10分29秒483，这是今年6月22日小米YU7 GT（赛道套件版）在完全无人驾驶状态下跑完纽博格林北环赛道的成绩。
这个速度什么概念呢？大概比小米首席测试车手任周灿的圈速纪录慢了大概3分钟，比人类创下的最快纪录（由保时捷919 Hybrid Evo保持）大概慢了5分钟。
这个圈速在赛车界看起来不算很快。但如果你去翻纽北将近百年的赛道记录，从没有一台自动驾驶车在20.8公里的赛道上实现过有效官方记录。
纽北赛道位于德国埃菲尔山区的原始森林，两侧全部被密密麻麻的绿树覆盖，被称为「绿色地狱」，其以弯道多、视野差、缺乏缓冲、天气诡异多变以及极长的赛道长度，极具挑战和危险性。10分29秒是纽北无人驾驶品类的第一个有效圈速记录，做成这件事的是一家2021年进入造车领域的手机厂商。
小米内部给这个项目取了个代号，叫MARS（Mi Autonomous Racing System，小米无人赛车系统）。项目团队的核心成员只有2到3个人是全职，项目负责人王东从小米汽车内部整车、座舱、智驾等部门抽调了人员，组成了超过200人的协作团队。
小米为啥要做这件事？一家新的汽车厂商，为什么要把资源投到一个看起来像噱头的赛道项目上？
MARS项目负责人王东说，他们一开始并没有直接研究怎么跑赛道，而是先做了详细的技术方案解构。
让自动驾驶汽车跑赛道，行业常见的做法是录制人类车手的操作数据然后回放，成绩也能不错，但这种操作最多只能体现通信链路和车辆基础冗余能力。
小米选了一条更难的路——从最底层的物理数学模型开始，一层一层往上搭，先建非线性的整车动力学模型和轮胎模型，再往上叠加传统控制方法、优化控制以及规划方法。
为什么要走这样的路线？
因为赛道和日常驾驶工况根本区别在于，在日常驾驶中，方向盘、油门的输入，跟车辆的响应基本是线性可预测的。但在纽北这种极限工况下，轮胎被推到抓地力的极限边缘，线性规律失效，如果这时候继续猛打方向，车不但不会转弯，反而会推头或者甩尾失控。
小米智能驾驶科学家王乃岩用「两个圆」比喻MARS的意义：
目前所有量产辅助驾驶系统都运行在一个「小圆」里，也就是基于线性模型的安全舒适区；但车辆真正的物理性能极限是一个更大的「大圆」。MARS的目的，就是去度量和缩小这两个圆之间的差距。
系统不需要在日常驾驶中触碰极限边界，但必须精确知道边界在哪里。知道了边界，才能在突发的长尾场景中从容地增加安全缓冲、重新规划避险路线，而不是在不知道边界的情况下慌张地急刹或失控。
MARS的控制技术负责人刘启源，则把这个项目的意义表达得更加直接，「对控制来说，它能探索极限边缘，这个极限边缘（带来的收益），最终会反馈到L3的研发上面。」
刘启源日常在王乃岩的团队，负责L3的控制，MARS不是一个独立的赛道娱乐项目，它的技术链条直接连着小米L3产品的开发。
小米智驾从搭建自研团队以来，陆续建立了三条并行的技术路线，端到端、VLA以及L3自动驾驶。
端到端由陈光负责，这是L2+辅助驾驶的主力引擎，追求全场景泛化和用户体验。陈光此前有百度 Apollo L4和一汽研究院的双重背景，是少数同时做过L2量产和L4 Robotaxi的人。
VLA由Wayve背景的陈龙搭建。Wayve是一家快速崛起的英国AI与自动驾驶公司，他去年3月从Wayve离开后加入小米，在Wayve创立的「LINGO 项目」是全球第一个在公开道路上测试的VLA自动驾驶系统。
L3则由王乃岩主管，王之前是图森未来的联创、中国区CTO。
三条路线在小米内部的分工逻辑很明确：端到端和VLA共同服务于L2+ 辅助驾驶的泛化性和体验，L3则聚焦在一个完全不同的维度：智驾系统的可靠性。
