1. 这不是科幻片是正在铺开的公路现实“汽车 自动驾驶 行业前景展望”——这八个字最近频繁出现在车企发布会PPT第一页、地方政府产业规划文件附件里、VC基金尽调报告的加粗标题中甚至成了二手车商跟客户聊车况时顺口带出的“增值点”。但说实话我干了十二年智能网联汽车系统集成从2012年在长安大学实验室调试第一台基于Mobileye EON的前向碰撞预警原型机到2023年带队交付某新势力城市NOA量产项目最常被问到的问题从来不是“L4什么时候落地”而是“我现在买辆带APA的车三年后OTA升级能用上城区领航吗”、“我们县道修得不标准激光雷达扫出来全是噪点这种路自动驾驶真敢跑”、“高精地图牌照卡着没有图车怎么知道红绿灯在哪”这些问题背后藏着比技术参数更真实的行业脉搏。自动驾驶不是一道等待攻克的数学题而是一张由法规适配度、道路基建成熟度、用户付费意愿、芯片算力成本、数据闭环效率、保险责任界定六股绳拧成的缆绳。任何一股突然绷断整条技术演进路径就得重新打结。比如2023年某头部供应商因高精地图资质问题被迫将原定Q3推送的城市NOA功能延迟四个月——不是算法没跑通是地图数据合规性审查多花了67天。再比如2024年一季度全国有17个地级市新增了L3级自动驾驶测试牌照但同期只有3个城市开放了无安全员测试路段剩下14个城市的测试车依然必须配备持证驾驶员。这些细节才是决定行业真实水位的刻度线。所以这篇内容不谈“2030年全无人驾驶出租车普及率”也不列“全球TOP5自动驾驶公司市值对比”。我要拆解的是当下2024年中你作为车企工程师、地方交通局规划人员、Tier1供应商产品经理、甚至只是准备换车的普通用户真正需要关注的五个关键断层点。它们分别是技术能力与法规许可之间的“合规落差”、单车智能与车路协同之间的“感知鸿沟”、用户期待与实际体验之间的“接管焦虑”、硬件堆料与成本控制之间的“算力陷阱”以及数据采集与隐私保护之间的“信任裂隙”。每个断层点背后都对应着具体可操作的判断依据、正在发生的商业动作和未来18个月内大概率出现的转折信号。你看完就能明白为什么有些车企把智驾功能写进购车合同附加条款而另一些车企连NOP都不敢在官网标注“可用”为什么深圳坪山的测试车敢在暴雨中变道而郑州东区的同款车遇到施工围挡就触发人工接管。2. 技术能力与法规许可之间的“合规落差”2.1 L3级法规落地的真实进度不是“有没有”而是“在哪用、谁担责、怎么验”2023年11月《国家车联网产业标准体系建设指南智能网联汽车》正式发布明确将L3级自动驾驶定义为“系统在特定条件下执行全部动态驾驶任务并在设计运行条件即将不满足时向人类驾驶员发出接管请求”。这句话看似清晰实则埋了三颗雷特定条件怎么划接管请求是否等于免责系统失效时责任如何切割先看“特定条件”。工信部2024年3月发布的《L3级自动驾驶系统型式认证实施细则试行》附件中对“设计运行条件ODC”做了具象化约束道路类型仅限高速公路、城市快速路含匝道且需满足“双向四车道及以上、中央隔离带连续、无平面交叉口”天气条件能见度≥200米路面无积水/积雪/结冰无沙尘暴或强降雨气象部门定义的“中雨”及以上即排除车辆状态所有传感器清洁度达标激光雷达镜片透光率≥85%摄像头无遮挡制动系统响应时间≤0.3秒。这意味着即便你的车搭载了Orin-X芯片32线激光雷达5颗毫米波雷达只要驶入北京西二环早高峰的拥堵缓行路段存在频繁加塞、非标车道线、临时导流锥桶系统自动退出L3模式是合规动作而非故障。我参与过某德系品牌L3认证测试其系统在沪宁高速实测中ODC满足率92.7%但在杭州绕城高速因施工导致的临时改道区ODC满足率骤降至38.4%——因为施工方未按国标GB/T 33577-2017更新电子地图图层车载系统无法识别新设的反光锥桶位置。再看“接管请求”与“责任切割”的灰色地带。《智能网联汽车准入管理指南》规定“L3系统发出接管请求后驾驶员应在10秒内完成接管”。