汽车行业驶向新时代。汽车驱动从燃油加速向新能源转换，角色从代步工具向智能终端转型。中汽协数据显示，2019-2022年，中国新能源汽车单月渗透率从4.06%增至31.85%，近7倍地上涨。

(相关资料图)

“智能化”已成为车企逐鹿焦点。在4月18日至27日的第二十届上海国际汽车工业展览会（“上海车展”）上，各大车企借着舞台，尽现智能化赛道上的智能战略与破局技术。

行业变革，车企千帆竞渡。汽车产业作为中国诸多大城市的支柱性产业，车城们同样亟待谋局、突围。在对智能车的谋局上，作为汽车制造中心的上海，正浮现出了智能化的新版图。

本期《澎湃城市报告》关注汽车行业变革下的上海智能车新格局，推出专题——《上海智能车开往新版图》。

4月17日，上海市首批智能网联出租示范运营通知书、示范运营证颁发。将有20辆持证的自动驾驶出租车，在上海嘉定和临港新片区共1500多公里的开放测试道路上，向社会面接单运营。

限定条件下的高级别自动驾驶，开始驶进上海的城市生活。

继新能源车之后，智能网联汽车成为行业新战场。北京、上海、深圳多座一线城市在此争锋。

去年9月，上海就印发《上海市加快智能网联汽车创新发展实施方案》，意欲争夺“自动驾驶第一城”。稍早一些，北京、深圳也正抢先开展全国领先的行业实践。北京发布文件首次允许自动驾驶车辆可以去掉主驾安全员。深圳发布全国首部对高层级自动驾驶汽车做出管理规定的法规。

地方频频发布重要文件的背后，正是智能网联汽车及自动驾驶行业在快速迈进。

智能汽车作为三大智能装备业之一的重要载体，对中国推动数字化经济起到重大作用。当下，智能网联汽车产业发展正处于测试验证走入多场景示范应用的关键时期。

自动驾驶的技术路径走向何方？智能网联汽车面对哪些新的安全问题？如何对新技术带来的新问题进行引导和规范？新机遇、新赛道的发育成形，总是伴随有困惑与争论。

总的来看，业界至少正在密切关注以下三个问题：L3落地时间、汽车信息安全和数据合规建设、高级别自动驾驶的技术路线。这三个问题，对智能网联汽车的行业发展也有着重要意义。

翘首企盼的L3落地时间，那么近又那么远

2019年起，各大车企就在车展发布接近L3级自动驾驶落地产品。本届车展也不例外，并再次引发行业对L3落地时间的预测与热议。

SAE（美国汽车工程师协会）将智能驾驶划分为L0-L5六个级别。业内认为，L1和L2属于辅助驾驶，L3至L5属于自动驾驶。目前，国内车企多在L2、L3、L4三个层级间发展。

其中，L2与 L3是辅助驾驶和自动驾驶的分界点。目前国内汽车搭载的系统均为L2或者L2+，L3还没有商业化。

全球范围看，近两年，日本、德国法律层面允许L3汽车上路，韩国也跃跃欲试。

2021年日本率先试水L3，装备L3自动驾驶系统的丰田汽车在日本销售并上路。同年，德国在法律层面认可L3自动驾驶上路，奔驰成为了欧洲第一家符合法规的车企。近两年，韩国也频频传出将要允许L3自动驾驶商业化的讯息。

时下，欧盟汽车标准法规体系(ECE) 已覆盖到L3、L4层级的自动驾驶，这些国际性的进展，给到国内业界压力。

2022世界智能网联汽车大会主题峰会上，中国工信部装备工业一司副司长郭守刚在透露，现阶段正在开展准入试点工作，支持L3级以上智能网联汽车加快进入市场上路行驶。

国内相关企业正在密切关注，国内可能落地L3的时间点。近年，有关它的讨论时不时就能挂上热搜。

有观点认为，目前欧洲L3标准、L4标准均已发布，国内学习能力很强，也正在紧跟。国内L3标准有望2023年发布。若标准发布，那么最晚2024年，相关产品可能下线。

也有观点提出，未来三到五年，如果宏观层面推动自动驾驶像2014年发展新能源汽车一样有力，发展速度会很快。但这不意味一蹴而就，可能先基于场景来看待它可实现的功能，比如泊车场景、高速公路场景等等。和欧洲不同，中国市场对智能驾驶的接受度很高，这是中国的优势，如果这样推进下去，中国在商业发展的角度仍有机会成为领先者。