三条技术线都汇报给小米智能驾驶业务负责人叶航军，他是小米老将，2021年小米造车前夕就向雷军请缨，成为小米汽车最初的核心高管团队。
小米L3的关键先生，王乃岩是90后、香港科技大学博士，2014年获得Google PhD Fellow，当年中国只有4人获得这个殊荣。他还是深度学习框架MXNet的核心开发者之一，以及图森未来的中国区CTO。在图森的8年里，他做的是L4级重卡的自动驾驶算法。
2024年初，图森解散，王乃岩后来在播客中回忆这是他「最痛苦的经历」，「让我对人性有了更多理解。很多朝夕相处的同事，在巨大变革时想的事情、做的决定，可能完全跟你的预期不一样。」但他做了一件事：尽可能让还想在这个行业做的核心团队成员一起走。
2024年，王乃岩带着包括刘启源在内的控制团队加入了小米，接手了一个在当时行业稍微有点「非主流」的项目：做L3。
因为当时国内智驾行业的关注焦点完全在L2+的军备赛上，端到端、纯视觉、城市NOA全国开城，各家争得都是谁的辅助驾驶系统地理覆盖更广、需要的人工干预更少。即使到今天，L3在很多人看来是，仍然是一个法规尚未成熟、商业模式不清晰的产品。
王乃岩不时会在知乎上发些文章，给行业「浇浇冷水」，比如批评端到端被过度神化、批判大模型应用于自动驾驶的诸多迷思。这些文章在行业内引起过争议，但所谓「暴论」也让他的技术预判能力被更多人看到。
入职小米两个月后，他写了一篇纲领性文章《迈向自动驾驶2.0 时代》，向外界阐述了自己团队的方向：自动驾驶1.0的可靠性 + 大模型大数据的灵活泛化性 = 自动驾驶2.0。
这句话也道出了小米做L3的底层逻辑。
在L3真正到来之前，行业内的争议一直存在，渐进派认为，L2做好了自然能到L3，L3做好了自然能升到L4。
但在王乃岩的框架里，L2到L3之间有一道「巨大的鸿沟」，它们的差异根本不在功能层面。L2，哪怕是今天最先进的 L2++系统，本质上还是是辅助驾驶。驾驶员必须时刻监视路面状况，随时准备干预。法规上甚至不能用「接管」这个词，因为责任始终在驾驶员手上，系统只是在「辅助」。
L3则是另一个「物种」。按照SAE标准和国内法规定义，L3系统一旦激活并正常运行，系统承担全部责任。用户可以脱手、脱脚、脱眼，可以在车上回微信、看视频。当系统判断需要人类接管时，必须给出约10秒的充裕时间。在这10秒的交接期内，出了问题仍然是系统的责任。
王乃岩管这个叫「负责任的自动驾驶」。但这意味着 L3初期能做的事情，可能比L2还少，很多L2能开的复杂城市路段，L3系统出于安全考虑可能会拒绝激活。
L3最初大概率只覆盖高速公路这样规整的场景，其ODD运行设计域比 L2要窄得多。但L3的底线偏偏又很高：一旦在符合要求的场景下开启，就必须做到绝对可靠。
王乃岩用「频谱」比喻L3。如果把自动驾驶看作是一个频谱，一端是简单的定速巡航，另一端是完全无人的Robotaxi，L3处在频谱上一个很特殊的位置；技术上它更像L4（对可靠性有极高要求），商业上它更像L2（最终目标是把车卖给消费者，消费者还在驾驶位上）。
从这个角度看，小米做L3并不是在L2赛道上跟别人拼功能覆盖，而是另辟蹊径，用L4级别的可靠性思维去做一个面向消费者的产品，在L2军备竞赛白热化的时候悄悄补齐高阶能力。
图片来源｜SAE International国际自动机工程师学会
如果只是把系统做到统计学上比人安全，L3还不算最难。王乃岩认为，L3量产面临的最大挑战其实在社会层面，关键瓶颈在「错误对齐」。
很多自动驾驶公司喜欢强调「系统的事故率已经低于人类」，但王乃岩认为，比人好只是必要条件之一，还有一个前提同等重要，让大众能接受你错误的模式。
