自动驾驶入门：概念、分级与发展脉络 / Introduction to Autonomous Driving: Concepts, Classification and Development Roadmap

2023年，中国乘用车市场L2级驾驶辅助系统（Advanced Driver Assistance System, ADAS）的渗透率首次突破42%，意味着每卖出10辆新车，就有4辆具备高速跟车、车道保持等辅助驾驶功能。但与此同时，全国因辅助驾驶使用不当引发的交通事故同比上涨17%，其中超过70%的事故源于驾驶员将L2级辅助驾驶误认为“自动驾驶”，放开双手甚至睡觉导致无法及时接管。这种认知偏差不仅危及人身安全，也阻碍了自动驾驶技术的商业化落地——作为全书的开篇，本章将厘清自动驾驶的核心概念，拆解全球通用的分级标准，梳理从实验室到产业落地的关键脉络，帮助读者建立对自动驾驶技术的正确认知框架，为后续章节的深度学习打下基础。

1.1 自动驾驶的核心定义与辅助驾驶的本质差异

1.1.1 什么是自动驾驶？

自动驾驶的官方定义由国际汽车工程师学会（Society of Automotive Engineers, SAE）在标准SAE J3016中给出：自动驾驶汽车（Autonomous Driving Vehicle, ADV），是指能够在全部或部分动态驾驶任务（Dynamic Driving Task, DDT）中完成“感知-决策-控制”全流程，无需人类驾驶员主动操作的智能网联汽车。其中DDT包含所有与车辆行驶相关的动态操作：包括实时感知周围交通环境、预测其他交通参与者的行为、规划行驶路径、控制车辆的转向/加减速/制动，以及应对突发异常场景（如行人横穿、施工改道、车辆加塞等）。

与自动驾驶高度相关的另一个核心概念是运行设计域（Operational Design Domain, ODD），指自动驾驶系统能够正常、安全工作的限定范围，通常包括四个维度： 1. 地理范围：如高速公路、城市快速路、园区封闭道路、特定城市区域等； 2. 速度范围：如60-120km/h的高速场景，0-30km/h的泊车场景； 3. 环境条件：如晴天、小雨、白天、夜间（带照明）、无严重积雪/结冰等； 4. 道路类型：如有清晰车道线的铺装路面、无隔离带的乡村道路等。

任何脱离ODD的自动驾驶功能都属于“超范围工作”，系统会立即提示人类接管。比如某款宣称支持“城市自动驾驶”的车型，遇到暴雨、无车道线的断头路、临时交通管制时，都会自动退出自动驾驶模式，要求驾驶员接手。

1.1.2 自动驾驶与辅助驾驶的核心差异

初学者最容易混淆的概念就是“自动驾驶”和“辅助驾驶”，两者的核心差异并非技术功能的复杂度，而是责任主体的划分，这也是SAE分级标准中最核心的判定依据：

• 辅助驾驶（ADAS）的责任主体永远是人类驾驶员：系统仅作为“辅助工具”降低驾驶员的负担，驾驶员必须全程监控车辆运行状态，随时准备接管车辆，任何因系统故障或驾驶员分心导致的事故，责任均由驾驶员承担。
• 自动驾驶（L3及以上）的责任主体在ODD范围内转移为系统本身：驾驶员无需持续监控车辆，可在系统允许的范围内进行其他活动（如看手机、休息），仅在系统发出接管请求时才需要接手，ODD范围内因系统故障导致的事故，责任由车企/运营方承担。

这种差异可以用一个简单的场景对比：开启L2级辅助驾驶在高速上行驶时，如果驾驶员低头看手机撞上前车，责任100%属于驾驶员；而开启L3级自动驾驶在高速上行驶时，如果系统没有识别到前车急刹导致追尾，责任100%属于车企。2022年国内某品牌车主因开启L2级辅助驾驶睡觉撞车起诉车企的案例中，法院最终判定车主承担全部责任，核心依据就是该车型的辅助驾驶功能仅达到L2级别，未达到自动驾驶的责任划分标准。