还有观点认为，很多车企正在通过硬件“预埋”、软件OTA，预备L3层级的能力，但真正大规模落地L3，2026年前可能性较小。落地L3涉及道路交通法以及其他认证，首先需在法规层面发布指示，并开展试点，再全国推广。如此推算，约2026年以后，才可能有L3全面落地的可能性。

有更“悲观”的态度是，未来十年，L3可能都不会落地。

落地L3层级的自动驾驶，安全如何定责是关键问题之一。

2022年8月，深圳应用经济特区立法权，发布《深圳经济特区智能网联汽车管理条例》（以下简称“条例”），被视为国内首部L3级的法规，具有先行先试的色彩。

其中提到“驾驶人的智能网联汽车发生交通事故造成损害，属于该智能网联汽车一方责任的，由驾驶人承担赔偿责任。”

这也意味着，只要L3级自动驾驶系统开启的状态下，若车辆发生违章或事故责任，第一责任人为驾驶员。

这样的定责与德国等地有所不同。

在德国的相关法规中，在驾驶员符合相关行为要求（比如不能睡觉）下，且事故发生在系统运作阶段，或由于系统失灵酿成事故，由汽车制造商承担责任。

值得注意的是，在深圳《条例》中，管理对象为道路测试和示范应用的主体，并非一般消费者路上驾驶的乘用车。载有L3系统的乘用车如何“上路”、权责如何划分，业界仍在等待。

主流观点接受自动驾驶不可能100%安全，自动驾驶系统的目标是做到比驾驶员更安全。那么如何认证具体的某个L3自动驾驶系统，能比驾驶员更安全，成为业界正在推进、研究的问题。

当下市场上的一个模糊之处是，尽管业界清楚了解辅助驾驶与自动驾驶的界限，知晓现下车上装载的在法规上均为L2层级的辅助驾驶系统，但在线下部分宣传场景和用户眼里，辅助驾驶和自动驾驶的边界是模糊的，这就可能会导致：用户将车当“自动驾驶”开，而厂家只需承担辅助驾驶的法律责任。

不少车企装配的自动驾驶系统已经逼近、或将要逼近L3层级，它们或将施行着L3的功能，而戴着L2的帽子、履行L2的责任，被调侃为L2.99。所以，关于L3层面的认证及标准建设需加速推进。

而且一旦认证、标准发布，大潮之下谁在裸泳——哪些企业并非真正开发有高级别自动驾驶系统，即可得知。

合规成为车企“紧箍咒”，呼吁更明确的数据分级分类

对于L3落地，各方还在等待相关标准、法规的制定与细化。但无论L3来或者不来，数据合规都已是一件“兵临城下”的事，并且随着更高级别技术的发展，数据安全将越来越重要。

装载的传感器增强、OTA普及、电子电气架构复杂化，汽车正成为移动的数据中心。一台智能网联汽车收集的外界道路信息、驾驶员信息、以及自身运行产生的数据，每天能达到TB级（万亿字节）。

数据之于智能网联车的重要性，也让数据合规成为政府、公众、企业三方的共同关注，并被视为信息安全的一部分。

智能网联汽车的数据，不但包括驾乘人员的面部表情、声音数据，还包括车辆地理位置、车内外环境、乃至汽车充电网络等等。这些数据不仅涉及用户个人信息安全，在极端情况下，比如当城市大部分车辆数据被窃取，肇事者就可结合道路上车辆类型、车辆流量分析重点机关车辆走向、城市工业区商业区运作情况等。

