2025 年自动驾驶行业的最后一个重磅头条终于落地：L3 试点正式来了。
两款具备 L3 能力的车型率先在重庆、北京开展试点。一款是采用纯视觉路线的深蓝 SL03，搭载长安自研 NID 智驾系统；另一款是北汽极狐 Alpha S6（三激光雷达版），配备华为 ADS。
与此前的“地方 L3 许可”相比，本轮试点的最大不同在于权威层级的跃升：这是首批获得工信部（MIIT）国家层面批准的 L3 车型。
几乎一夜之间，L3 再次成为全行业最热话题。
华为智能驾驶的核心负责人靳玉志也难掩激动，发文称：“L3 is coming”。据悉，华为此前已在深圳高速使用员工内购的问界 M9与尊界 S800开展 L3 内部测试，累计里程超过 1000 公里。
这套内部测试与公开试点在关键细节上明显不同：据称它不局限单车道，也不限制在较低测试时速。在体验上，它更接近消费者想象中“真正的 L3”应有的样子——至少比当前获批上路的两款试点车更接近。
这波 L3 的热度看似猛烈，但这并不是 L3 与车企第一次“亲密接触”。
第一波发生在 2017 年前后，奥迪、宝马、奔驰等豪华品牌在德国陆续发布 L3 功能，引发巨大关注。
第二波出现在 2018—2020 年，广汽、奇瑞、上汽、长安等多家中国车企宣布要量产 L3。可现实中，不少所谓“L3 车”最终更多停留在强化版自动泊车层面。
如今进入第三波：2025 年，也许是“L3 命题”变化最快的一年。
8 个月前，何小鹏曾表示：“到 2025 年底将实现 L3 智驾能力量产落地。”8 个月后，新款小鹏 P7 配上 2250 TOPS 算力，但他又明确称：“只有 L2 和 L4，小鹏不会再推送 L3 了。”
八年之后，L3 不再是单一路径，而是分裂成两种方法论。
一派认为可以直接跳过 L3，从 L2 迈向 L4。
另一派坚持认为 L3 仍是通向 L5 前最关键的一步——尤其在法规与责任划分面前，很难绕开。
通往 L3 的三条路线
通往 L3 的路径，比多数人想象得更丰富。
按国家标准《GB/T 40429-2021》，L3 的定义是：系统在其设计运行条件（ODD）下持续执行全部动态驾驶任务，也就是“有条件自动驾驶”。
标准本身不规定每个限制条件，但出于安全考虑，现阶段政策对 L3 试点在车速、适用场景、覆盖范围等方面都设置了约束。
路线一：缩小适用范围
如果无法在大范围内满足要求，就把 ODD 压缩到非常小——这是典型的“保守版 L3”，过去多见于德、日车企。
从 2018 年开始，BBA 陆续推出 L3 车型。但“全球首款 L3”叙事并不顺利：例如奥迪 A8 并未真正大规模落地 L3，团队最终甚至解散。
奔驰与宝马虽然实现了量产 L3，但前提是把运行范围压缩到极致。
为了达成合规，他们把传感器堆到“满配”——奔驰 S 级 Drive Pilot 甚至加入路面湿度传感器，但系统仍主要只能在高精地图覆盖区域运行。
即便如此，往往仍被限制在高速且速度上限约 60 km/h。在现实使用中，这样的 L3 很难称得上“有价值”。
路线二：全栈堆叠，靠冗余硬上
第二条路线是“全方位大力出奇迹”的全栈策略，常被认为是华为系的代表方向。
据预期，华为将于年底在高速场景开启四款车型的 L3 内测，包括问界 M9、尊界 S800、极狐 Alpha S、广汽昊铂 A800，均采用乾崑 ADS 4。
这条路线核心就是：更多数据、更强冗余、更厚安全层。
地平线创始人余凯曾提出一种思路：需要大规模部署 L2++、积累海量统计数据，才可能“挣”出 L3。华为的路径与此非常接近。