为了更清晰地对比两者的差异，我们可以通过下表梳理核心维度的区别： | 对比维度 | 辅助驾驶（L0-L2） | 自动驾驶（L3-L5） | |----------|-------------------|-------------------| | 责任主体 | 人类驾驶员 | L3-L4为系统，L5为系统 | | 驾驶员监控要求 | 必须全程监控，随时准备接管 | L3需在系统请求时接管，L4-L5无需接管 | | 功能失效责任 | 驾驶员承担 | 车企/运营方承担 | | 典型功能 | ACC自适应巡航、LKA车道保持、自动泊车 | 高速自动驾驶、城市自动驾驶、无人RoboTaxi | | 当前落地状态 | 已大规模量产，渗透率超40% | L3处于试点阶段，L4仅在特定场景小规模运营 |

> 💡 电子版侧边栏提示：很多车企宣传的“L2.999级”“无限接近L3”等说法均不属于SAE标准范畴，本质仍为L2级辅助驾驶，责任主体仍为驾驶员，消费者切勿被营销话术误导。

1.1.3 自动驾驶与无人驾驶的关系

很多读者会将“自动驾驶”和“无人驾驶”混用，实际上两者是包含关系：无人驾驶是自动驾驶的终极形态，即L5级完全自动驾驶，此时车辆内部完全不需要人类驾驶员介入，甚至取消了方向盘、刹车踏板等传统驾驶部件。而L3-L4级自动驾驶虽然不需要人类驾驶员持续操作，但仍保留了驾驶席位和接管接口，属于“有条件/高度自动驾驶”，还不能称为完全意义上的“无人驾驶”。目前行业讨论的“无人驾驶”大多指L4级限定场景的自动驾驶，比如无人配送车、无人环卫车、RoboTaxi等。

1.2 全球主流自动驾驶分级标准解析：SAE J3016详解

目前全球通用的自动驾驶分级标准是SAE J3016，该标准于2014年首次发布，2021年更新至最新版本，明确了从L0到L5共6个级别的功能边界和责任划分，是全球车企、监管机构、行业研究者的统一判定依据。本节将逐级解析每个级别的核心特征、典型应用场景和当前落地状态：

1.2.1 L0：无自动化（No Automation）

L0是自动驾驶的最低级别，也是传统手动驾驶的状态：车辆没有任何驾驶自动化功能，全部动态驾驶任务（转向、加减速、制动、环境感知等）均由人类驾驶员独立完成。

• 核心特征：无横向/纵向控制辅助功能，哪怕车辆配备了ABS（防抱死系统）、ESP（车身稳定系统）等安全约束功能，也不属于驾驶自动化功能范畴，因此仍属于L0级别。
• 典型场景：无任何ADAS配置的低配燃油车、传统手动挡车型。
• 责任划分：100%由驾驶员承担。

1.2.2 L1：单维度驾驶辅助（Driver Assistance）

L1是驾驶自动化的入门级别，系统仅能执行单一的横向或纵向控制，无法同时完成两个维度的控制，驾驶员仍需全程监控车辆，负责剩余的全部驾驶任务。

• 核心特征：仅支持“要么控方向、要么控油门刹车”的单一辅助功能，不能同时工作。
• 典型场景：单独开启的自适应巡航（ACC，仅控制加减速，转向由人负责）、单独开启的车道保持辅助（LKA，仅控制方向，加减速由人负责）、自动紧急制动（AEB，仅在紧急情况下自动刹车，其余操作由人负责）。
• 落地状态：2010年之前的高配车型多配备L1级功能，目前已经是入门车型的标配。
• 责任划分：100%由驾驶员承担。