2021年开始试行的《汽车数据安全管理若干规定》（以下简称《规定》），是中国首次针对“汽车数据安全”制定的专项法规，这也开启了汽车数据合规使用的新阶段。

其中定义了何为“重要数据”，包括军事管理区、国防科工单位以及县级以上党政机关等重要敏感区域的地理信息、人员流量、车辆流量等数据；物流等反映经济运行情况的数据；汽车充电网的运行数据，等等。

重要数据的使用有了规范要求：例如处理重要数据，应当按照规定开展风险评估，并向有关部门报送风险评估报告。

数据的处理有了倡导原则：例如车内处理原则，除非确有必要不向车外提供；脱敏处理原则，尽可能进行匿名化、去标识化等处理等等。

此份《规定》受到业界上下游的重视，相关企业都有着主动建设数据合规的强烈意愿。

值得注意的一项规范是，《规定》对数据离境进行了明确规定：数据必须可删除，不得出境。

对此，产业链上的外资或者合资企业十分敏感。为进行合规建设，外资及合资企业迅速开展相关业务调整。例如特斯拉2021年就宣布已在中国建立数据中心，实现数据存储本地化，随后还将陆续增加更多本地数据中心。特斯拉方面表示，所有在中国大陆市场销售车辆所产生的数据，都将存储在境内，特斯拉将向车主开放车辆信息查询平台。

博世中国也在建设本土研发团队。由于数据不能传送到德国的研发总部进行训练，2021年博世开始在中国组建高阶智能驾驶解决方案团队，团队人员涵盖开发高阶驾驶所需的数据闭环的整个产业链。合资企业例如上汽大众正将部分云平台从外资提供服务，转换到国内企业提供服务，在云合规方面进行努力。

在切换到本土化的过程中，外资及合资企业也遇到了一些难题。

比如尽管可以在国内建设本土团队，但因无法使用外资海外总部已建立的研究成果，技术仍然存在差距。如果要让海外总部的技术应用在中国的道路上，就需要把中国本土的数据给到给海外研发团队，让其迭代、成熟，再认证、量产。在数据不可出境的新要求下，这条路径不可持续，不符合法规要求。

一些外资企业中国分部希望能派专班到海外学习这一套[m2]的研究成果，真正完成技术的本土化。

目前，数据不可离境的新要求让外资巨头纷纷开始数据中心本地化，随之而来还有自动驾驶研发本地化。一方面，这保证了国内数据安全，且为国内的数据中心产业、乃至自动驾驶的研究发展（自动驾驶的发展高度依赖数据）都提供了机遇。

另一方面，需注意到技术本土化、将外企海外总部的技术落地到中国存在时间成本，在尚未完成本土化前，会不会使国内自动驾驶的训练迭代少了“外援”后，发展减速？或者与外企海外总部的技术产生代差？这些问题还需进一步观察和思考。

除了对数据离境问题的合规建设外，不少企业表示，尽管《规定》对数据使用的原则等做出了规定和指示，但实践中遇到问题是非常具体的，一些数据该处理到哪一步，依旧存在不明朗的界限。

因此，业界多呼吁，对智能网联汽车数据开展分级分类，明确哪些数据应保护、哪些数据可用，可用到哪一步。依靠更明确的指示，开展合规建设。

但在更新的数据处理细则发布之前，企业也不能停下技术发展的脚步，目前，企业需要一边探索可行的数据安全处理模式，一边进行技术创新。

摸着石头，也要过河。

单车智能远期潜力有限，车路协同落地掣肘仍多

尽管面临诸多现实制约，不少技术开发者依然对智能网联车抱有仰望星空般的信念——无限逼近完全自动驾驶。

这就涉及两种技术路径之争：单车智能与网联路线（即车路协同）。未来哪条技术路线发展更好、产业化机遇更大？

业界认为，未来城市实现大范围的真正自动驾驶需要走网联路线，但当下车企实践的路线均为单车智能。

“在上海做测试的车企，现在做的事情均为弱公共智能交通体系、强单体智能的解决方案”。原上汽集团副总裁、总工程师程惊雷提到，为实现更好的单车智能，车企不断“堆料”，包括新的芯片、数个激光雷达和4D毫米波雷达。汽车的SOA架构也在大量开展新设计。

