現階段車企在宣傳自動駕駛功能時提及到最多的是L2+或L2.5級，是出於技術量產瓶頸還是法律法規限制？

先說結論，現階段自動駕駛廠家主要宣傳L2、L2+ 和 L2.5級別的自動駕駛汽車，而不怎麼提及L3級別，其主要的原因主要是法律法規的限制，但可以透過技術手段來進行解決。

為了能夠更好地闡明這一點，我將分為三個部分來進行說明：

自動駕駛分級體系的判定標準SAE分級中的法律問題Level 3的自動駕駛1.自動駕駛分級體系的判定標準

2013年，美國國家公路交通安全管理局(NHTSA)率先在一篇名為 Preliminary Statement of Policy Concerning Automated Vehicles 的宣告中提出的關於汽車自動化的五級體系。[1]次年，國際自動機工程師學會（SAE）在 Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems 一文中建立了的關於汽車自動化的六級劃分，試圖進一步完善自動駕駛汽車的分級體系，並從技術出發建立描述車輛技術先程序度的一般準則。[2]

在對自動駕駛汽車的描述上，NHTSA 和SAE 採用了類似的分級體系，NHTSA 將非自動駕駛與自動駕駛分為了5個等級，而SAE是6個等級。相對於NTHSA 而言，SAE對每一等級的說明更加詳細，對自動駕駛定義和分級標準更為清晰，並且在每一次的更新當中都會對相關術語及其定義進行最佳化和更為詳細的闡述。因此，包括美國交通部在內的大部分政府部門均選用了SAE 的分級體系作為統一的自動駕駛分級標準，甚至連NHTSA 在指導自動駕駛汽車發展的政策中也使用了SAE 的分級標準。因此，SAE分級體系取代NHTSA成為了認可度最高、最為權威的體系（Zhan, Wan and Huang, 2020）。

具體說來，SAE將汽車的自動化程度分為了六個等級，其認為自動駕駛汽車的分類標準包括三個：

標準1：控制主體標準2：環境監控主體標準3：系統支援的駕駛模式（System Capability - Driving Modes）

其中，“控制主體”分為普通駕駛情況下的控制主體和緊急情況下的控制主體。

“環境監控主體”存在兩種可能，駕駛員和系統。環境監控主體不僅需要持續不斷地獲取汽車周邊的環境資訊，更重要的是要根據所獲取的資訊進行駕駛環境安全狀況的判定。因此僅僅擁有夜視（Night Vision）、交通標誌識別（Traffic Sign Recognition）等功能並不代表環境監控主題為系統。

“駕駛模式”即一種特定動態駕駛任務所需求的駕駛方案。[3]在不同的等級下，系統支援的駕駛模式不同。

按照這三個標準，SAE將自動駕駛汽車分成了六個等級，分別是非自動化、輔助駕駛、半自動化、有條件的自動化、高度自動化和全自動化。

Level 0: 非自動化（No Automation）

Level 0被稱為“非自動化”，指的是在交通工具行駛的過程中，駕駛員具有絕對控制權的階段。

在Level 0階段，普通駕駛環境下的控制主體、緊急駕駛環境的控制主體、環境監控的主體均為駕駛員，沒有系統支援的駕駛模式。

Level 1: 輔助駕駛（Driver Assistance）

Level 1被稱為“輔助駕駛”，指的是駕駛員能夠在有限時間內有條件地將部分控制權轉移給系統的階段。

在SAE分級體系下的Level 1階段，系統在同一時間至多擁有“部分控制權”——要麼控制轉向，要麼控制油門/剎車，因此普通駕駛的控制主體為駕駛員和系統。當出現緊急情況突發時，司機需要隨時做好立即接替控制的準備，因此緊急駕駛環境下的控制主體為駕駛員 ；此外，由於系統無法對環境進行監控，環境監控的主體依舊是駕駛員；系統僅支援部分駕駛模式。

