汽車行業駛向新時代。汽車驅動從燃油加速向新能源轉換，角色從代步工具向智能終端轉型。中汽協數據顯示，2019-2022年，中國新能源汽車單月滲透率從4.06%增至31.85%，近7倍地上漲。

“智能化”已成為車企逐鹿焦點。在4月18日至27日的第二十屆上海國際汽車工業展覽會（“上海車展”）上，各大車企借著舞臺，盡現智能化賽道上的智能戰略與破局技術。

行業變革，車企千帆競渡。汽車產業作為中國諸多大城市的支柱性產業，車城們同樣亟待謀局、突圍。在對智能車的謀局上，作為汽車制造中心的上海，正浮現出了智能化的新版圖。

本期《澎湃城市報告》關注汽車行業變革下的上海智能車新格局，推出專題——《上海智能車開往新版圖》。

4月17日，上海市首批智能網聯出租示范運營通知書、示范運營證頒發。將有20輛持證的自動駕駛出租車，在上海嘉定和臨港新片區共1500多公里的開放測試道路上，向社會面接單運營。

限定條件下的高級別自動駕駛，開始駛進上海的城市生活。

繼新能源車之后，智能網聯汽車成為行業新戰場。北京、上海、深圳多座一線城市在此爭鋒。

去年9月，上海就印發《上海市加快智能網聯汽車創新發展實施方案》，意欲爭奪“自動駕駛第一城”。稍早一些，北京、深圳也正搶先開展全國領先的行業實踐。北京發布文件首次允許自動駕駛車輛可以去掉主駕安全員。深圳發布全國首部對高層級自動駕駛汽車做出管理規定的法規。

地方頻頻發布重要文件的背后，正是智能網聯汽車及自動駕駛行業在快速邁進。

智能汽車作為三大智能裝備業之一的重要載體，對中國推動數字化經濟起到重大作用。當下，智能網聯汽車產業發展正處于測試驗證走入多場景示范應用的關鍵時期。

自動駕駛的技術路徑走向何方？智能網聯汽車面對哪些新的安全問題？如何對新技術帶來的新問題進行引導和規范？新機遇、新賽道的發育成形，總是伴隨有困惑與爭論。

總的來看，業界至少正在密切關注以下三個問題：L3落地時間、汽車信息安全和數據合規建設、高級別自動駕駛的技術路線。這三個問題，對智能網聯汽車的行業發展也有著重要意義。

翹首企盼的L3落地時間，那么近又那么遠

2019年起，各大車企就在車展發布接近L3級自動駕駛落地產品。本屆車展也不例外，并再次引發行業對L3落地時間的預測與熱議。

SAE（美國汽車工程師協會）將智能駕駛劃分為L0-L5六個級別。業內認為，L1和L2屬于輔助駕駛，L3至L5屬于自動駕駛。目前，國內車企多在L2、L3、L4三個層級間發展。

其中，L2與 L3是輔助駕駛和自動駕駛的分界點。目前國內汽車搭載的系統均為L2或者L2+，L3還沒有商業化。

全球范圍看，近兩年，日本、德國法律層面允許L3汽車上路，韓國也躍躍欲試。

2021年日本率先試水L3，裝備L3自動駕駛系統的豐田汽車在日本銷售并上路。同年，德國在法律層面認可L3自動駕駛上路，奔馳成為了歐洲第一家符合法規的車企。近兩年，韓國也頻頻傳出將要允許L3自動駕駛商業化的訊息。

時下，歐盟汽車標準法規體系(ECE) 已覆蓋到L3、L4層級的自動駕駛，這些國際性的進展，給到國內業界壓力。

2022世界智能網聯汽車大會主題峰會上，中國工信部裝備工業一司副司長郭守剛在透露，現階段正在開展準入試點工作，支持L3級以上智能網聯汽車加快進入市場上路行駛。

國內相關企業正在密切關注，國內可能落地L3的時間點。近年，有關它的討論時不時就能掛上熱搜。

有觀點認為，目前歐洲L3標準、L4標準均已發布，國內學習能力很強，也正在緊跟。國內L3標準有望2023年發布。若標準發布，那么最晚2024年，相關產品可能下線。

也有觀點提出，未來三到五年，如果宏觀層面推動自動駕駛像2014年發展新能源汽車一樣有力，發展速度會很快。但這不意味一蹴而就，可能先基于場景來看待它可實現的功能，比如泊車場景、高速公路場景等等。和歐洲不同，中國市場對智能駕駛的接受度很高，這是中國的優勢，如果這樣推進下去，中國在商業發展的角度仍有機會成為領先者。

