围绕自动驾驶从辅助走向“可放手”的关键节点，行业再次出现加速信号。
近日，小鹏汽车CEO何小鹏在社交平台发文称，2026年中国和美国的全自动驾驶将“真正到来”，并判断产业可能不经由L3阶段，从当前以L2为主的辅助驾驶直接迈向L4级高度自动驾驶。
他还表示，自己在美国体验特斯拉FSD最新版本后，明显感到无人驾驶能力正在逼近规模化门槛。
问题：从“可用的辅助”到“可信的自动”，跨越点在哪里 按照国际通用分级标准，自动驾驶分为L0至L5，其中L3为“有条件自动驾驶”，L4为“高度自动驾驶”。
现实中，L2辅助驾驶已在高速、城市快速路及部分城市场景加速普及，但责任归属、系统能力边界与驾驶员接管要求，使其与真正意义上的无人驾驶仍有距离。
何小鹏在表述中强调，“能力、场景、安心和效率”是区分L2与全自动驾驶的关键：不仅要在复杂泛化场景下减少接管，更要覆盖停车场、小区道路、非标准道路以及不同法规下的驾驶任务，同时把安全从“降低风险”提升到“可被信任”，并在通行效率上稳定超过人类平均水平。
原因：大模型、端到端与平台化推动“跨级”想象空间扩大 近年来，算力成本下降、车端传感器与数据闭环能力提升，使端到端学习方案的迭代速度显著加快。
何小鹏认为，端到端“小模型”更适合L2上限，而“下一代”自动驾驶需要更强的泛化能力与更统一的系统架构。
他提到，特斯拉量产车与试运营Robotaxi使用同一套自动驾驶软件的趋势，显示自动驾驶正从“工程化拼装”走向“平台化能力复用”。
在他看来，小鹏正在推进的VLA体系也呈现快速演进特征，并计划推出VLA 2.0以及面向更高阶能力的Ultra版本，目标是以同一套模型支撑面向消费者的高阶驾驶与Robotaxi形态。
业内同时存在另一条成熟路径：以Waymo、萝卜快跑等为代表的Robotaxi企业，更多依赖高精地图与规则工程，在限定区域逐步实现L4落地。
这一路线的优势在于边界清晰、可控性强，较适合先在运营场景里验证安全与效率；不足在于扩张需要“逐城推进”，成本与运营复杂度较高。
与上述两类路线并行的，还有部分车企主张以L3为过渡，先在法规与责任框架更清晰的条件下实现“有条件自动”，再向更高阶能力演进。
影响：汽车产业竞争重心由“配置堆叠”转向“能力与生态” 如果L4能力在未来数年出现实质性突破，将对产业链与市场格局带来多重影响：其一，智能驾驶可能成为车型分层的核心指标，城市NOA等功能从“高配卖点”转向“普及配置”，竞争焦点转为更高阶能力的稳定性与安全冗余；其二，软件平台与数据闭环的重要性进一步上升，主机厂与供应链企业将围绕模型迭代、算力部署、传感器方案、数据合规等形成新的分工与博弈；其三，Robotaxi与面向个人用户的智能车技术边界可能趋于收敛，“同模型多形态”将推动商业化探索从单点示范走向规模运营，但同时也对安全验证、运营监管与保险体系提出更高要求。
对策：在加速创新同时，把安全、合规与可验证性放在首位 从产业发展规律看，自动驾驶的跨级跃迁不仅是技术问题，更是系统工程。
下一阶段应重点把握几方面工作：第一，强化安全验证体系。
无论是端到端路线还是高精地图路线，都需要建立可复现、可审计的测试标准与场景库，推动从“功能可用”到“风险可控”的评估闭环。
第二，完善法规与责任框架。
L3与L4的关键差异之一是责任边界，推进更高阶自动驾驶落地，离不开对驾驶责任、事故认定、数据取证等制度的同步完善。
第三，推动基础设施与运营体系协同。
车路协同、通信覆盖、道路标识标准化等将影响系统在复杂场景下的稳定性；同时，Robotaxi的运营管理、维护体系与应急处置能力也需要相应升级。
第四，重视数据安全与隐私保护。
在数据驱动成为核心生产要素的背景下，数据采集、存储、训练与跨境合规必须纳入企业治理体系。
前景：2026或成关键观察窗口，“技术跃迁”仍需穿越落地关 从企业表态与行业趋势看，2026年前后可能成为观察高阶自动驾驶的重要时间窗口：一方面，车企在大模型与端到端方案上的投入持续加码，迭代速度加快，促进能力边界扩大；另一方面，从试点到规模化应用仍需跨越“安全证明”“监管认可”“用户信任”“成本可承受”等多重关口。
何小鹏提到对欧洲市场竞争的期待，也提示高阶自动驾驶的全球化落地将面对更复杂的法规差异与道路环境挑战。
总体而言，行业或将继续呈现多路线并行：限定区域的L4运营与面向消费者的高阶驾驶功能相互借鉴、相互促进，但短期内仍难以用单一时间表概括所有场景。
自动驾驶技术的跨越式发展或将重塑全球汽车产业格局。
从L2到L4的跃迁不仅是技术突破，更是一场关于出行方式的革命。
未来三年，随着头部企业的持续创新，全自动驾驶汽车或将从实验室驶入现实，但如何平衡技术进步与安全、伦理、法规的关系，仍是行业亟待解答的命题。