Level 2: 半自動化（Partial Automation）

Level 2被稱為“半自動化駕駛”，是指駕駛員能夠在有限時間內有條件地將全部控制權轉移給系統的階段。

與Level 1不同，Level 2階段轉移給系統的控制權從“部分”變為“全部”，也就是說，在普通駕駛環境下，駕駛員可以將橫向和縱向的控制權同時轉交給系統。

因此，在Level 2階段，普通駕駛環境下的控制主體為系統，緊急駕駛環境的控制主體為駕駛員；環境監控的主體為駕駛員；系統僅支援部分駕駛模式。

Level 3: 有條件的自動化（Conditional Automation）

Level 3被稱為“有條件地自動化”，是指系統完成大多數的駕駛操作，僅當緊急情況發生時，駕駛員視情況給出適當的應答的階段。

“適當應答”是說當緊急情況發生時，駕駛員會盡可能“做出應答”，接替系統成為控制的主體；但是也有可能在某些的情況下（如轉換時間太短的情況）無法做出應答”，不能接管控制權——此時就由系統繼續對車輛進行控制，並嘗試將風險降到最低。

在Level 3階段，普通駕駛環境下的控制主體為系統，緊急駕駛環境的控制主體為駕駛員或系統；環境監控的主體為系統；系統僅支援部分駕駛模式。

Level 4: 高度自動化（High Automation）

Level 4被稱為“高度自動化”，是指自動駕駛系統在駕駛員不出做“應答”的條件下，也可以完成所有的駕駛操作的階段。

因此在Level 4階段，普通駕駛環境和緊急駕駛環境的控制主體均為系統；環境監控的主體為系統；系統僅支援部分駕駛模式。

Level 5: 全自動化（Full Automation）

Level 5被稱為“高度自動化”，與Level 0、Level 1、Level 2、Level 3、Level 4最為主要的區別在於，系統能夠支援所有的駕駛模式。在這一階段中，可能將不再會允許駕駛員成為控制主體。

因此在Level 5階段，普通駕駛環境下的控制主體、緊急駕駛環境的控制主體、環境監控的主體均為系統；系統支援所有駕駛模式。

具體的分類情況如表1所示（Zhan, Wan and Huang, 2020）：

2.SAE分級中的法律問題

誠然，SAE分級體系從技術視域出發，建立了描述車輛技術先程序度的一般準則。然而，這種分級體系在面對一些法律問題時，卻顯得有些束手無策。其中，最為嚴峻的法律挑戰，就是自動駕駛汽車造成交通事故後的責任主體確定問題（Christensen et.al., 2015）。

所謂責任主體，指的是當意外事故發生時，所需要承擔事故賠償責任的主體，任何法律責任的實現以責任主體的存在和確定為前提（公丕祥，2002）。

在傳統駕駛方式下，交通事故發生後，有較為清晰的法律流程來確定責任主體，並使之與相應的法律責任相匹配，從而讓傳統駕駛方式下的駕駛者、廠商、道路使用者、道路及其安全的維護者等等之間建立起了明確的法律關係（Marchant, 2012）。

但在自動駕駛方式下，汽車產業就遇到了事故發生後責任主體是誰的新問題。與自動駕駛責任主體相呼應的概念是“控制主體”。控制主體指的是當事故發生時，交通工具的實際控制者。 4在傳統駕駛方式下，由車輛所造成的交通事故中，控制主體與責任主體是一致的。但是在自動駕駛方式下，卻未必如此了。特別是按照自動駕駛汽車的特定分級體系，不同等級下控制主體的變化更為複雜，從而使責任主體問題更為突出（Hevelke and Nidarümelin, 2015）。

一個適合進行責任主體分析的理想分級體系，應當滿足以下幾條性質：

明確性：不同責任主體儘可能明確，當某事故發生後能確定責任主體；準確性：某事故中應承擔責任的主體的確是該主體；可操作性：分級體系的設定使得責任的確定相對容易、相對公平，並且儘可能涉及到未來可能出現的責任主體，即具有一定的前瞻性。

SAE 體系下自動駕駛汽車的責任主體確認，也可依照這三個標準來進行。

首先，我們可以考察控制主體。在Level 0 到Level 4階段，系統均僅支援部分的駕駛模式。當處於系統支援的駕駛模式時，其控制主體與環境監控主體均已明確。當處於系統不支援的駕駛模式時，若在系統支援的駕駛模式下的控制主體或監控主體為“駕駛員”，則其主體不變；若為“系統”，則其主體改變為“駕駛員或系統”。這也就是說，當緊急駕駛情況下控制主體與普通駕駛情況下的控制主體一致時，以一致的控制主體作為責任主體；當控制主體不一致時，責任主體有待確定（Bellamy and Pravica, 2011）。

