问题——智能驾驶“热”与安全“忧”并存，能力边界亟待厘清。
近年来，智能驾驶辅助功能快速普及，用户对“高阶智驾”的期待不断抬升。
然而，从现实能力看，当前市场上广泛应用的仍以L2级组合驾驶辅助为主，距离驾驶员完全脱手、脱眼甚至脱责的自动驾驶目标仍有明显差距。
业内争议集中在两个方面：一是技术宣传与实际能力之间的落差容易引发误用、滥用；二是从辅助驾驶向有条件自动驾驶迈进的过程中，人机共驾阶段的责任分配、接管机制与安全冗余是否足够可靠。
原因——L2向L3跨越不是软件问题，而是系统工程与安全架构问题。
针对“L2车辆能否通过OTA升级为L3”的关注，朱西产强调，这一跨越难以仅靠软件实现。
其核心逻辑在于：L2的电子电气架构设计目标与L3并不一致，L3需要更高等级的功能安全与系统冗余能力，对制动、转向等关键执行系统的安全要求显著提升，同时对智能驾驶域控制器算力与可靠性也提出更严格门槛。
换言之，若底层硬件能力、系统冗余和安全认证体系无法满足要求，即使算法迭代成熟，也难以支撑从“辅助”到“有条件自动驾驶”的责任与风险转移。
随着我国对L3准入试点的推进，这一“硬件先行、系统闭环、安全验证”的路径将更加清晰。
影响——试点落地将加速行业分化，也将重塑公众认知与监管重点。
随着相关车型获得L3级有条件自动驾驶准入许可并在指定区域开展试点，行业将从“功能堆叠”转向“安全闭环能力竞争”。
对企业而言，L3意味着从产品体验竞争升级为安全体系竞争，涵盖功能安全、预期功能安全、网络安全、数据闭环、运行设计域（ODD）管理以及事故与事件的记录追溯等综合能力。
对消费者而言，需要建立与分级标准相匹配的使用认知：L2阶段驾驶员仍是责任主体，应保持必要注意并随时接管；进入L3阶段，系统在特定条件下承担更多驾驶任务，但其运行边界更明确、约束更严格，仍不意味着“全场景、全时段、完全放手”。
对策——以“可验证的安全”为核心，构建从数据到系统的闭环治理。
朱西产提出，辅助驾驶阶段的一个现实价值在于形成安全冗余：驾驶员作为最后防线，系统在真实道路中持续采集数据，用于训练模型并覆盖低概率的边缘场景。
这一思路对行业具有启示意义：一方面，应持续强化对危险接管、误触发与事故机理的研究与对策设计，重点关注目标漏识别、错误决策轨迹、车速控制、交通规则遵守等引发的接管风险；同时对AEB等紧急安全系统的误触发进行更严格的场景验证与策略约束，降低“误刹、误转”带来的二次风险。
另一方面，要把“能力边界管理”前置到产品设计与用户交互中，通过更清晰的人机提示、更可理解的功能说明、更可追溯的事件记录机制，减少误用空间。
企业还应在仿真验证、封闭场地测试、公开道路试点运行之间建立贯通机制，形成从发现问题到模型迭代、再到安全验证的闭环。
前景——大模型等新技术或成突破口，但安全落地取决于工程化与制度化能力。
朱西产判断，视觉语言大模型、世界模型等方向有望成为智能驾驶的重要热点。
其潜在价值在于：通过更强的长时序推理能力提前预估风险，通过占用网络等方法识别“看得见但难以定义”的障碍物，并对遮挡风险进行预测推断，从而提升对复杂交通环境的理解能力。
不过，技术进步并不自动等同于安全落地。
自动驾驶要真正走向更高等级，需要在算力、传感、执行、冗余、验证与合规等方面同步提升，尤其要在边缘场景、未知风险、极端天气与复杂交通参与者行为等方面建立更具说服力的安全证据体系。
可以预见，未来一段时间内，“渐进式演进”仍将是主基调：从更高质量的L2向限定条件下的L3稳步推进，再逐步拓展到更高等级能力。
智能汽车的发展不是一蹴而就的过程，而是需要在安全与创新之间找到平衡点的长期探索。
从L2到L3的跨越，不仅是功能层面的升级，更是对整个系统架构、安全体系和技术基础的全面革新。
消费者和产业界需要理性认识这一发展规律，既要对新技术保持期待，也要对安全风险保持敬畏。
随着人工智能技术的深度融合和大量真实数据的积累，我国自动驾驶产业有望在确保安全的前提下，实现更快更稳的发展，最终为用户提供真正可靠的自动驾驶体验。