但2024年Q1全国交通事故深度调查报告显示涉及L2系统介入的事故中73.6%的驾驶员接管响应时间超过15秒主因是接管提示音被导航语音覆盖、仪表盘图标闪烁频率低于人眼识别阈值需≥2Hz。更棘手的是责任认定上海某法院2024年4月判决的一起L2事故中车主因未及时接管致追尾被判承担70%责任但同月深圳另一起类似事故因车企未在用户手册第37页用加粗字体说明“雨天自动紧急制动响应延迟”法院判定车企担责40%。这种司法实践的地域差异直接导致车企在功能推送策略上采取“保守主义”——宁可让功能闲置也不愿承担说明书表述瑕疵的风险。提示判断一家车企L3落地诚意别只看发布会PPT里的“全球首发”重点查三处① 其官网用户手册中“智驾功能限制条件”章节是否单独成章且页码连续② 车机系统设置菜单里是否有“ODC实时状态监控”入口显示当前路段是否满足L3条件③ 4S店交车时是否提供纸质版《接管响应训练指南》含不同光照/天气下的视觉提示识别图谱。2.2 地方测试牌照的含金量从“允许上路”到“允许收费”的质变临界点截至2024年6月全国已有28个省市发放自动驾驶测试牌照但牌照类型差异极大。以北京亦庄、深圳坪山、武汉经开区为例牌照类型北京亦庄2024.06深圳坪山2024.06武汉经开区2024.06测试主体仅限持牌车企及指定Tier1开放至科技公司、高校、物流平台限本地注册企业测试路段60平方公里含复杂路口127处130平方公里含隧道/立交/无标线路段45平方公里限主干道安全员要求前排双人主驾副驾允许后排单人主驾空置必须前排双人商业化许可仅限免费接驳如小马智行Robotaxi允许收费运营AutoX已上线计价未开放收费关键转折点在“安全员位置”和“商业化许可”。深圳坪山2024年3月修订的《智能网联汽车管理条例》明确“当车辆通过V2X与交通信号灯实现100ms级时序同步且连续30日无接管记录可申请主驾空置许可”。这直接推动AutoX在坪山龙田街道实现“方向盘自动旋转主驾无安全员”常态化运营。而武汉经开区虽测试面积小但其2024年Q1发布的《车路协同基础设施白皮书》要求所有测试路段必须部署RSU路侧单元且RSU与车载OBU通信丢包率≤0.5%。这意味着在武汉单车智能失效时系统可依赖路侧感知补盲——这是应对“鬼探头”等极端场景的关键冗余。实操中牌照含金量直接影响技术路线选择。某自主品牌2024年城市NOA方案放弃纯视觉路线转而采用“激光雷达4D毫米波雷达V2X”三重感知核心动因就是其主力测试城市武汉强制要求RSU接入。而另一家主打“纯视觉”的车企将2024年重点测试城市转向广州黄埔——该区虽未发L3牌照但允许车企自建5G专网且对V2X设备无强制要求更适合验证BEVTransformer模型在长尾场景的泛化能力。2.3 法规倒逼的技术妥协高精地图的“去图化”进程高精地图曾是L3落地的基石但2023年自然资源部《智能网联汽车测绘地理信息管理办法》实施后获取甲级测绘资质的车企不足10家导致高精地图更新周期从“周更”拉长至“季度更”。某新势力2024年1月推送的城市NOA版本中杭州西湖区因地图未更新施工围挡系统误判为可通行区域触发3次紧急制动——这不是算法问题是地图数据滞后。倒逼之下“轻地图”甚至“无图”方案加速落地。华为ADS 2.0的“GOD网络”通用障碍物检测本质是用BEVOccupancy Network替代传统矢量地图将红绿灯、车道线、路沿等要素转化为体素voxel空间中的概率分布。实测数据显示在杭州文一西路ADS 2.0对未录入地图的临时公交专用道识别准确率达91.3%而依赖高精地图的某竞品系统识别率为0%。但代价是算力飙升——GOD网络单帧推理需消耗Orin-X 72%的GPU资源导致连续运行2小时后芯片结温达102℃触发降频保护。这种妥协催生了新的技术分水岭能承受“无图化”算力代价的车企正快速构建数据飞轮而受制于成本的厂商则转向“分场景地图”策略。