其关键在于数据闭环 + 多重安全冗余。据称华为 L3 内测车每车配置至少 4 颗激光雷达；同时华为公布的智驾累计数据达到 63.8 亿公里，行业内少有可比。
今年上半年，华为对 L3 的推进也已露出锋芒。ADS 4 推送的“驾驶员失能辅助”在突发情况下可将车辆安全引导至路边，已被不少人视作“类 L3”功能。
但这一路线极难复制。对多数玩家而言，它不是模板，更像资源壁垒。
即便华为并非直接持证主体，凭借 ADS 在多家自主品牌上的生态铺设，L3 热潮也会同步抬升华为的存在感与受益面。
路线三：道路级基座大模型
另一批更强调 AI 基座大模型的新势力并不愿意等待，于是第三条路线正在升温：道路级基座大模型。
元戎启行创始人周光认为，现阶段的 L3 很大程度是基于既有技术框架，再用规则限制适用范围，比如“下雨不能用、夜晚不能用”。
他认为 L3 与 L4 之间存在方向冲突：一个偏规则驱动，一个需要模型理解世界。真正能打通 L3、L4 的，是能学习道路常识、具备强泛化能力的基座大模型。如果千万量级数据训练出的模型足够强，L3 可能会很短暂，甚至被跳过。
不过，L3 仍有不可替代的优势：责任边界更清晰，有利于商业化与量产推进。
这也带出一个现实结论：对许多企业而言，L3 的商业价值正在大于技术价值。
L3 常常更像形容词，而不是具体可用的能力。
比如“L3 级算力”常指本地有效算力超过 2000 TOPS；又比如 L3 在卖车时被当作强标签，尊界 S800、问界 M9 等也常附带“首款 L3 自动驾驶”之类表述。
技术最终谁先跑通仍未可知，但资本市场反应已经很快。
极狐 Alpha S 入选首批 L3 试点后第二天，北汽股价大涨 10.01%。
为什么 L3 比预期更慢
有业内观点认为：技术上 L3 是过渡阶段，但在法规层面它绝不是“简单过渡”。
事实上，L3 的推进一直比想象中慢。
年初，小鹏、华为、极氪、比亚迪都把 2025 年第四季度视作 L3 量产窗口。如今“具备 L3 能力的量产车”似乎出现了，但距离真正意义上的 L3 落地仍有距离。
与此同时，一些玩家已不再把 L3 当作核心目标。
除了小鹏明确跳过 L3，苏箐、周光、余凯等也曾表达“L3 很短暂”的判断。
苏箐在最新演讲中提到，地平线的新范式试图打破 L2 与 L4 的割裂，通过统一开发范式、低成本复制与全域泛化能力，让“准 L4 系统”实现平价落地。
“L3 的消失”主要来自两方面：政策与体验。
政策：审批慢、门槛高、运营复杂
L3 的审批流程严谨且周期长。
当前在重庆、北京试点的两款车型据称是一年多前申报的版本，这也是为何极狐试点车并非搭载最新 ADS 4。
就能力而言，两车均被限制为单车道内行驶，也就是开启 L3 后不能变道——这与消费者心目中的可用 L3 仍有差距。
同时，审批要求也更偏“运营化”。业内人士称，获得 L3 牌照通常需要车企找到运营公司组成联合申报体系，由运营主体承担测试过程中的法律责任。
通过认证后，还要以具体车型申请测试牌照。目前测试车辆大多是 to B 属性，国家尚未大规模开放 to C 的准入认证。
这也是为何此次极狐与深蓝都被视为“非面向大众量产形态”的重要原因之一。
有人会疑惑：理想、小鹏不是拿过地方 L3 牌照吗？
理解 L3 进程需要分两条线：地方牌照与工信部名单。
地方牌照主要发生在 2023—2025 年间，超过 14 家车企与地方政府合作，获得高快速路测试许可，但范围限定在本地辖区。
工信部牵头的才是关键门槛：正式名称为《智能网联汽车准入和上路通行试点联合体试点名单》，由工信部主导、四部门联合审批确认，名单中仅有 9 家联合体。
