众所周知，当前自动驾驶的发展路线有两条，一条是走L4无人驾驶的商用车路线，一条是渐进式地从L2辅助驾驶迈向L3、L4自动驾驶的乘用车路线。

我们知道，基于L4自动驾驶的Robotaxi目前仍然还在限定范围、小规模的商用运营测试阶段，安全员还在车上，距离大规模商用还为时过早。而走L2辅助驾驶的乘用车路线已经处在大规模量产的新阶段，在今年的国内市场，已经进入到城市辅助驾驶场景落地的竞赛点，比如华为ADS、小鹏的NGP，以及毫末智行正式发布的城市领航辅助驾驶NOH。

这让我们不禁想问，既然辅助驾驶已经这么强，那么如何才能通达L3（有条件的）自动驾驶呢？

当然，迈向L3，这可不是车企自说自话就可以的。官方自吹已经达到L2.9999，也不能说自己是L3，因为L3的最关键条件是驾驶责任的判定，因此必须拿到官方的许可才能上路。

（奔驰推L3级自动驾驶量产车）

不久前，奔驰率先在德国宣布，得到官方批准，进入L3级领域。但有一说一，从象征意义看，奔驰宣布“用户使用L3，责任归车企”有划时代意义，但从实际效果看，奔驰也只在一小片高速路段可以负全责。

鲁迅先生说过，只要定语足够多，什么都能当上世界第一。这句话套用在自动驾驶，只要ODD限定足够多，谁都能跑L3。奔驰就属于这一类。

因此，从L2通往L3，首先要解决责任划分的问题，而解决责任划分的问题就是自动驾驶企业或车企能确保L3行驶期间的安全，而确保安全的核心仍然是自动驾驶的技术能力问题。那么，能够通达城市场景L3自动驾驶，需要哪些技术能力呢？

通达城市场景的L3，需要打通哪些关卡？

要想实现“有条件的自动驾驶”，首先要做的是选择一个特定的场景或条件，并在这一范围内实现绝对（不断接近百分百）的安全，而这一对特定场景或条件的设定则通常被称之为ODD。

对于车企而言，ODD范围的划定是非常重要的，不仅要保证成本可控，也要参考用户需求，确保实用性，否则任何一处的投机取巧，都将带来费力不讨好的结果。

在ODD之后要解决的是冗余问题。自动驾驶的核心技术分为感知、决策、控制三部分，与电子消费品追求快速迭代的策略不同，为保证100%安全，车企会对每一部分都进行冗余搭建，既保证系统稳定性，也保证车辆在遭遇突发情况导致部分单位无法正常工作时，对应冗余部分能够立即介入。

高精地图几乎是所有汽车厂商实现L3级自动驾驶的必备条件，而后者如果想要获取高精地图，当前唯一的渠道便是向具备高精地图绘制资质的企业购买。

（高精地图眼中的世界）

目前来说，只有高速场景拥有合规的高精地图，而城市内高精地图的审核仍然在路上，这一点不仅限制了很多车企推进城市辅助驾驶产品的进度，更成为车企在更大范围真正落地L3自动驾驶的可能。

现在，国内外在城市场景的导航辅助驾驶产品的头部玩家有哪些呢？

特斯拉在去年7月发布的FSD Beta V9.0中首次加入了城市场景，最新版本对城市场景下的感知、决策、执行做了很多优化。

在国内，华为也在去年4月，宣布与极狐汽车合作推出搭载华为ASD自动驾驶方案的车型，能够覆盖城市场景的从L4-L2的自动驾驶。

小鹏曾在2021年1024科技节上宣布，将于今年下半年量产具备城市NGP能力的XPilot 3.5，并将于2023年迎来XPilot 4.0，率先实现全场景智能辅助驾驶。

（毫末乘用车智能驾驶产品路线图）

毫末智行也在去年底宣布推出具有在城市NOH功能的辅助驾驶系统HPilot 3.0，并且在北京、保定两个城市展开了道路测试。就在刚刚过去的2022 HAOMO AI DAY上，毫末正式宣布在下半年率先在长城的多款车型上推出这一产品。这像极了一个班级里平时默不作声，一到考试就能进前排的低调学霸。