「不能犯一个三岁小孩坐在车上都不会犯的错误。你只能犯那些人觉得'我也可能避免不了的错误，而不能犯人觉得'这也太简单了'的错误。」
现实中智驾系统最让人无法接受的，往往不是复杂场景下的失误，而是在空旷高速上突然幽灵刹车、或者对静止的白色大卡车视而不见，诸如此类「反常识」的错误。即便统计学上事故比人少，只要出一次这样让人觉得很蠢的事故，整个社会对其车型产品的信任也会大打折扣。
所以小米L3团队的核心技术目标之一，不是让AI完全不犯错，这在当前技术条件下显然不现实，而是确保智驾系统犯错的下限，与人类能「对齐」。
尽管对已知的出错场景能针对性地采集数据、强化模型，把「已知的不安全」变成「安全」，但自动驾驶里还会遇到「未知的不安全」——即你不知道哪里有风险，自然也不能针对性地补数据。
「我们不可能解决所有的未知不安全，人也不会百分百不出事故。但把未知的不安全，控制在合理和可接受的概率范围内，这是从工程和系统上更具实操性的方案。」
图片来源｜论文 A Survey on Vision-Language-Action Models for Autonomous Driving
要把「未知的不安全」降到可接受范围，王乃岩认为「只用自动驾驶数据去训模型，不可能完美做好自动驾驶。」
人不是从出生就直接被训练开车的，得先活了二十来年，对物理世界积累了足够多的常识认知，然后才被「微调」到开车这个任务上。
比如漆黑的夜路上，旁边小胡同里突然射出一束灯光。正常人都知道要小心。有灯意味着有人活动，灯是冲外打的，里面大概率有车或行人要出来。但一个只用驾驶数据训练出来的端到端模型，缺少对物理世界的这种推理能力，可能就会「像愣头青一样冲过去」。
这正是VLA模型在小米L3体系中扮演的角色，不是替代端到端，而是给端到端加上「认知世界」的能力。
VLA通过语言模态引入了高层次的人类知识、道路规则和常识推理，让系统不只是「会开车」，而且「理解为什么要这么开」。
王乃岩对VLA的价值有着十分清晰的判断，VLA的核心不在可解释性，「决策是错的也可以解释出来，大模型最擅长干这个」。VLA重要的是它的推理能力。
语言是高度抽象的概念，推理起来效率很高，而且经过海量互联网文本的训练后具备了很强的逻辑链条能力。这种推理能力，尤其在长尾和极端场景中，能帮助系统做出更接近人类常识的判断。
在具体架构上，小米选择从底层自研VLA基座模型，从LLM预训练、VLM预训练、具身基座模型预训练到自动驾驶微调，全部自己干。小米智能驾驶VLA技术负责人陈龙解释过为什么不用开源模型。
「你不知道它预训练阶段包含什么数据，网上有很多'抽象内容'可能被混入训练数据，最终可能产生蝴蝶效应影响驾驶行为。」对于一个要承担法律责任的L3系统来说，信任链条必须从头建立。
L3的可靠性不只靠AI模型的能力，还靠系统层面的冗余设计。
行业里讨论L3的时候往往强调硬件冗余，多装激光雷达、多上传感器，多做几个冗余域控。但王乃岩认为只是硬件冗余远远不够。
波音737Max在机头两侧装了两个独立的迎角传感器。但当其中一个传感器因结冰故障给出错误数据时，软件系统（配套的机动特性增强系统MCAS）错误地相信了那个数据，判断飞机即将失速，不停压机头，最终导致了 2018 - 2019年两起灾难性的事故。硬件有冗余设计，罪魁祸首却是有缺陷的软件错误地处理了冗余传感器的数据。
概率与置信度，王乃岩用这两个名词去定义小米L3方案对「不确定」的处理方式。
当传感器之间出现冲突，比如一个传感器看到前方有人，另一个没看到。系统不会武断地选择相信谁，而是用概率表达这种不确定性：「前方大约90到105米处可能有人，好像想往我这边走。」