其次，可以考察環境監控主題。可以發現，當緊急駕駛狀態下的控制主體與環境監控主體一致時，一致的主體為責任主體；當控制主體與環境監控主體不一致時，責任主體有待判斷。

最後，可以考察系統支援的駕駛模式。在Level 5階段，系統支援所有駕駛模式，駕駛員無需為駕駛行為負責；在Level 0階段，系統不支援任何駕駛模式，駕駛員應當為自己的駕駛行為負責；在Level 1、Level 2、Level 3和Level 4階段則無法判斷責任主體。這也就是說，當系統支援所有駕駛模式時，責任主體為系統；當系統不支援任何駕駛模式時，責任主體為駕駛員。當系統只支援部分駕駛模式時，其責任主體有待判斷。

可見，SAE的等級劃分存在著不少問題。首先是在Level 3、Level 4階段中，責任既有可能是駕駛員，又有可能是系統，因此就無法做出明確的判斷，這違背了明確性；其次，由於責任主體與自動駕駛汽車所在等級並非一一對應，這也就意味著我們無法透過假定的責任主體去判斷對應假定的自動駕駛汽車等級，並繼續透過核查假定的等級與真實的等級是否一致，來判斷假定的責任主體是否準確。簡單來說，就是無法從分級體系的本身去判斷假定的承擔責任的主體的確是該主體，從而無法實現準確性；最後，當缺少明確性和準確性之後，當然也就缺少了可操作性。

因此可見，在SAE等級劃分的體系下，L3級別的自動駕駛存在比較麻煩的責任確定問題。

當前，L4級別的自動駕駛，尚且可以透過限定自動駕駛的使用場景，來規避這一法律問題，但L3的自動駕駛則不得不面對這一難題。

3.Level 3的自動駕駛

儘管在2018年之後，大多數的自動駕駛廠商認為他們將會在2020年全面實現Level 2甚至Level 3的自動駕駛。但是就實際情況來看，大多數自動駕駛廠商還是停留在了Level 2 的階段。

而部分頭部的自動駕駛企業，嘗試在特定的駕駛場景下實現了 Level 3的自動駕駛。在特定的場景下，這些自動駕駛系統滿足了控制主體與環境監控主體的統一，亦或是直接繞開了法律責任判定問題（例如在無人、或者不需要緊急/非緊急切換的理想化場景）。這樣的自動駕駛我們一般可以認為是Level 2.5 的自動駕駛。

但是實際上，自動駕駛汽車所面對的場景並沒有那麼理想化。如何在非理想化場景下實現雙主體的統一，或者說避免緊急/非緊急狀態的切換，就成為了頭部自動駕駛廠商所需要攻克的難題。

而當下有兩家廠商：特斯拉與廣汽蔚來，就無限接近了Level 3的目標，實現了在大多數日常場景（而非理想化場景）下的雙主體的統一。當然這一點的實現，依賴於高精地圖的全路段引入。在高精地圖的幫助下，自動駕駛汽車可以一定程度擺脫車載感測器的侷限性，在惡劣天氣、複雜彎道等非常規場景下，依舊能夠進行超視距的路徑規劃和決策。

同時，在搭載高精地圖後，自動駕駛能讓監測系統更加智慧，提前去除路燈、標誌牌等固有靜態物體，讓資源集中在動態物體監測，這無疑增加了系統執行效率、提高了感測器監測精度、提升了自動駕駛安全性。這些對於實現環境監控而言都是至關重要的。可以說，高精地圖是L3及以上自動駕駛的關鍵鑰匙，離開了高精地圖，高階自動駕駛只能是“空中樓閣”。

但是，擁有高精地圖技術的廠商非常少。高精地圖的缺失導致了當前全球主流汽車的自動駕駛水平普遍在L1到L2級別，而沒能廣泛實現自動駕駛技術的跨越。

這也正是現階段車企在宣傳自動駕駛功能時提及到最多的是L2或L2.5級的主要原因。