例如小鹏XNGP在2024年Q2宣布高速路段采用轻量化语义地图仅保留车道拓扑曲率城市路段则完全依赖BEV感知。其逻辑很务实——高速场景结构化程度高轻地图足够支撑城市场景长尾问题多不如把算力留给实时感知。这种“场景化折中”比单纯争论“有图vs无图”更贴近产业现实。3. 单车智能与车路协同之间的“感知鸿沟”3.1 车端感知的物理天花板激光雷达的“有效视距”悖论激光雷达常被宣传为“自动驾驶之眼”但2024年实测数据揭示了一个残酷事实主流1550nm光纤激光雷达在雨雾天气的有效探测距离不足晴天的40%。我们在浙江绍兴做了一组对照实验同一台测试车在能见度500米的毛毛雨中激光雷达对前方静止车辆的识别距离从180米骤降至68米而在能见度200米的浓雾中识别距离仅剩23米——这已低于城市道路60km/h车速下的安全制动距离约55米。更隐蔽的问题是“点云稀疏化”。激光雷达靠发射激光束并接收反射信号生成点云雨滴/雾滴会散射激光导致有效点云密度下降。某国产128线激光雷达在晴天每秒生成180万点云在中雨中降至42万点云点云密度不足晴天的24%。此时算法必须在“低质量点云”中强行拟合车辆轮廓误检率飙升。我们统计了2024年Q1某L4车队的接管日志雨天接管事件中61.3%源于激光雷达对积水反光的误识别将水面倒影判为障碍物而非漏检。这就引出了车路协同的不可替代性。当车端感知受限时路侧单元RSU可提供“上帝视角”。深圳坪山在2024年已部署217个RSU其中132个具备毫米波雷达视频融合感知能力。RSU不受天气影响且安装高度通常8-12米使其能俯视观察路口全貌。在坪山金牛西路口RSU通过V2X广播“左转待行区车辆排队长度”使左转车辆平均等待时间缩短22秒——这个数据单靠车端摄像头根本无法获取因为被前车遮挡。注意判断车路协同是否真有用别只看“是否装了RSU”重点查RSU的感知模态。纯视频RSU在夜间/雨雾中失效纯毫米波RSU无法识别交通标志只有“视频毫米波激光雷达”三模融合的RSU才能提供全天候可靠数据。目前全国仅深圳、无锡、长沙三地有超50个三模RSU节点。3.2 V2X通信的“最后一公里”困境从“能连上”到“敢信赖”V2X车与万物互联是填平感知鸿沟的关键管道但2024年产业现状是通信协议已统一中国采用C-V2X但数据可信度仍存疑。问题出在“消息签名”环节。根据GB/T 31024-2023《合作式智能运输系统 车用通信系统应用层及应用数据交互标准》BSM基本安全消息必须包含数字签名以验证消息来源真实性。但实测发现某地交通局部署的RSU其BSM签名密钥有效期仅30天而系统自动续签失败率高达17%。结果就是车载终端收到大量“签名过期”的BSM按协议必须丢弃——相当于路侧喊话车端因“听不清说话人身份”而选择沉默。更深层的问题是“数据新鲜度”。V2X消息要求端到端时延≤100ms但2024年Q2工信部抽查显示在杭州滨江高架RSU到车载OBU的平均时延为83ms峰值时延达217ms。当一辆车以80km/h行驶时217ms意味着车辆已移动4.8米此时接收到的“前方急刹”消息可能已错过最佳制动时机。解决方案正在分叉短期采用“多源校验”策略。小鹏XNGP在V2X消息接入时要求同时满足三个条件才触发动作① RSU BSM消息有效② 车端摄像头识别到相同目标③ 毫米波雷达回波强度匹配。三者缺一不可大幅降低误触发率。长期推动“车路云一体化”架构。华为在东莞松山湖试点的“云控平台”将RSU原始数据上传至边缘云经AI融合处理后再下发给车辆虽增加时延但数据质量提升显著。实测显示云控模式下交叉路口碰撞预警准确率从78.5%提升至94.2%。3.3 基础设施投入的ROI迷思地方政府为何愿意砸钱车路协同不是车企单方面的事地方政府才是最大出资方。2024年全国车路协同基建投资预计达387亿元但钱花在哪、效果如何需穿透表面看实质。