境下，虽然车企通过营销口号给用户营造了一种“车能自己开”的幻觉，但智驾系统的本质依旧是辅助工具，法律责任主体始终是驾驶员，厂商只需通过“驾驶员需时刻监控路面”的免责条款即可规避绝大多数风险。
如果你仔细去看以前那些新车交付手册，里面永远有“驾驶员是驾驶行为的唯一责任人”这句话。
举个例子，在高速公路一台开了高阶辅助驾驶的车辆撞向路边的施工推土机，事后车企提取后台数据往往会给出这样的结论：系统在撞击前两秒发出了接管警示，但驾驶员未及时采取制动措施。
在L2的规则下，只要系统发出了滴滴声，车企在法律上就已经完成了告知义务，至于你是因为信任系统而走神还是因为系统报警太晚来不及反应，那都是你的个人失误。
也就是说，L2语境下智驾系统对厂商而言是个稳赚不赔的生意，它们不需要为代码的每一个逻辑错误负责，只需要在说明书里印一行小字，就能让数以万计的驾驶员在无意识中成为它们的技术试错员。
但L3不同，只要证明车辆处于合法的自动驾驶运行范围内，智驾系统就是独立执行驾驶任务的智能实体，法律追究的对象最终会指向算法背后的法人，汽车从单纯的机械产品变成了具备法律责任承载能力的对象。
以前的汽车，不管发动机拉缸还是刹车失灵，承担的都是“产品质量责任”，厂商赔你一辆车或者修好它；L3模式下，汽车开始承担“驾驶行为责任”，当系统接管方向盘的那一刻，它产生的每一项交通行为都被视为厂商行为，如果车辆违章或者引发事故，法律审视的是这套智能系统的决策是否合规。
值得一提的是，目前L3获准运行的场景大多被严密限制在特定的高速或快速路，比如重庆内环快速路、新内环快速路和渝都大道部分路段，且车速不得超过50km/h。
这种克制甚至有些保守的要求，让不少人产生落差：在高度受限环境下的平缓行驶，算哪门子自动驾驶的突破？
但这是有原因的，因为准入并不等同于实战，实验室的理想数据在真实道路的“长尾场景”面前往往过于脆弱。
为防有人不了解，我解释一下：所谓“长尾场景”，也就是行业里常说的Corner Case。如果把汽车行驶的所有路况画成一条概率曲线，中间那块最高最宽的部分就是常见场景，比如普通的跟车、换道、等红灯；而分布在曲线两端的极少发生但碰上就可能致命的状况，就叫做“长尾场景”，比如行车过程中前方突然掉落的黑色废旧轮胎、隧道进出口可能产生的“短时致盲”、路面上突然窜出的野生动物或违规占道的施工设施。
智驾系统在实验室学习的是完整的车轮、直立的行人、大货车、小轿车，但面对“长尾场景”，系统可能会把它当成一块阴影或者路牌，因为这完全不在“题库”里。也就是说，如果系统没在各种光线、雨雾、异形障碍物里“翻车”过几回，它在实验室里跑出来的数据就不具备实操可能。
说白了，政策对L3获准运行的场景严格设限主要是为了降低“长尾场景”的破坏力，相当于用低速和低动态环境来掩盖算法在处理复杂博弈时的不确定性。
所以，L3的核心不是看系统在理想环境下能开多快，而是看它在面临极端风险时能否给出具备“确定性”的决策。
这就意味着L3不能只生硬地计算物理距离，而是能深层理解交通参与者的意图，比如识别出旁车是单纯的轨迹偏移还是带有强烈意图的强行加塞，它需要对物理世界有深度认知，然后生成一种类似于人类老司机的直觉，最终在面临从未见过的“长尾场景”时才不会因为没见过而原地停摆——翻译过来就是“不能在面临感知边界时由于无法处理而撒手不管”。
L2的安全是建立在“人必须时刻清醒”的假设上，系统可以随时为了保住自己不背锅而选择退出；但L3“必须兜底”，厂商在硬件、电源、通讯、执行器部分需要全方位冗余，这也是很多技术不过关的厂商对L3号牌望而却步的真实原因。