還有觀點認為，很多車企正在通過硬件“預埋”、軟件OTA，預備L3層級的能力，但真正大規模落地L3，2026年前可能性較小。落地L3涉及道路交通法以及其他認證，首先需在法規層面發布指示，并開展試點，再全國推廣。如此推算，約2026年以后，才可能有L3全面落地的可能性。

有更“悲觀”的態度是，未來十年，L3可能都不會落地。

落地L3層級的自動駕駛，安全如何定責是關鍵問題之一。

2022年8月，深圳應用經濟特區立法權，發布《深圳經濟特區智能網聯汽車管理條例》（以下簡稱“條例”），被視為國內首部L3級的法規，具有先行先試的色彩。

其中提到“駕駛人的智能網聯汽車發生交通事故造成損害，屬于該智能網聯汽車一方責任的，由駕駛人承擔賠償責任。”

這也意味著，只要L3級自動駕駛系統開啟的狀態下，若車輛發生違章或事故責任，第一責任人為駕駛員。

這樣的定責與德國等地有所不同。

在德國的相關法規中，在駕駛員符合相關行為要求（比如不能睡覺）下，且事故發生在系統運作階段，或由于系統失靈釀成事故，由汽車制造商承擔責任。

值得注意的是，在深圳《條例》中，管理對象為道路測試和示范應用的主體，并非一般消費者路上駕駛的乘用車。載有L3系統的乘用車如何“上路”、權責如何劃分，業界仍在等待。

主流觀點接受自動駕駛不可能100%安全，自動駕駛系統的目標是做到比駕駛員更安全。那么如何認證具體的某個L3自動駕駛系統，能比駕駛員更安全，成為業界正在推進、研究的問題。

當下市場上的一個模糊之處是，盡管業界清楚了解輔助駕駛與自動駕駛的界限，知曉現下車上裝載的在法規上均為L2層級的輔助駕駛系統，但在線下部分宣傳場景和用戶眼里，輔助駕駛和自動駕駛的邊界是模糊的，這就可能會導致：用戶將車當“自動駕駛”開，而廠家只需承擔輔助駕駛的法律責任。

不少車企裝配的自動駕駛系統已經逼近、或將要逼近L3層級，它們或將施行著L3的功能，而戴著L2的帽子、履行L2的責任，被調侃為L2.99。所以，關于L3層面的認證及標準建設需加速推進。

而且一旦認證、標準發布，大潮之下誰在裸泳——哪些企業并非真正開發有高級別自動駕駛系統，即可得知。

合規成為車企“緊箍咒”，呼吁更明確的數據分級分類

對于L3落地，各方還在等待相關標準、法規的制定與細化。但無論L3來或者不來，數據合規都已是一件“兵臨城下”的事，并且隨著更高級別技術的發展，數據安全將越來越重要。

裝載的傳感器增強、OTA普及、電子電氣架構復雜化，汽車正成為移動的數據中心。一臺智能網聯汽車收集的外界道路信息、駕駛員信息、以及自身運行產生的數據，每天能達到TB級（萬億字節）。

數據之于智能網聯車的重要性，也讓數據合規成為政府、公眾、企業三方的共同關注，并被視為信息安全的一部分。

智能網聯汽車的數據，不但包括駕乘人員的面部表情、聲音數據，還包括車輛地理位置、車內外環境、乃至汽車充電網絡等等。這些數據不僅涉及用戶個人信息安全，在極端情況下，比如當城市大部分車輛數據被竊取，肇事者就可結合道路上車輛類型、車輛流量分析重點機關車輛走向、城市工業區商業區運作情況等。