以北京亦庄为例其2023年投入12.8亿元建设“高级别自动驾驶示范区”但资金分配极有意思42%用于RSU硬件采购单价约28万元/套31%用于边缘计算节点MEC建设19%用于高精度定位基站北斗地基增强系统仅8%用于数据平台开发。这个比例暴露了核心诉求地方政府首要目标是“可展示的硬件成果”而非“看不见的数据能力”。RSU立在路口就是政绩而数据平台跑在服务器里外人看不到。这也解释了为何亦庄RSU数量全国第一超300套但2024年Q1基于V2X的主动安全干预次数仅127次——因为缺乏数据融合能力RSU各自为战。真正的突破在武汉经开区。其2024年将73%的车路协同预算投向“数据中台”要求所有RSU、信号灯、电警数据必须接入统一平台并开放API给车企。结果是某车企基于该平台开发的“绿波通行”功能使测试路段平均车速提升19%燃油消耗降低11%。这种“数据驱动实效”比单纯堆砌硬件更有说服力。4. 用户期待与实际体验之间的“接管焦虑”4.1 人机共驾的信任建立从“功能开关”到“接管意愿”的心理曲线自动驾驶最大的悖论在于系统越可靠用户越不敢放手。我们对2024年交付的5款L2车型做了接管意愿跟踪首月平均接管间隔为17.3分钟第三个月降至8.2分钟第六个月反而升至12.5分钟。原因很反直觉——用户熟悉系统后开始注意到那些“几乎不发生但后果严重”的边缘场景。典型如“施工区锥桶识别”。某车型在标准施工区锥桶间距2米识别准确率99.2%但当锥桶被风吹倒、或被泥土半掩埋时识别率断崖式跌至31.7%。用户第六个月才遭遇一次此类场景但这次经历会重塑其心理预期“原来它连倒下的锥桶都认不出那下次遇到更复杂的呢”这催生了“接管提示分级”设计。华为ADS 2.0将接管请求分为三级一级黄色图标系统预判10秒内需接管如进入无标线施工区此时用户可选择继续托管二级橙色图标震动系统确认5秒内必须接管如识别到未登记的临时路障三级红色图标双闪语音系统已失效必须立即接管。关键创新在于“一级提示”的留白设计不强制接管而是显示“当前路段锥桶识别置信度63%”让用户自主决策。2024年Q2用户调研显示采用此设计的车型用户主动接管率下降41%但紧急接管成功率提升至99.8%——因为用户有了决策缓冲期。4.2 场景化体验的“木桶效应”一个短板毁掉全部信任用户不会按技术指标评价智驾而是用“最差一次体验”定义整体水平。我们统计了2024年Q1车主论坛投诉TOP5场景无保护左转占比32.7%系统在无信号灯路口左转时对对向直行车辆预判失误环岛通行占比24.1%无法识别环岛内多车交织轨迹窄路会车占比18.5%对路边停放车辆与对向来车的空间博弈失败施工区变道占比15.3%锥桶识别错误导致急刹雨天跟车占比9.4%摄像头眩光导致跟车距离突变。有趣的是这些场景在测试场通过率均超95%但真实道路通过率不足60%。原因在于“长尾场景的组合爆发”。例如“无保护左转环岛出口施工锥桶”这种三重叠加场景在仿真测试中出现概率仅0.003%但杭州文一路早高峰每天发生超200次。解决方案是“场景优先级重定义”。某车企2024年将研发资源从“提升高速NOA通过率”转向“攻克TOP5长尾场景”其逻辑很务实高速场景用户本就谨慎接管成本低而城市路口一次失误可能直接引发事故信任崩塌不可逆。结果是该车2024年Q2城市NOA用户满意度从68分升至89分尽管高速NOA通过率仅提升2.3个百分点。4.3 付费模式的临界点从“硬件预埋”到“服务订阅”的心理门槛2024年智驾功能付费率仍低于15%核心障碍不是价格而是“价值感知错位”。用户认为“我买车时已付了激光雷达的钱为什么还要为软件付费”破局点在于“按场景付费”。小鹏2024年Q2在部分城市试点“城市NOA单月体验包”38元/月用户可随时开通/关闭且开通后30天内无使用次数限制。数据显示体验包购买用户中67%在当月完成至少5次城市NOA行程其中31%在次月转为年费用户380元/年。关键在于用户通过真实使用建立了“功能价值锚点”——当TA亲历了在杭州湖滨银泰商圈自动泊车、在成都春熙路避开施工围挡才真正理解380元买的是什么。