这种带模糊度的信息传递给下游的决策和规控模块后，系统会自动触发防御性驾驶策略：先减速，靠近后看清楚，置信度提高了再决定下一步动作。
「安全最核心的一点是，把'我不知道我不知道'变成'我知道我不知道'。」
知道自己不确定，就可以小心行事。最危险的是以为自己确定，这正是波音737 Max之前酿成重大空难事故的元凶。
我们试图拆解了小米的L3背后的技术哲学，但具体的产品长什么样？
有几个确定的事情：小米已经在北京获得L3级自动驾驶道路测试牌照，持续开展常态化路测。测试主要在智能网联汽车高快速路测试路段进行，这和王乃岩提到的「L3聚焦高速限定场景」吻合。
从L3的产品逻辑来看，初始ODD（运行设计域）锁定高速场景几乎是行业共识。相比城市道路，高速场景的道路结构规范、交通参与者类型相对单一、没有红绿灯和行人横穿，更适合率先实现「系统全责」。
至于车型产品，受限于L3系统增加的成本以及L3目标用户的定位，搭载L3的车辆基本上是高端车型。小米大概率也会走类似路线，HiEV获知的消息是，小米将把L3放在一台豪华行政级的轿车上。
这个产品逻辑不难理解：L3的「脱手脱脚脱眼」最契合高端行政用车的使用场景。
放眼整个行业，L3并不只有小米一家在做，但热闹程度远不及L2+赛道。
华为是目前国内可以说是唯一一家在L3上大力押注的玩家。
2026年4月发布的ADS 5乾崑智驾解决方案明确为L3级有条件自动驾驶的规模化商用做好了准备。尊界S800 Grand Design典藏大观车型堆上了六颗激光雷达的矩阵配置，从硬件层面做了极致的冗余预埋。其他供应商，卓驭、元戎启行、Momenta等智驾供应商，也在布局L3方案。
法规方面，2026年6月工信部公示了《智能网联汽车自动驾驶系统安全要求》强制性国标，要求L3系统致命事故率低于10⁻⁸/小时，预计2027年7月正式实施。首批L3准入试点已经启动，长安深蓝SL03和北汽极狐阿尔法S在特定区域开始上路运营。
早在2017年，奥迪就发布了具备L3能力的A8量产车型，，但最终因为法规不成熟、单点故障风险过高和权责界定模糊而夭折。
2025年底，马斯克在回复用户的一条推文时，暗示FSD用户可以玩手机（取决于周围的交通状况）。但被问到如何看待马斯克这句评论时，王乃岩很克制地说，「他说可以让你玩手机，但没说给你兜底。只有前半句没有后半句是不行的。」
L3的门槛不在于功能有多强，而在于车企敢不敢为系统的行为承担法律责任。
「可能比大家想象的都要快。但技术Ready到产品推出之间还有法规、社会等很多因素。我们做技术的唯一能做的，是尽早把技术达到成熟阶段。」王乃岩是这么看的。
他对2026年智能驾驶的发展态势做的预测更具体一些：「辅助驾驶从'尝鲜'到'在某些场景下你真的可以信赖它、视为一个伙伴'的转变。」
很多人可能觉得「这不是已经发生的事情吗？」但王乃岩认为还没有。
「重点在'伙伴'。第一，足够可信，你知道它不会对你造成伤害；第二，它的很多行为预期跟你一致，能适应你的好习惯和细微偏好，让你觉得这不像是一个机器在开车。」
有意思的是，陈龙对VLA上车时间的态度是：「When it's ready, it's ready.」
两个人的表态看似不同，一个说「比想象的快」，一个说「准备好了才上」，底层逻辑其实一致：不急于推出一个半成品去抢时间节点，但对技术成熟度本身保持信心。
这或许也是小米做L3的另一层意思：
在L2赛道上，行业比的是谁跑得快、谁覆盖的场景多；但在L3这条赛道上，比的是谁更有耐心、更有能力把「负责任」这三个字最终落到实处。
10个月宝宝每天需要喝多少奶粉？