2021年開始試行的《汽車數據安全管理若干規定》（以下簡稱《規定》），是中國首次針對“汽車數據安全”制定的專項法規，這也開啟了汽車數據合規使用的新階段。

其中定義了何為“重要數據”，包括軍事管理區、國防科工單位以及縣級以上黨政機關等重要敏感區域的地理信息、人員流量、車輛流量等數據；物流等反映經濟運行情況的數據；汽車充電網的運行數據，等等。

重要數據的使用有了規范要求：例如處理重要數據，應當按照規定開展風險評估，并向有關部門報送風險評估報告。

數據的處理有了倡導原則：例如車內處理原則，除非確有必要不向車外提供；脫敏處理原則，盡可能進行匿名化、去標識化等處理等等。

此份《規定》受到業界上下游的重視，相關企業都有著主動建設數據合規的強烈意愿。

值得注意的一項規范是，《規定》對數據離境進行了明確規定：數據必須可刪除，不得出境。

對此，產業鏈上的外資或者合資企業十分敏感。為進行合規建設，外資及合資企業迅速開展相關業務調整。例如特斯拉2021年就宣布已在中國建立數據中心，實現數據存儲本地化，隨后還將陸續增加更多本地數據中心。特斯拉方面表示，所有在中國大陸市場銷售車輛所產生的數據，都將存儲在境內，特斯拉將向車主開放車輛信息查詢平臺。

博世中國也在建設本土研發團隊。由于數據不能傳送到德國的研發總部進行訓練，2021年博世開始在中國組建高階智能駕駛解決方案團隊，團隊人員涵蓋開發高階駕駛所需的數據閉環的整個產業鏈。合資企業例如上汽大眾正將部分云平臺從外資提供服務，轉換到國內企業提供服務，在云合規方面進行努力。

在切換到本土化的過程中，外資及合資企業也遇到了一些難題。

比如盡管可以在國內建設本土團隊，但因無法使用外資海外總部已建立的研究成果，技術仍然存在差距。如果要讓海外總部的技術應用在中國的道路上，就需要把中國本土的數據給到給海外研發團隊，讓其迭代、成熟，再認證、量產。在數據不可出境的新要求下，這條路徑不可持續，不符合法規要求。

一些外資企業中國分部希望能派專班到海外學習這一套[m2] 的研究成果，真正完成技術的本土化。

目前，數據不可離境的新要求讓外資巨頭紛紛開始數據中心本地化，隨之而來還有自動駕駛研發本地化。一方面，這保證了國內數據安全，且為國內的數據中心產業、乃至自動駕駛的研究發展（自動駕駛的發展高度依賴數據）都提供了機遇。

另一方面，需注意到技術本土化、將外企海外總部的技術落地到中國存在時間成本，在尚未完成本土化前，會不會使國內自動駕駛的訓練迭代少了“外援”后，發展減速？或者與外企海外總部的技術產生代差？這些問題還需進一步觀察和思考。

除了對數據離境問題的合規建設外，不少企業表示，盡管《規定》對數據使用的原則等做出了規定和指示，但實踐中遇到問題是非常具體的，一些數據該處理到哪一步，依舊存在不明朗的界限。

因此，業界多呼吁，對智能網聯汽車數據開展分級分類，明確哪些數據應保護、哪些數據可用，可用到哪一步。依靠更明確的指示，開展合規建設。

但在更新的數據處理細則發布之前，企業也不能停下技術發展的腳步，目前，企業需要一邊探索可行的數據安全處理模式，一邊進行技術創新。

摸著石頭，也要過河。

單車智能遠期潛力有限，車路協同落地掣肘仍多

盡管面臨諸多現實制約，不少技術開發者依然對智能網聯車抱有仰望星空般的信念——無限逼近完全自動駕駛。

這就涉及兩種技術路徑之爭：單車智能與網聯路線（即車路協同）。未來哪條技術路線發展更好、產業化機遇更大？

業界認為，未來城市實現大范圍的真正自動駕駛需要走網聯路線，但當下車企實踐的路線均為單車智能。

“在上海做測試的車企，現在做的事情均為弱公共智能交通體系、強單體智能的解決方案”。原上汽集團副總裁、總工程師程驚雷提到，為實現更好的單車智能，車企不斷“堆料”，包括新的芯片、數個激光雷達和4D毫米波雷達。汽車的SOA架構也在大量開展新設計。