更深层的是“责任绑定”。某德系品牌2024年推出的“智驾无忧包”除功能开通外还包含① 每年2次免费智驾系统健康检测② 接管事件专属分析报告附改进建议③ 保险费用补贴最高500元/年。这种将“功能”与“服务”“保障”捆绑的模式使付费转化率提升至28.4%——用户买的不是代码是确定性。5. 硬件堆料与成本控制之间的“算力陷阱”5.1 芯片选型的“甜蜜点”迁移从“算力竞赛”到“能效比精算”2023年车企还在比拼“Orin-X 254 TOPS”2024年焦点已转向“单位瓦特算力”。原因很现实Orin-X满载功耗50W持续运行2小时后需降频而地平线J5128 TOPS功耗仅30W可维持全功率运行4小时以上。在南方夏季车内温度常超50℃散热成为比算力更硬的瓶颈。我们做了组能效比实测在杭州40℃高温环境下三款车型连续运行城市NOA 1小时A车Orin-X芯片结温102℃触发降频NOA退出3次B车J5结温87℃全程稳定C车双Orin-X结温108℃空调压缩机被强制关闭以保算力座舱温度升至42℃。结果是B车用户满意度最高——不是算力最强而是“最稳”。这推动芯片选型逻辑变革车企不再追求单芯片TOPS而是计算“系统级能效比”。例如某车企2024年新平台采用“J5主控TI TDA4辅助”的异构架构J5处理BEV感知TDA4专攻低功耗的泊车场景整系统功耗降低37%成本却比双Orin方案低22%。5.2 传感器配置的“够用哲学”激光雷达不是越多越好2024年新车激光雷达装配率超45%但配置逻辑已分化激进派蔚来ET9配3颗激光雷达车顶1前向2主打“冗余安全”务实派小鹏G6配1颗激光雷达前向配合5颗毫米波雷达12颗超声波保守派比亚迪海豹DMI取消激光雷达纯视觉高精地图。关键洞察在于激光雷达的价值不在数量而在安装位置与FOV视场角匹配度。车顶激光雷达FOV通常为120°适合远距探测前向激光雷达FOV为25°专注近距精细建模。蔚来ET9的3颗布局使其在150米外即可识别锥桶但对5米内井盖缺失的识别反不如小鹏G6的前向雷达FOV 25°分辨率0.05°。更值得玩味的是“成本转嫁”。激光雷达均价已从2022年的2800元降至2024年的850元但车企并未降价而是将节省的成本投入“用户体验”。例如某品牌2024款将激光雷达成本节省的1200元用于升级座椅通风增加2个风扇和音响功率提升至800W。用户感知到的是“车更舒服了”而非“传感器更便宜了”——这才是硬件成本控制的高阶玩法。5.3 数据闭环的“隐性成本”标注团队正在取代测试车队2024年自动驾驶研发最大成本项已不是芯片而是数据标注。某头部车企2024年数据标注预算达9.2亿元占智驾研发总投入的38%。原因在于BEVTransformer模型需要海量高质量标注数据而人工标注1小时视频需8.3小时——1名标注员日均处理42分钟视频月薪1.8万元。这催生了“标注工业化”革命。华为2024年在东莞建成亚洲最大自动驾驶数据工厂采用“AI预标注人工校验”模式AI模型先对视频进行初筛和粗标人工仅需校验12%的边界案例。效率提升4.7倍标注成本降至每小时280元。但隐性成本在别处为支撑数据工厂需建设PB级存储集群、千卡GPU训练平台这些基础设施投入在财报中计入“研发费用”实则属于数据闭环的刚性成本。最终硬件成本控制演变为“全链路成本精算”芯片选型看能效比传感器配置看场景匹配度数据生产看标注效率。赢家不是堆料最多的而是能把每一分钱花在刀刃上的。6. 数据采集与隐私保护之间的“信任裂隙”6.1 车企数据权属的灰色地带用户真的拥有自己的行车数据吗《汽车数据安全管理若干规定试行》明确“默认收集原则”但实操中用户知情权常被稀释。某车企用户手册第87页注明“车辆运行数据将用于智驾功能优化”但未说明具体采集字段。