即便如此，文件也强调试点目的是积累管理经验、支撑法律法规与标准修订。换句话说，现阶段试点更多是为车企与监管部门“练兵”。谁能率先跑出真正 L3，仍未有定数。
这种不确定性与长周期的严审，也进一步加剧了行业的“智驾焦虑”。
体验：对用户的提升并不显著
从消费者角度看，L3 并不一定带来非常明显的体验跃迁。
在限定场景下，L3 与其说是技术分级，不如说是责任分级：责任主体从驾驶员转向系统。
但驾驶员仍需作为后援，仍可能需要接管。
因此，L3 可以做到 hands-off，却很难做到 mind-off。
矛盾在于：人类很难长时间保持“手不动但注意力高度集中”。因此，新国标要求 L3 系统必须给用户留出约 10 秒的接管与反应时间。
这使 L3 成为自动驾驶分级中最混沌、也最需要谨慎的一段：更受政策强驱动，而非单纯技术主导。
而这与当下高度市场化、强竞争的智驾行业节奏并不完全匹配，于是才出现部分企业试图跳过 L3。
“跳过 L3”与特斯拉参照
“跳过 L3”的讨论，绕不开特斯拉。
“特斯拉也只有 L2 和 L4”已成为不少新势力的论据之一。
SAE 在 2014 年提出 L1-L5 分级，但马斯克很少在公开场合使用这一体系。特斯拉更倾向用 **AP、EAP、FSD（supervised）**来定义与售卖能力：基础版、增强版、以及“有监管的全自动驾驶”。
在特斯拉话语体系里，高级别自动驾驶几乎被简化为两种：**FSD（supervised）**与 FSD（unsupervised）。
核心差别就是：需要不需要用户监管。
这种“去等级化”不是因为特斯拉不在乎，而是因为它非常清楚 L3 代表什么。
其中一个目的，是避免被不同国家的 L3 审批体系拖慢。很多人以为海外 L3 更宽松，但事实是多数国家监管同样严格。
以捷克为例，从 2026 年 1 月 1 日起将启用 L3 无监督自动驾驶，但仍要求系统为驾驶员提供 10 秒接管窗口，并通常从高速公路开始逐步扩大范围。
在捷克，特斯拉 FSD（supervised）被定义为 L2。若要运行 L3，特斯拉必须与政府深度协作，并修改 FSD 以符合新法规。
这意味着：想做 L3，就得逐国审批。对全球化车企而言太慢。即便是 L2 的全球化，FSD 目前进入的国家数量也有限，L3 更难。
第二个更技术性的观点是：特斯拉相信 L2 在架构上可以跃迁到 L4。
特斯拉 Robotaxi 搭载的 L4 系统被称为 FSD（unsupervised），与乘用车 FSD 同源。
硬件上，两者都依赖 HW4.0，坚持纯视觉感知，配备 8 个摄像头与特斯拉自研芯片。
体验上，何小鹏在美国短时间内连续体验 FSD 与 Robotaxi 后认为两者感受几乎一致，并回国后再次强调自动驾驶可能会直接到“准 L4 或完整 L4”。
但这仍是终极命题：Robotaxi 证明了架构上限，但要把用户手里的 L2 乘用车直接升级到 L4 并规模化落地，即便对特斯拉而言也并非板上钉钉。
两种路线之争，反而更接近真相
今天围绕 L3 的分歧，本质上是两条路线的较量。
一条是华为式：数据规模 + 冗余硬件 + 全栈能力叠加的渐进路线。
一条是特斯拉式：端到端与大模型驱动的 AI 跃进路线，试图压缩从监督到高阶自动驾驶的距离。
这种分歧的出现不是坏事，它恰恰意味着行业在逼近真实答案。
当行业第三次大规模讨论 L3 时，焦点已从高精地图与传统 L3 转向 端到端 + 大模型如何解决更高级别自动驾驶。
无论哪条路线最终成为主流，这场争论本身，都在把行业推向它真正想抵达的目标：L4。
