L2+ 量产与 L4 前景解析
L4级自动驾驶迎来了关键之年。作者提出，自动驾驶的最大的障碍并非公众态度或法律问题，而是核心技术本身。
如此所述，L4级自动驾驶迟迟无法量产，原因在于技术不成熟与成本居高不下。例如，早期自动驾驶出租车的成本一度高达两百万单位货币。
成本难以下降、盈利难以实现，使得资本对L4企业的关注转向性下降。依托大型集团的相关公司估值一度高企，但在经历巨额亏损后关闭，行业的激光雷达头部企业也寻求破产保护；若干公司则被曝裁员、股价大幅下跌。
资本退出后，行业进入“务实”阶段，高级自动驾驶企业开始参与乘用车相关研发，一些原有的自动驾驶卡车或相关业务被整合到乘用车研发体系中。
那么，自动驾驶行业在回归理性后发生了哪些变化？
1. L4 要做 L2+，这是趋势
热度退潮、资本收缩后，行业的高成本扩张行为被抑制，企业普遍认同可持续发展路径，因此部分 L4 公司开始“降维打击”并进入低阶领域。
L2+ 正符合当前市场对 L4 的商业化预期。公开数据显示，2023 年中国汽车销量预计约 3420 万辆，其中具备 L2 及以上智能驾驶的车型渗透率将达到约 82%。
这解释了为何 L4 企业选择渐进式路线：既能促进 L2 自动驾驶企业的向上发展、加速 L3/L4 技术进步，也为 L4 量产打下基础——从开发到量产通常需两年左右，而 L2+ 的出现也为 L4 的盈利提供了支撑。
在乘用车市场，L4 仍难以承担主导。行业研究机构的数据显示，预计到 2025 年全球 L2 级及以上智能驾驶汽车渗透率将达到约 53.99%，而 L3–L5 的渗透率仅约 1.36%。
与此相比，发展 L2、L3 的企业却更具韧性。特斯拉、某些国内厂商等在新能源智能车浪潮中较早布局，形成相对自给自足的技术路线。
在落地方向方面，国内企业对 L4 的抗风险能力相对更强，国外 L4 企业更多聚焦单一场景（如自动驾驶卡车或出租车），国内企业则呈现多业态并行的态势。
已有企业通过在 L2+ 领域分得一部分市场，如某些量产辅助驾驶系统已进入主机厂合作阶段。
那么，L4 企业转入 L2 是否真能对正在攻关 L2、L3 的企业形成冲击？有分析认为走 L4 跨越式路线的厂商未必能在 L2、L3 的渐进式玩家面前实现降维打击。
在寒冬中，部分车企将重点从长期的 L4 转向 L2+、L3 等短期收益更明确的目标。传闻某大厂正将投资重心从 L4 转向前装 L2+ 与 L3。另据报道，一些头部公司宣布在 2023 年推出 L2+ 领航辅助驾驶旗舰产品。
在这场竞争中，渐进式玩家已经完成了定点、验证测试等阶段，开始为乘用车提供更高级别的辅助驾驶产品。官方数据表明，相关车型已大量搭载了各自的辅助驾驶技术路线。
2. L4 迈向 L2+，并非高阶技术大幅领先
将高阶自动驾驶技术嵌入到 L2 车型，是 L4 进入 L2 的难点所在。
业内专家指出，L4 公司在实现 L2 时主要有两种路径：一是组建独立团队开发细分功能，但这会削弱对 L4 技术生态的直接变现；二是降低对传感器与算力的需求，将 L4 的系统算力与功耗“塞入”到 L2 硬件之上，但这需要高性能、车规级算力平台的支撑，且成本也较高。
就 L2+ 的功能而言，当前市场的能力并不落后：从特斯拉、理想、蔚来、到少数厂商的 NOA、NGP、NOP、NOH 等，虽然叫法不同，但总体指向 L2+ 的范畴。
随着激光雷达与算力的提升，L2 车型已逐步配备激光雷达，算力也通过新型芯片（如高算力芯片）显著提升。多家厂商正在推进更强算力的芯片方案，并计划在未来推出更高阶的版本。
然而，L4 企业在传感器、域控、集成等方面的优势并不总是显著，因此常与传统大厂进行合作，共同推动 L2-L3 的前装量产与商业化应用。尽管在 L2 层面的技术领先并非对 L4 的全面超越，但对新产品的研发与落地速度通常更快。
过去 L4 主要关注城市道路，传统 L2 主要覆盖城区场景；现今，随着乘用车电动化、智能化的推进，L2 的应用场景正向更为复杂的道路扩展，城区 NOA 等场景逐步接近 L4 的能力边界，导致 L2 与 L4 的技术体系、组织结构和测试方法出现高度重叠。
若 L4 积极进入 L2 市场，这也意味着对系统定制化的需求更高，同时也会提高成本与对产业链协同的要求。
从系统角度看，若 L2/ L2+ 系统由多家供应商共同开发，主机厂的生产过程将呈现多方协作，系统的逻辑性与协同性可能不足。
3. 量产是 L4 未来的关键赌注
投资者普遍关注的是量产前景与盈利能力，而非前期的商业计划书。量产被视为自动驾驶商业化落地的决定性一步，L2+ 的出现也印证了量产路线的重要性，且已被多家企业证明可行。
回望近年，多家厂商在量产化方面取得突破，成本控制成为关键因素之一。此前一些车型的成本高企，成为阻碍 L4 商业化的核心原因之一。如今，部分企业已经实现了成本下降，尽管仍有挑战，但路径逐步清晰。
在量产成本方面，行业内已有显著下降的案例，显示出自动驾驶成本下降的趋势。然而，成本下降并非等同于盈利保证，许多厂商仍需迭代优化以实现商业化盈利。
总之，自动驾驶要实现真正的大规模落地，仍需在成本、算力、传感器、软件生态等多方面形成闭环与协同，只有如此，量产与盈利才可能并行前进。