显然，想要通达城市场景的L3，首先肯定需要得到来自政策法规的允许，这是一个刚性约束条件。政策法规得以出台的前提是，辅助驾驶的安全性必须得到验证，而辅助驾驶的安全性来自于L2辅助驾驶的技术能力，已经具备“自己为自己负责”的底气。

那么，从这几家头部玩家里，我们用特斯拉和毫末智行的技术路线来示例下，通向城市场景下的L3辅助驾驶，到底有哪些技术通路？

打通城市场景的L3，或许就花落这几家

奔驰Drive Pilot迈出了乘用车L3级自动驾驶第一步，而以特斯拉、小鹏与毫末智行为代表的自动驾驶企业则将以更强大的自动驾驶技术与量产落地能力，以先后满足高速域、城市域、全场景的渐进式路线，正式开启人类对L3级自动驾驶的征程。

从FSD Beta V9.0开始，特斯拉走上了完全依靠摄像头的纯视觉方案路线。这一技术路线与人类依靠双眼+大脑感知世界的方式相近，需要强大的算力与算法担当“大脑”的角色。

（特斯拉HydraNets多任务学习系统）

而在算法层面，特斯拉则借助HydraNets与Transformer完成跨时间的图像融合，实现基于2D图像搭建4D向量空间的步骤，这使得特斯拉能够构建实时的局部地图，实现不依赖高精地图的自动驾驶。

为适应国内更复杂的驾驶环境，小鹏与毫末智行选择了更加稳妥的高精地图+激光雷达+摄像头技术路线。多传感器的加入能够为辅助驾驶系统搭建更加清晰准确的真实场景，但前提是支持高精地图对当前区域的覆盖。

不过，在这一次毫末的AI DAY上，毫末智行指出了当前城市域高精地图“落地难”的现状。此外，中国有300多个城市，道路里程近1000万公里、路口近40万个，即使“落地难”的问题被解决，高精地图也还将面对“覆盖难”的问题。

由此，毫末智行推出了以“重感知”为技术策略、支持城市NOH功能的HPilot 3.0。

感知层面，HPilot 3.0共搭载有12个摄像头、2个激光雷达、5个毫米波雷达与12个超声波雷达，算力层面则依靠自研360T算力的域控制器ICU 3.0。

另一方面，数据智能体系MANA也在Transformer的加持下实现了算法层面的进一步飞跃。通过大规模数据训练，HPilot 3.0在仅依靠SD地图导航的前提下，就能对诸如车辆近距离切入、车辆阻塞占道、交叉路口、环岛、隧道、立交桥等复杂场景做出更快速、成功率更高、更接近人工驾驶的操作。

既降低了对高精地图的依赖，也能快速覆盖到国内更多城市，“重感知”的技术策略为毫末智行开辟了一条捷径，这使得HPilot 3.0成为了国内第一个大规模量产、并具有高实用性的城市辅助驾驶产品。

（“重感知”的技术策略将让HPilot 3.0走在国内量产的前列）

根据2022 HAOMO AI DAY提供的信息，当前HPilot 3.0的路口通过率已超过70%、变道成功率也已超过90%。即使处于L2级辅助驾驶的范畴内，但HPilot 3.0还是让人们看到了实现L3级自动驾驶的曙光。

虽然从政策上L3级自动驾驶距离我们还尚有时日。但以特斯拉、毫末智行等自动驾驶企业的进展已经让我们看到一种趋势。那就是在有高精地图的情况下，出于绝对安全可靠的考虑，能够使用高精地图还是要尽可能使用，但是在短期内无高精地图下，重感知的大规模数据训练学习，也能让城市场景下的自动驾驶安全性不断得到提高。

毕竟人类驾驶始终都是根据“所见即所得”的方式在开车，而让自动驾驶在缺少“天眼一般”的高精地图作为辅助的情况下，也能像人一样安全自如地开车，也是自动驾驶证明自身的重要方式之一。

在L2辅助驾驶场景下，基于人类的监督，不断积累数据，不断打磨训练，相信不久地将来就会拥有技术上真正可靠，安全可信赖的L3能力的自动驾驶技术，最终推动政策上的合法合规实现，让自动驾驶在全场景上为自己“负起责任”。