1.2.3 L2：多维度部分驾驶辅助（Partial Driving Assistance）

L2是目前消费市场最普及的自动驾驶级别，系统可以同时执行横向和纵向控制，实现“同时控方向+控加减速”的复合辅助功能，但驾驶员仍需全程监控，随时准备接管车辆。

• 核心特征：支持横向+纵向控制的组合功能，比如ACC+LKA的组合可以实现“高速跟车+车道居中”，但系统仅能完成常规场景的辅助，遇到突发情况（如前车急刹、行人横穿）需要驾驶员立即接管。
• 典型场景：特斯拉Autopilot、小鹏NGP、理想AD Max、华为ADS 2.0的基础版功能，均属于L2级别，部分车企宣传的“L2+”属于行业非正式说法，指在L2基础上拓展了ODD范围（比如从高速拓展到城市道路），但责任划分仍符合L2标准，不属于SAE官方定义的L3。
• 落地状态：2023年中国市场L2级辅助驾驶渗透率达42%，预计2025年将突破70%，成为新车标配。
• 责任划分：100%由驾驶员承担，所有因辅助驾驶使用不当导致的事故均由驾驶员负责。

> ⚠️ 安全提示：L2级辅助驾驶≠自动驾驶，开启功能时驾驶员必须手扶方向盘，严禁放开双手、睡觉或进行与驾驶无关的操作，否则将承担全部事故责任。

1.2.4 L3：有条件自动驾驶（Conditional Automation）

L3是自动驾驶从“辅助”到“自动”的分水岭，在ODD范围内，系统可以独立完成全部动态驾驶任务，驾驶员无需持续监控车辆，仅在系统发出接管请求时才需要接手。

• 核心特征：ODD范围内责任主体从驾驶员转移为系统，驾驶员可以合法进行非驾驶类活动（如看手机、休息），系统仅在无法应对的场景下才会请求接管，若驾驶员未及时接管，责任仍由驾驶员承担；若因系统故障导致事故，责任由车企承担。
• 典型场景：奔驰Drive Pilot（德国/美国部分州的高速公路，时速60km/h以下开启）、本田Legend（日本限定高速公路），开启后驾驶员可以双手离开方向盘，观看视频、处理工作。
• 落地状态：2023年中国工信部出台《智能网联汽车准入和上路通行试点实施意见》，正式开启L3级自动驾驶的试点工作，比亚迪、奔驰、长安等多家车企已申报试点，预计2024-2025年将实现L3级乘用车的量产落地。
• 责任划分：ODD范围内系统承担主要责任，驾驶员需响应接管请求；超出ODD范围或未响应接管请求导致的事故由驾驶员承担。

1.2.5 L4：高度自动驾驶（High Automation）

L4比L3更进一步，在ODD范围内，系统可以完成全部动态驾驶任务，无需人类驾驶员接管，即使系统发出接管请求，人类也可以选择不接管。

• 核心特征：ODD范围比L3更宽泛，系统具备应对绝大多数场景的能力，仅在极端的超ODD场景下才会要求人类接管，且人类有权拒绝接管。L4级车辆通常取消了传统驾驶座的安全员要求，仅需配备备用操作接口。
• 典型场景：百度萝卜快跑（北京亦庄、上海嘉定、武汉等地的RoboTaxi）、无人配送车、无人环卫车、机场/园区无人接驳车，目前运营的L4级车辆大多已经取消了车内安全员，完全由系统独立驾驶。
• 落地状态：目前L4级自动驾驶主要落地在to B的封闭/半封闭场景，to C的乘用车L4由于成本过高、ODD覆盖难度大，尚未大规模量产。
• 责任划分：ODD范围内全部责任由系统/运营方承担，无需人类驾驶员负责。

1.2.6 L5：完全自动驾驶（Full Automation）

L5是自动驾驶的终极形态，没有任何ODD限制，可以在任何时间、任何地点、任何天气、任何道路条件下完成全部动态驾驶任务，能力等同于甚至优于人类驾驶员。

• 核心特征：完全摆脱场景限制，车辆内部取消了方向盘、刹车踏板等传统驾驶部件，人类完全作为乘客存在，无需任何驾驶操作。
• 典型场景：目前仅存在于科幻作品和实验室原型中，没有任何量产车达到L5级别。
• 落地状态：行业普遍认为L5级自动驾驶需要10-20年甚至更长时间才能实现，核心难点是“长尾场景”的覆盖，比如极端暴雨、暴雪、地震、道路临时管制等罕见场景，需要系统具备足够的泛化能力。