這些技術足以對付測試需求，但要成為在市場上運營的產品，則是不一樣的事。程驚雷認為，“汽車自動駕駛安全的實現永遠不會相信是單車智能，必須是一個在政府的、公共的管理體系里面去運營的一個交通工具。”

同濟大學汽車學院教授、汽車安全技術研究所所長朱西產持類似觀點：我們相信最終自動駕駛就是網聯智能，基于5G實現路端感知，否則，城市里靠單車智能做自動駕駛幾乎做不到。

雖然單車智能方面的技術與標準在更新，但仍充滿現實因素限制。

首先，單車智能難以處理復雜路況。UNECE（聯合國歐洲經濟委員會）于2022年6月批準了有關“自動車道保持系統（ALKS）”的聯合國第157號法規修正案。將特定交通環境中的自動駕駛系統(ADS)車速上限從當前的60公里/小時限制擴展到130公里/小時，并允許自動變道等處理。

但這指的是在高速公路上，在城市里，依靠單車智能的雷達、攝像頭等探頭，難以處理復雜的路面情況。

其次，業界對算力有擔憂。上汽集團創新研究開發總院智能駕駛中心顧問任紀良提到：汽車依靠單車智能實現自動駕駛的所需算力會越來越大（目前L4級別自動駕駛收集的數據每秒以GB來存儲），這樣下去算力是有天花板的，“總不能以后車上去裝服務器”。

不少車企均為網聯路線進行技術預留, 這也體現出業界的傾向。智己汽車自動駕駛中心負責人、副CTO郭輝表示：在開始設計汽車時就預留了V2X相關功能。

而“網聯車”不僅是汽車行業的事，還需在智慧城市的大背景下理解。程驚雷將智能網聯車比作智能機器人，從管理角度來看，城市應該有一套龐大、持續迭代的云管理平臺，作為智能交通大腦。其下設有管理自動駕駛的駕駛小腦。小腦是一個公共設施，未來汽車自動駕駛與它進行交互，最終自動駕駛成為汽車不斷與外界進行數據交互、判斷、決策的過程。

因此，城市需要建立有效的車路云一體的智能交通體系架構。換句話說，網聯路線需足夠的硬件支撐，尤其需要城市道路鋪設/升級相關基礎設施。

現實情況是，城市道路中一定區域里的基礎設施可以實現該功能。但大面積使道路基礎設施具備支持車聯網的條件，僅靠企業自身的努力，顯然無法實現。因此，車企及相關企業普遍在等待政策引導、呼吁政府投入。

另外，從基礎設施一端看，實現車路協同的一個技術難點仍在于5G的有效性。

朱西產提出：車路互聯的技術還沒有完全跑通，真正開始做的時候，才發現現有5G技術還不足以支撐，有的5G基站內網依舊使用4G資源，速度和可靠性還達不到。亦有產業鏈上的代表企業認為，受制于5G技術和基礎設施的巨大投入，未來三到五年，車路協同還很難落地，它仍是一個理想化的藍圖。

車路協同的另一個引起討論的問題是，車路協同的商業模式沒有考慮，基礎設施誰建、誰收益，這些邏輯還沒有厘清。有觀點認為，實現L3至L5的自動駕駛，將為當下L2輔助駕駛的商業模式帶來質的變化，許多第三方功能可借助5G、區塊鏈等技術實現嫁接，獲得商業閉環，這或許是機遇所在。

—————————

作為中國汽車制造之城，上海的汽車產業版圖隨著行業變革也發生更迭。承載著燃油車時代光榮與夢想的嘉定，摸索大象轉身與創新蝶變，抓住了“電車時代”制造機遇的臨港新片區，開始造車新故事。

請閱讀文章：《上海智能車開往新版圖①︱上海汽車發展：嘉定轉型，臨港狂飆》

而當汽車產業進入“下半場”智能化，哪些城市會在智能汽車領域脫穎而出？

請閱讀文章：《上海智能車開往新版圖②︱謀局智能汽車，城市們如何突圍？》

海報設計 白浪

--------------

澎湃城市報告，一份有用的政商決策參考。

由澎湃研究所團隊主理，真問題，深研究。用“腳力”做調研，用“腦力”想問題，用“筆力”寫報告。