七成新车都有L2后，智能汽车真正难的一关来了

作 者 | 知予

了解更多金融信息 | BT财经数据通

如果一项技术只有10%的新车拥有，它是卖点。

如果30%的新车拥有，它可能是一项重要配置。

但当超过70%的新车都开始拥有它，竞争逻辑就变了。

最新行业信息显示，2026年我国L2级乘用车产品渗透率预计将超过70%，到2030年甚至可能超过90%。

这意味着，过去几年车企反复强调的自动泊车、高速领航、城市辅助驾驶，正在越来越快地从“少数车型的高级配置”，变成智能汽车的基础能力。

一个新的问题也随之出现：

当大家都会“开得更聪明”，下一轮竞争到底比什么？

答案可能不是再多几个功能。

而是谁能够更早发现问题、更快修正问题，并且在系统出现缺陷时，有能力把几十万辆甚至上百万辆车同时“管起来”。

换句话说，智能汽车真正难的一关，开始从“会不会开”，进入“会不会召回”。

当L2超过70%，功能本身就开始贬值

汽车行业过去十年的很多竞争，都遵循一个类似规律。

一个新功能刚出现时，非常值钱。

最早的大屏、语音控制、全景影像、自动泊车，甚至高速辅助驾驶，都曾经是高端车型的重要卖点。

但汽车产业最大的特点，就是规模化速度非常快。

一旦技术成熟、供应链成熟、成本下降，同样的功能很快就会从几十万元车型下放到二三十万元，甚至更便宜的车型。

L2正在经历这个过程。

所谓L2，并不是汽车可以完全自己开。

驾驶员仍然需要承担驾驶责任，并根据系统要求观察道路、接管车辆。

但从消费者体验来看，越来越多车辆已经可以完成车道保持、自适应巡航、自动泊车，以及部分高速、城区场景下的辅助驾驶。

当这些能力只属于少数车型时，消费者买车时会问：

“它有没有？”

但当七成以上新车都有之后，问题会慢慢变成：

“它到底好不好用？”

再往后，则可能变成一个更加关键的问题：

“出了问题怎么办？”

这是智能汽车产业进入下一阶段最重要的变化之一。

因为功能越普及，真正拉开差距的就越不是功能清单。

而是藏在功能背后的工程能力。

传统汽车的缺陷，看得见；智能汽车的问题，可能藏在代码里

过去汽车发生召回，消费者比较容易理解。

比如制动系统存在隐患。

某个零部件可能断裂。

安全气囊存在问题。

燃油管路可能泄漏。

这些大多属于典型的机械和硬件问题。

找出零件。

确定批次。

通知车主。

进店更换。

整个召回逻辑相对清楚。

但汽车越来越智能之后，问题开始变化。

今天一辆智能汽车，本质上已经不只是由发动机、电池、电机、轮胎和钢铁组成。

它还是一台拥有大量传感器、芯片、操作系统和算法的移动计算设备。

一个软件判断错误，也可能影响驾驶体验。

一个传感器识别偏差，也可能带来安全风险。

一个算法在99.9%的场景里正常，并不意味着剩下的0.1%不重要。

因为汽车与手机最大的区别就在这里。

手机App出现Bug，最坏的结果可能是闪退。

汽车系统出现Bug，面对的是真实道路、真实车辆和真实行人。

于是一个过去汽车工业很少遇到的问题出现了：

汽车上市，并不意味着软件开发结束。

反而可能只是开始。

车辆进入真实道路以后，面对不同天气、不同道路、不同驾驶习惯，系统每天都在接受新的考验。

这也是为什么智能汽车行业接下来会越来越重视一个过去不那么性感的词：

缺陷管理。

它没有“端到端”“大模型”“无图智驾”听起来那么先进。

但它可能决定一家车企真正的技术底座到底有多牢。

1.21亿辆召回背后，真正变化的不是“车越来越差”

截至2025年底，我国累计实施汽车召回3265次，涉及车辆1.21亿辆。

仅2025年，新能源汽车召回就达到105次，涉及265.2万辆。

看到这样的数字，很容易出现一种直觉：

汽车是不是越来越容易出问题？

实际上，这并不是一个简单的等号。

召回数量增加，至少可能同时对应几种变化。

第一，汽车保有量和产品数量越来越大。

市场上的汽车越多，车型越复杂，理论上需要纳入缺陷管理的产品自然越多。

第二，汽车技术越来越复杂。

过去一辆车的核心功能主要由机械系统决定，今天则加入大量电子电气架构、软件系统、芯片、传感器和算法。

系统复杂度提高，本身就意味着缺陷管理的难度上升。

第三，也是更加重要的一点：

发现问题的能力正在增强。

过去有些问题可能直到大量车辆出现故障之后才被注意。

今天，车企可以通过联网车辆收集运行数据。

异常情况出现后，可以迅速判断是不是某一类车型、某个软件版本或者某批零部件存在共性问题。

有些软件问题甚至不需要车主开车回4S店。

一次OTA升级，就可能完成修复。

所以，不能简单地认为“召回越多，质量就越差”。

在智能汽车时代，真正应该关注的其实是另一组问题：

企业多久发现缺陷？

多久确认影响范围？

多久通知消费者？

能不能通过OTA解决？

不能OTA的，多久完成线下维修？

更重要的是，同样的问题会不会再次发生？

这些才是真正决定质量体系水平的指标。

未来车企可能要拥有一套“百万辆级纠错系统”