为了更直观地理解6个级别的差异，我们可以通过下图从“自动化程度”和“ODD范围”两个维度对比： ```mermaid quadrantChart title 自动驾驶分级：自动化程度 vs ODD覆盖范围 x-axis 窄（受限场景） --> 宽（全场景） y-axis 低（人类主导） --> 高（系统主导） quadrant-1 完全自动驾驶（L5） quadrant-2 高度自动驾驶（L4） quadrant-3 无自动化（L0） quadrant-4 驾驶辅助（L1-L2） L0: [0.1, 0.1] L1: [0.1, 0.3] L2: [0.1, 0.5] L3: [0.4, 0.7] L4: [0.7, 0.9] L5: [1, 1] ``` 从图中可以清晰看到，L0-L2的ODD范围几乎没有限制，但自动化程度低，责任主体是人类；L3-L4的ODD范围逐步放宽，自动化程度提升，责任主体逐步转移为系统；L5则实现了全场景、全自动化的终极目标。

1.3 自动驾驶发展脉络：从实验室试验到商业化落地

自动驾驶的概念最早可以追溯到20世纪初，但真正实现技术突破和商业化落地仅用了不到20年，其发展历程可以划分为三个阶段：

1.3.1 概念萌芽期（1920s-1990s）：从设想到原型验证

1925年，美国工程师Francis P. Houdina推出了一辆通过无线电遥控的“美国奇迹”车，可以在车内没人驾驶的情况下按照预设路线行驶，这是人类历史上首个无人驾驶概念验证，但本质上属于遥控而非自主驾驶。1950年代，通用汽车发布了Firebird I概念车，搭载了电子导航系统和自动调速功能，可以在高速公路上保持固定车速，被认为是自动驾驶的雏形。

1980年代，欧洲启动“尤里卡计划”（Eureka PROMETHEUS Project），投入10亿欧元研发自动驾驶技术，首次证明了自动驾驶在高速公路场景的可行性；同一时期，美国卡内基梅隆大学、斯坦福大学等高校也启动了自动驾驶相关研究，为后续的技术突破储备了人才和技术基础。这一阶段的自动驾驶技术主要停留在实验室原型阶段，距离商业化落地非常遥远。

1.3.2 技术突破期（2004-2015）：DARPA挑战赛引爆行业

2004年，美国国防高级研究计划局（DARPA）举办首届无人驾驶挑战赛（DARPA Grand Challenge），设置100万美元奖金，要求参赛无人车自主穿越莫哈维沙漠212公里的越野赛道，最终没有一辆车完成比赛，最远的车辆仅行驶了11公里就因故障退出。这次挑战赛虽然以失败告终，但证明了自动驾驶在复杂非结构化场景的技术难度，吸引了全球大量科研团队投入研发。

2005年第二届DARPA Grand Challenge中，斯坦福大学团队的“斯坦利（Stanley）”无人车以6小时53分钟的成绩完成212公里赛道，勇夺冠军，仅比第二名快12分钟，这是自动驾驶历史上第一个里程碑式突破，证明了无人驾驶在结构化道路的可行性。此后斯坦利的核心研发者大多加入谷歌自动驾驶项目，成为Waymo的核心技术班底。

2007年DARPA举办Urban Challenge（城市挑战赛），要求无人车在模拟城市环境中行驶，遵守交通规则、避让行人和其他车辆、完成泊车等任务，卡内基梅隆大学的“Boss”无人车夺冠，进一步证明了自动驾驶在城市开放场景的可行性。

DARPA挑战赛被称为自动驾驶的“阿波罗计划”，不仅验证了技术可行性，还培养了大量行业人才，谷歌、Uber、百度等企业的自动驾驶团队核心成员大多来自DARPA挑战赛的参赛团队。

###

2007年DARPA Urban Challenge的举办，进一步验证了自动驾驶在结构化城市道路的可行性，参赛车辆需要自主遵守交通规则、避让行人和其他车辆、完成交叉路口通行、泊车等复杂操作，卡内基梅隆大学的“Boss”无人车以4小时29分钟的成绩完成96公里赛道，夺得冠军，其核心的感知、决策、规划算法成为后续L4级自动驾驶的技术原型。这次挑战赛后，大量参赛团队成员进入谷歌、Uber、百度等企业，推动了自动驾驶从实验室向产业化的转型。

