L2、L3、L4，这三个词在车企发布会上被反复提起，但真正区分它们的，从来不是算力高低，也不是功能多少。在地平线开放日录制的一期播客里，市场副总裁陈遥给出了一个更朴素的答案：对用户来说，核心区别就是权责划分。
L2状态下，车在开，人得看着，安全全责仍在用户身上。L4则反过来，系统担责，人不需要监管。L3夹在中间，触发条件复杂，责任归属也最微妙。节目里直接批评了「L2.999」式的包装——把概念往L3上靠，却不承担L3的责任。
一部法律，把泡沫挤掉了
道交法修订明确了一件事：L3状态下，责任归车企。这个变化被节目视为帮行业回归开发本源的重要节点。
在此之前，企业要花大量精力向用户解释营销概念，语言体系不统一，研发和表达是两张皮。法规落地后，泡沫被挤掉，大家回到同一套语言里做产品。对行业来说，这是利好，不是束缚。
权责清晰之后，评价一辆车辅助驾驶好不好，标准也变得具体：方向盘稳不稳、变道果断不果断、复杂场景能不能应对。用户的脑子里有一个游动的「安心阈值」，某个场景一旦跳出这个区间，人就会接管，信任度随之下降。
像人，和安全不是一回事
节目里举了一个很直观的例子：大角度转弯时提前减速，既像人，也是安全的前置规避。但如果先不减速、到了跟前再急刹，安全是保住了，开起来却不像人。
辅助驾驶的体验被划分为三个时代：炫技、场景化、拟人化。到了拟人化阶段，要学的是驾驶行为的「公约数」，而不是千人千面的个性。训练数据必须像教材一样筛选——家长给孩子选教材，不会什么都往里塞。
目标被描述为「专车司机式的无感安心」：你坐在车上，不会一直想着系统在干什么，但你知道它靠谱。
芯片周期比软件长，算力上限决定体验上限
软硬结合的价值，在于预判三到四年后的算法需求。芯片三到四年一个周期，软件迭代快得多，定义芯片时给出的算力上限，直接决定了一个时代能兑现的体验上限。
2021年定义征程六时，行业客户和媒体的普遍判断是：到2025年，100T左右就够了。但英伟达随后给出了千T级方案，大模型出现之后，再没人说算力是浪费。
物理AI芯片和数据中心芯片的取舍完全不同。前者要求快速响应，受限于电池与散热，部署空间也有限。这些约束条件，构成了地平线在这个领域的门槛。
车企自研遵循一条「28定律」：20%自研，80%使用平台型供应商。这里说的是设备规模占比，不是企业数量。电脑和手机的产业形态都是如此。要成为那20%，公司就不再只是汽车企业，必须同时承担汽车平台与芯片两条重投入、长周期的迭代——特斯拉长期未出新车型，却在持续迭代芯片，就是这个逻辑。
地平线自己走过三代BPU，每个周期三到四年，采用研发一代、量产一代、预研一代的滚动方式。
智能车，本质就是量产的物理AI机器人
从智能驾驶延伸到机器人，在节目里被描述为必然选择。智能车本质就是大规模量产的物理AI机器人，只是它跑在规则道路上，动作维度收敛，且有成熟供应链支撑。
地平线当年先做汽车，看中的是中国年产两千多万辆的量级——这个规模足以承载芯片规划。如今机器人业务提供大脑、小脑与agent系统，除了硬件适配，还包括感知、决策、全身控制与错误闭环迭代，目标是把能力更快赋能给开发者。
节目里提到，在平台和开发工具的赋能下，开发者有可能成长为机器人领域的巨头。余凯「三年脱手开、五年闭眼开、十年随心开」的预测被基本认同，但嘉宾同时强调长尾效应的存在，对未来三年保持谨慎。
从会开车到会做事，物理AI进入真实世界的路径，可能比发布会上的时间表要长，但方向已经清晰。