这些技术足以对付测试需求，但要成为在市场上运营的产品，则是不一样的事。程惊雷认为，“汽车自动驾驶安全的实现永远不会相信是单车智能，必须是一个在政府的、公共的管理体系里面去运营的一个交通工具。”

同济大学汽车学院教授、汽车安全技术研究所所长朱西产持类似观点：我们相信最终自动驾驶就是网联智能，基于5G实现路端感知，否则，城市里靠单车智能做自动驾驶几乎做不到。

虽然单车智能方面的技术与标准在更新，但仍充满现实因素限制。

首先，单车智能难以处理复杂路况。UNECE（联合国欧洲经济委员会）于2022年6月批准了有关“自动车道保持系统（ALKS）”的联合国第157号法规修正案。将特定交通环境中的自动驾驶系统(ADS)车速上限从当前的60公里/小时限制扩展到130公里/小时，并允许自动变道等处理。

但这指的是在高速公路上，在城市里，依靠单车智能的雷达、摄像头等探头，难以处理复杂的路面情况。

其次，业界对算力有担忧。上汽集团创新研究开发总院智能驾驶中心顾问任纪良提到：汽车依靠单车智能实现自动驾驶的所需算力会越来越大（目前L4级别自动驾驶收集的数据每秒以GB来存储），这样下去算力是有天花板的，“总不能以后车上去装服务器”。

不少车企均为网联路线进行技术预留, 这也体现出业界的倾向。智己汽车自动驾驶中心负责人、副CTO郭辉表示：在开始设计汽车时就预留了V2X相关功能。

而“网联车”不仅是汽车行业的事，还需在智慧城市的大背景下理解。程惊雷将智能网联车比作智能机器人，从管理角度来看，城市应该有一套庞大、持续迭代的云管理平台，作为智能交通大脑。其下设有管理自动驾驶的驾驶小脑。小脑是一个公共设施，未来汽车自动驾驶与它进行交互，最终自动驾驶成为汽车不断与外界进行数据交互、判断、决策的过程。

因此，城市需要建立有效的车路云一体的智能交通体系架构。换句话说，网联路线需足够的硬件支撑，尤其需要城市道路铺设/升级相关基础设施。

现实情况是，城市道路中一定区域里的基础设施可以实现该功能。但大面积使道路基础设施具备支持车联网的条件，仅靠企业自身的努力，显然无法实现。因此，车企及相关企业普遍在等待政策引导、呼吁政府投入。

另外，从基础设施一端看，实现车路协同的一个技术难点仍在于5G的有效性。

朱西产提出：车路互联的技术还没有完全跑通，真正开始做的时候，才发现现有5G技术还不足以支撑，有的5G基站内网依旧使用4G资源，速度和可靠性还达不到。亦有产业链上的代表企业认为，受制于5G技术和基础设施的巨大投入，未来三到五年，车路协同还很难落地，它仍是一个理想化的蓝图。

车路协同的另一个引起讨论的问题是，车路协同的商业模式没有考虑，基础设施谁建、谁收益，这些逻辑还没有厘清。有观点认为，实现L3至L5的自动驾驶，将为当下L2辅助驾驶的商业模式带来质的变化，许多第三方功能可借助5G、区块链等技术实现嫁接，获得商业闭环，这或许是机遇所在。

—————————

作为中国汽车制造之城，上海的汽车产业版图随着行业变革也发生更迭。承载着燃油车时代光荣与梦想的嘉定，摸索大象转身与创新蝶变，抓住了“电车时代”制造机遇的临港新片区，开始造车新故事。

而当汽车产业进入“下半场”智能化，哪些城市会在智能汽车领域脱颖而出？

海报设计 白浪

澎湃城市报告，一份有用的政商决策参考。

由澎湃研究所团队主理，真问题，深研究。用“脚力”做调研，用“脑力”想问题，用“笔力”写报告。

关键词：