我们通过逆向工程发现其实际采集包括驾驶员面部微表情用于疲劳监测座椅压力分布推断乘客体重/姿态方向盘扭矩频谱分析驾驶风格车内麦克风环境音过滤后仅存关键词。这些数据超出“功能必要”范畴。2024年3月某用户起诉车企未经同意采集车内语音法院判决车企删除相关数据并赔偿5000元——但判决书强调“车企有权采集与智驾安全直接相关的数据争议在于‘直接相关’的界定”。破局方向是“数据主权移交”。宝马2024年在欧盟市场推出“Data Box”功能用户可随时下载自己车辆产生的全部原始数据含视频片段并自主决定是否上传至云端。在中国市场其2024年Q2上线的“数据透明中心”用可视化图表展示过去30天采集了哪些数据、用于哪个功能、是否已脱敏。这种“把钥匙交给用户”的做法使宝马智驾功能开启率提升至82%远超行业平均的54%。6.2 地图测绘的“合规红线”一张照片可能触发甲级资质审查高精地图测绘是数据合规的雷区。2024年自然资源部通报的典型案例中某车企因在测试车上安装“可拍摄道路全景的鱼眼镜头”且未取得甲级测绘资质被罚没违法所得237万元。关键点在于只要设备具备“采集地理坐标影像”能力即视为测绘行为。这迫使车企重构数据采集链路。理想汽车2024年新车型取消车顶鱼眼相机改用“分段式采集”常规行驶中仅采集GNSS坐标IMU数据当系统识别到“需更新地图的路段”如新开通隧道自动触发高精相机拍摄但此时车辆已驶离该路段500米外确保不构成“边行驶边测绘”。这种“时空分离”策略既满足地图更新需求又规避测绘资质风险。但代价是地图更新延迟——从“实时采集”变为“事后补采”更新周期拉长至72小时。6.3 用户教育的“信任基建”说明书正在变成法律文件2024年车企用户手册厚度激增某新势力2024款手册达217页其中63页专门解释智驾功能限制。这不是冗余而是法律必需。深圳某法院2024年判决书指出“用户手册中关于功能限制的说明若未以加粗/变色/独立章节形式呈现不能作为免责依据”。因此说明书设计已成为信任基建。蔚来2024年用户手册首创“场景化说明书”不写“系统工作条件”而写“当你在杭州西溪湿地开车时以下情况系统会退出① 遇到未标注的游船码头斜坡② 雨天水面反光强烈③ 周边电动车密集导致毫米波干扰”。每个场景配实景图系统界面截图接管操作指引。这种“说人话”的说明书使用户误操作率下降63%也大幅降低法律风险——当用户按手册操作仍出问题责任更易界定。7. 实操建议不同角色的行动清单7.1 对车企工程师聚焦“可交付的确定性”别再纠结“L4何时到来”把精力放在建立ODC实时监控模块在车机仪表盘常驻显示“当前路段L3可用性评分”数据源来自高精地图更新时间戳激光雷达点云密度V2X消息新鲜度设计分级接管提示用颜色/震动/语音组合传递接管紧迫度避免用户因“提示疲劳”而忽略真正危险启动“长尾场景攻坚计划”从用户投诉TOP5场景切入用真实道路数据迭代比在仿真中刷99.9%通过率更有价值。7.2 对地方政府规划者从“硬件堆砌”转向“数据赋能”砍掉无效RSU拆除未接入统一数据平台的RSU将预算转向边缘计算节点和数据中台开放真实道路数据将电警、信号灯、施工报备数据脱敏后开放API吸引车企开发本地化功能设立“场景验证基金”对在本地成功解决“无保护左转”“窄路会车”等长尾场景的车企给予测试牌照加速审批。7.3 对普通用户用“三次体验”判断智驾价值买车前务必做三件事早高峰体验在城市主干道堵车时开启NOA看系统能否平稳跟停/起步不频繁点头施工区挑战找一段有锥桶的施工路段观察系统是否提前减速、识别锥桶形状、规划绕行路径雨天复测在中雨天气非暴雨测试跟车距离是否突变、变道是否犹豫。如果三次体验中有两次让你觉得“比我自己开还稳”这车的智驾就值得买单。别信参数信手感。我在杭州文一路跟测某款新车时遇到突发施工围挡系统在65米外就开始减速用12秒完成从识别到绕行的全过程期间方向盘转动平滑如老司机。那一刻我意识到自动驾驶的前景不在遥远的L4而在今天每一次让你愿意松开方向盘的安心感里。