1.3.2 商业化探索期（2009-2018）：科技巨头入场，技术落地验证

2009年，谷歌秘密启动自动驾驶项目，由DARPA挑战赛的核心参与者、斯坦福大学人工智能实验室主任Sebastian Thrun牵头，这是全球首个由科技公司主导的自动驾驶商业化研发项目，其核心目标是验证L4级自动驾驶的技术可行性和商业价值。2012年，谷歌自动驾驶项目首次获得美国内华达州颁发的自动驾驶路试牌照，2014年首次公布自动驾驶原型车的路试视频，累计行驶里程突破100万英里，2016年谷歌自动驾驶部门正式独立为Waymo，成为全球首家专注于L4级自动驾驶的商业化公司。

Waymo的落地路径代表了L4级自动驾驶的典型商业化逻辑：先从封闭场景测试，再拓展到半开放场景，最后进入开放城市道路。2017年Waymo在美国亚利桑那州凤凰城启动RoboTaxi试运营，初期配备安全员，2019年取消安全员，2020年推出完全无人驾驶的RoboTaxi服务Waymo One，2023年运营范围拓展到旧金山、洛杉矶、奥斯汀等7个美国城市，累计行驶里程突破1600万公里，是全球首个实现L4级自动驾驶规模化商业运营的企业。2023年Waymo公布的运营数据显示，其无人车的事故率仅为人类驾驶员的85%，安全性已经优于普通人类驾驶员。值得注意的是，Waymo的第五代无人车基于捷豹I-PACE纯电车型改装，搭载了自研的激光雷达、毫米波雷达、摄像头多传感器融合方案，单辆车成本从第一代的15万美元降至10万美元以内，大幅降低了L4级自动驾驶的落地成本。

国内的自动驾驶商业化起步稍晚但发展速度更快。2013年百度启动自动驾驶研发项目，2017年发布全球首个自动驾驶开放平台Apollo，为开发者提供从传感器、算法到云平台的完整技术栈，截至目前Apollo平台已经汇聚超过10万名开发者，合作车企超过200家。2019年百度在湖南长沙启动RoboTaxi试运营，是国内首个开放城市的自动驾驶商业化项目，2023年百度萝卜快跑的累计订单量突破5000万单，运营范围覆盖全国30多个城市，其中武汉、重庆等地的RoboTaxi已经实现全无人商业化运营，2024年萝卜快跑在武汉的日订单量突破10万单，单公里运营成本降至20元以内，接近传统网约车的成本水平。2024年百度还宣布将在武汉投放1000辆全无人RoboTaxi，进一步扩大运营规模。

在消费级高级驾驶辅助系统（ADAS）领域，2014年特斯拉推出Autopilot 1.0系统，首次在量产车上实现了高速自动跟车、车道保持、自动变道等L2级辅助驾驶功能，虽然其功能等级仍属于SAE L2级别，但让普通消费者第一次直观感受到“自动驾驶”的价值，直接引爆了消费级ADAS的市场需求。2015年特斯拉推出Autopilot 2.0，后续逐步升级到现在的FSD（Full Self-Driving）Beta版本，虽然目前FSD在北美仍被美国国家公路交通安全管理局（NHTSA）划分为L2级辅助驾驶，但其“纯视觉”技术路线引领了整个行业的技术讨论。2016年5月，美国佛罗里达州发生全球首起Autopilot致死事故，驾驶员过度依赖辅助驾驶功能，在车辆行驶过程中观看手机，未能识别到前方白色的大货车，导致车辆直接钻入货车底部，这一事故推动了全球监管机构对L2级辅助驾驶的宣传规范，目前各国监管机构均要求车企明确标注L2级辅助驾驶的责任主体，禁止使用“自动驾驶”“无人驾驶”等误导性宣传。

国内高阶辅助驾驶的爆发始于2020年，小鹏汽车