在广州天河区的晚高峰里，一辆开启 Apollo L3 功能的极越 008 正在跟车行驶。它的屏幕弹出一个提示：“系统即将退出，请接管制动了。”驾驶员有 15 秒时间过渡控制权。假设在驾驶员接手前，前车急刹，追尾了。谁该赔偿、谁该担责？就在同一天，上海陆家嘴附近，一辆进口不久的特斯拉 Model Y 在城市 FSD 模式下变道，与右侧加塞的网约车发生擦碰，系统并没有在碰撞前提示驾驶员接管。责任又该如何划定？ 这是 2026 年中国自动驾驶行业真正面临的考验。随着多个一二线城市相继落实有条件自动驾驶（L3 级）试点政策，“L3 自动驾驶”在中国的合规元年已至。 市面上最具代表性的应对方案，是百度 Apollo（萝卜快跑为其 Robotaxi 践行产品）和特斯拉 FSD。两者的路线分歧远不止技术信念的差异，更牵动着“事故责任认定”、保险理赔流程与数据监管红线等ân深水区。
技术路线背后的控制权问题
两套系统开出来的是两条殊途的本源：一边是“保证兜底”，一边是“尽力逼近”人类驾驶。 百度 Apollo 的 L3 量产版本，依然在感知层不完全脱离高精地图与车路协同（V2X）辅助。根据百度公开技术批露，这种架构追求在 ODD（运行设计域）受限场景下的高确定性安全，其“Apollo City Driving Max”将接管触发条件、最小风险策略（MRM）与法规要求的车端黑匣子数据流高度耦合。在广州、深圳新落实的试点中，L3 退出时的 10 到 15 秒冗余接管时间是强制要求。萝卜快跑的 Robotaxi 车队长期在这些城市进行数据迭代，也为其商业化量产提供了大量实测案例。 特斯拉则走了另一种路。其“V13”时代的 FSD，引入了基于大规模里程训练的端到端神经网络模型。这已将环境感知与转向/制动的控制环节融为黑盒映射。这种端到端模型，旨在让 AI 自己学会应对从未见过的极端场景。但它不依赖高精地图，意味着在合规框架下，它的“可用路况边界”比依赖图端的方案更模糊，难以用精确的地理路段带去定义 ODD。 但在合规层面，黑盒模型会对传统汽车安全合规体系提出挑战。端到端网络无法提供“如果场景 $ imes INPUT$ 输入，必定触发 $ imes ACTION$ 输出”的确定逻辑映射。在事故后黑匣子数据提取时，这将会成为一个法规痛点。
最棘手的棋局：远离“驾驶员不作为”的追责定性
“合规元年”带来的最大冲击，是车主与车企开始正式分配事故责任与刑法风险。 在此前的 L2 辅助驾驶时代，由于法规要求驾驶员必须全程监控并随时接管，任何事故几乎都在于“驾驶员操作不当”。系统可以白嫖安全责任。 但 L3 法规明确了一点：在 ODD 范围内、车辆系统正常运行、未发出接管请求时，驾驶责任在系统。这一改变的影响力是剧烈且线性的：系统扛起刑事与民事责任。 这不是一句简单的“车企负责”就结束了。在实际保险与司法流程中，将出现两个独立的争议节点：
- 接管时刻：系统提示接管后的过渡时间是否足够？
- ODD 边界：系统启动时的路段是否确实属于已开放 L3 的合法运行设计域？ 也就是说，事故发生后，车主与车企将围绕数据、场景与规则展开大规模博弈。如果车企无法拿出有效数据证明 L3 系统在事故属地路段、特定交通流环境下属于“合法启用且未主动退出”，则车主有可能在事故后追责车企。
保险业开始改变规则，赔付池不再由人独担
随着 L3 试点铺开，在近半年内已有保险公司开始针对 L3 特性修改了部分条款解释——开始尝试“车企绑定险”模式。
- 针对 L2 辅助驾驶，依然按传统“第三者责任险+车损险+司乘险”框架运行。
- 针对启用 L3 级别车辆，保险公司将在定损与赔付阶段引入"产品责任险"或类似条款。 这种模式此前仅见于飞机、医疗器械等高度系统化风险的场景。但 L3 法规则直接推动车险从"人驾车"向"系统接车"的责任分离过渡。
高昂的合规税：车企与政府的数据边界
系统主动承担责任是需要付出成本的。 车企要证明自己无责，必须交出脱敏运行数据，但由于 L3 模型的安全性涉及不断训练的 AI 模型，甚至车企本身也很难在事后拿出一份传统意义上的“清晰调用日志”。 这正是百度在多年积累中建立的优势所在。面对监管对于“全链路可审计性、数据本地存储与多媒体接口合规”的苛责，百度在此类要求上已积累了足够的工程经验。这类经验的背后，是一种此前被新势力车企轻视的“数据约束成本”。车企必须针对 L3 部署建立一个完整的全链路数据黑匣子。国内监管针对自动驾驶提出了更高的要求——车辆必须与城市交管系统建立实时传输链路。这种“整车设备多模态实时数据可追溯+云端实时监管”方案成为了上路准入的基本门槛。这比依靠车端运行事件记录生成了更大的成本。
结语
在 2026 年的初夏，萝卜快跑车队在多项关键数据上地面路况全面铺开并迭代部分加 ruled-based fallback。特斯拉 FSD 则通过端到端模型尝试应对从未见过的路况，并在 2026 年新版车型上明确希望通过“纯视觉”路线改写中国市场的自动驾驶格局。 二者谁也无法独占 L3 自动驾驶的法规红利与货架空间。两条平行路线的分歧，决定了产品哲学、可用场景及合规成本的底线。 在历经了“路面实测+监管交涉+保险谈判”的漫长验证后，这两条路线的成本更显清晰：L3 级合规元年的真正较量，早已不只是产品体验上的过度宣传，而是两家企业如何为这辆 AI 控制的汽车，向法律与社会交出一份精确合=G规的账单。