当L2渗透率只有10%时，一个辅助驾驶问题影响的是少数车辆。

当渗透率达到70%甚至90%，逻辑就完全不同。

假设一家车企一年销售100万辆智能汽车。

某个软件版本存在一个极低概率的问题。

哪怕发生概率只有万分之一，对应到100万辆车上，也可能意味着100辆车遇到同类情况。

如果这个问题涉及安全，企业就不能把它简单理解成“偶发Bug”。

这时候，真正考验的是整个系统。

车辆数据能不能迅速上传？

不同事故和异常能不能自动聚类？

工程师能不能判断是不是同一个原因？

受影响的是1万辆车，还是100万辆车？

如果需要升级，服务器是否能够支持大规模OTA？

如果必须线下维修，全国服务网络能不能承接？

这意味着，智能汽车竞争正在出现一个过去不那么受关注的新能力：

大规模纠错能力。

过去汽车公司最重要的能力之一，是把100万个零件稳定地组装成汽车。

未来它还必须拥有另一种能力：

把100万辆已经卖出去、正在路上运行的汽车，持续管理起来。

这两种能力完全不同。

制造解决的是“交付之前”的质量。

而智能汽车真正困难的地方，是“交付之后”仍然要继续负责。

OTA让召回更快，也让责任边界更复杂

智能汽车还有一个非常特殊的特点：

很多问题可以通过OTA解决。

这看起来是巨大进步。

过去因为软件问题需要召回10万辆车，车主可能都要到店维修。

现在一夜之间推送一个版本，理论上就可以覆盖大量车辆。

成本更低。

效率更高。

消费者也更方便。

但OTA同样带来了一个新的问题。

如果一个安全问题可以远程修复，它到底算普通软件升级，还是一次召回？

如果企业不断通过更新修复功能问题，哪些属于正常产品迭代，哪些属于缺陷整改？

消费者有没有权利知道？

这也是智能汽车治理越来越重要的一部分。

因为OTA不能变成一种“看不见的维修”。

对于涉及安全的重要缺陷，消费者需要知道：

哪里出了问题。

为什么出问题。

影响哪些车辆。

升级解决了什么。

如果升级失败怎么办。

未来智能汽车企业真正成熟的标志，可能并不是软件更新得有多频繁。

而是每一次更新为什么发生，都能说得足够清楚。

消费者买智能车，也该换一套指标了

过去消费者买车，通常关注几件事。

价格。

动力。

油耗或者续航。

空间。

品牌。

配置。

智能汽车普及之后，还要增加一张新的清单。

第一，看辅助驾驶能力的边界。

车辆到底能做什么，不能做什么。

哪些情况下驾驶员必须接管。

营销语言是一回事，实际责任边界是另一回事。

第二，看OTA能力。

一家车企的软件能不能持续更新，不仅影响功能体验，也直接影响缺陷修复效率。

第三，看历史召回和处置。

这里不是简单比较谁召回次数更多。

真正要看的是企业遇到问题之后反应够不够快、处理够不够透明。

第四，看售后服务网络。

因为不是所有问题都能OTA。

电池、底盘、制动、转向、传感器等硬件问题，最终仍然要依赖线下维修体系。

最后一个，也是最容易被忽略的指标：

企业愿不愿意承认问题。

汽车行业不可能存在永远不出问题的企业。

零缺陷在复杂工业系统中几乎是不现实的。

真正重要的是，发现问题之后，是主动寻找问题、公开问题并修复问题，还是直到问题无法回避才行动。

这两种质量文化，长期来看差别可能非常大。

智能汽车的下半场，开始比“犯错之后怎么办”

过去几年，智能汽车最容易传播的故事，几乎都围绕“又学会了什么”。

会自动泊车。

会高速领航。

会城市辅助驾驶。

会语音交互。

会自己找充电桩。

这些能力仍然重要。

但随着L2逐渐成为主流配置，行业真正困难的问题正在浮出水面。

功能越多，系统越复杂。

系统越复杂，出现边缘问题的概率就越值得重视。

车辆数量越大，一次小概率缺陷影响的人也可能越多。

于是汽车公司的能力边界开始被重新定义。

一家真正成熟的智能汽车企业，不只是应该证明：

“我的车有多聪明。”

还应该证明：

“如果它犯错，我能多快发现。”

“发现之后，我能多快修好。”

“修好之后，我能不能保证类似问题不再发生。”

当L2渗透率超过70%，智能汽车已经走过了“有没有”的阶段。

下一关，是可靠性。

是责任。

是售后。

也是召回。

过去汽车行业比的是，谁能把一辆车造得足够好。

智能汽车时代则多了一场更困难的考试：

当几百万辆车已经开上公路之后，谁还能持续把它们管好。

这可能才是智能汽车真正进入大众时代以后，最值得关注的竞争力。