不过话说回来，在所有的技术因素里，关于“生命托付”的安全底线才是最无法回避的环节，L3的安全性不是为了通过市场准入的考试，而是在极端突发情况下系统如何执行“最小风险策略”的生还路径。在这个问题上，硬件路线的选择实际上决定了系统的生存天花板。
2025年12月20日，旧金山部分区域停电导致交通信号灯全灭，这种情况下正常人类的逻辑是“没红绿灯了，咱们就降速、观察、左右博弈，然后慢慢蹭过去”，但Waymo的无人驾驶出租车在十字路口直接罢工，造成大面积交通瘫痪。
背后的原因是这些无人驾驶出租车极度依赖“预设规则”和“高精地图”，在高精地图的体系里，每个路口、每个灯位、每条路权逻辑都是提前写死的静态参数，一旦物理世界发生某种不可控的变化（比如交通信号灯全灭），系统的逻辑链条就断了。
这就是单点依赖的风险，如果系统只相信地图里的数据或者只遵循某一种预设的固定逻辑，那么它在遇到极端场景时能给出的唯一策略就是基于所谓的“安全原则”原地自闭。
这也是华为在智驾方案上坚定选择激光雷达、4D毫米波雷达与视觉感知全量融合的异构冗余路线的原因。
在中国这种充斥着复杂立交枢纽、进出隧道时光影剧烈变幻以及突发大雾、风沙的现实环境中，单一的视觉感知在极端天气和逆光环境下容易产生各种“长尾场景”，多传感器融合的意义并不是参数堆砌，而是当摄像头被暴雨遮蔽或被强光致盲时，激光雷达和4D毫米波雷达依然能为系统提供“确定性”，确保系统不至于在关键时刻因为看不清而原地撒手或做出错误的博弈决策。
你可以这么理解：对冗余执着其实是为了应对L3模式下的一些极端风险，比如当系统发出接管请求而驾驶员因为生理不适、昏睡或突发疾病无法响应时，车辆该怎么办？在L2时代，这可能意味着失控；但在成熟的L3逻辑里，系统必须具备一套完整的“自动救援”能力。
在网上流出的所谓“内部实测”视频里，国内叫得上名字的几个厂商的表现还算不错，当系统检测到驾驶员失去接管能力后，便会通过多重冗余机制接管控制权，自主寻找避让空间，平稳地变道至应急车道，同时开启双闪、投射SOS大灯、解锁车门以便救援。
这种将安全兜底功能下沉至底层架构的做法，就是L3智驾的核心含金量，也是技术进步带给用户的真正诚意。
当然了，技术的进步最后都要建立在规模化竞争之上。很多人在谈论智驾时容易陷入一种数字迷信，觉得只要车卖得多、跑得里程长，智驾水平就会自然提高，但真相是单纯的“车辆行驶数据”并不等同于“有效训练数据”。
如果每天采集的都是高速公路上重复千万次的平稳巡航，那这些数据对于系统而言只是垃圾信息，毕竟系统真正需要的是“长尾场景”。这不仅仅是技术活，更是不断燃烧的经费，厂商必须拥有高效的数据闭环体系，从车端的实时触发采集到云端的自动标注与仿真特训，这中间没有任何捷径可走。
高质量数据是无法压缩的时间成本，一个新入局的玩家，即便现在拥有再高的算力和再好的算法模型，也无法在短时间内追平头部玩家在过去数年累积下来的“题库”。
这么说吧，L3不会是一个准入门槛低、谁都能入场的游戏，故事的发展大概率是“强者恒强”的经典剧情。回过头看，为什么华为或者是那些具备规模效应的企业能在L3实测中表现出更高的成熟度？原因就是它们的“题库”已经足够多、足够复杂。
硬件可以买，算力可以租，但这种壁垒真不是靠砸几个亿买几千块芯片就能填平的。
江湖车评：
自动驾驶的终局确实令人向往，但我必须要说，别被那个“Z”字号牌冲昏了头脑，毕竟L3落地只是持久战的开端，长尾场景里的鬼还有很多，咱们没必要急着高潮。
而对于车企，以前可以躲在L2的遮羞布后面靠话术卖车，反正出事了有用户顶包，如今法律红线画在那儿了，想要继续活下去就只能靠实力。
这应该算某种坏消息了吧。