河神

特斯拉FSD新能力曝光：自动驾驶开始拥有“用户模型”，AI司机千人千面_我的网站

A |     妙瓦底电诈卷土重来了！但这一次，他们盯上的是明星、演员。已经有多个演员上当了，其中，一个名叫“王星”的男演员，就被电诈分子骗入妙瓦底失联了。    贾浩楠 发自 副驾寺     智能车参考 | 公众号 AI4Auto          ChatGPT能记住你的聊天历史，知道你的表达习惯，甚至可以根据过去的交流调整回答方式。         现在，这种“记忆能力”开始进入物理世界。而另一个名叫“徐大久”的男演员，防范心理比较强，意识到不对劲后，拿着1200元定金，就及时止损了。为什么这些电诈分子会盯上中国演艺圈？主要有两个原因：一是，演员比较有钱。         马斯克一条推文，透露了Tesla FSD正在发生的新变化：          FSD开始拥有“千人千面”的能力。

B | 电诈集团的收入有很多种来源，包括诈骗，索要赎金以及买卖器官等。         从停车偏好，到驾驶干预，再到长期驾驶习惯，FSD正在尝试记住每一个人的不同。像这种演员一旦被绑架了，光是赎金收入，就能赚一大笔。

C | 二是，演员相对比较容易受骗。         从“一个AI服务所有用户”，走向“每个人都有自己的AI”。         马斯克确认：FSD开始拥有“长期记忆”          事情起源于马斯克最近两次公开回复。         6月的一次，是关于停车习惯。         有用户提出，希望FSD能够记住自己在固定地点的停车方式，比如回家停哪里、去公司停哪里。在外人看来，演员是一个高薪的职业。         马斯克回应：          FSD很快会记住用户的停车偏好。可实际上，大部分演员收入都很低，没有稳定工作，靠天吃饭。

D |          最近的这一次，更加关键。有戏拍，就能赚一笔，没戏拍，就没收入了。

E | 而且，演员为了保持身材，颜值，跻身娱乐圈，投入自己身上的钱，就特别多。         有用户反馈，FSD在一些驾驶决策上不符合自己的习惯，比如车道选择、变道时机等。         马斯克表示，未来车辆会记住用户具体的接管行为，并逐渐匹配每个人的驾驶偏好。         两次回复本质上是同一件事：          FSD开始从一次性的驾驶任务，走向长期理解驾驶员。这就让诈骗分子钻了空子。他们以拍戏为名，诱骗演员出国。         过去，自动驾驶面对的是一个抽象用户。         无论谁坐进车里，背后的模型都是同一个。         它知道：这里是什么道路，前方有什么车辆，应该如何规划路线。

F | 可下了飞机，从曼谷开车到妙瓦底，仅6个小时。         但它不知道：你喜欢提前变道，还是宁愿多等几秒；你喜欢跟车近一点，还是更关注舒适；你回家时习惯停在哪里。要是从清迈出发，只要3个小时。         这些属于人的驾驶习惯，一直没有进入自动驾驶系统。         而现在，Tesla让这些信息成为AI决策的一部分。         和之前我们谈论FSD不同的是，“长期记忆”不是让FSD重新学习“怎么开车”，这件事已经由基础模型完成。曼谷机场也就是说，当你在泰国降落的时候，只要3到6个小时，你就被送入妙瓦底电诈工业园区了。         它学习的是：在安全范围内，你希望它如何开。         这也是Tesla第一次公开走向Personalized FSD：          从“一个模型服务所有司机”，走向“基础模型+个人驾驶偏好”。         为什么是现在？          “千人千面”“越开越懂你”，智能汽车行业其实喊了很多年。         但真正落地很难，用户体验完全依赖车企OTA的“自觉性”和能力高低，系统更新后体验下降的事也不罕见。         因为截至目前，绝大多数自动驾驶玩家竞争，还停留在模型、数据层面，本质上都是在解决：如何让AI成为一个更好的司机。一不小心，你的人生就毁了。         而特斯拉在V14完成端到端重构之后，开始率先探索另一个问题：          如何让AI成为你的专属司机。天堂与地狱，仅隔着一条河而已。为什么这么说呢？因为妙瓦底位于泰缅边境线上，中间就隔着一条“莫艾河”。在泰国一侧，是湄索特区，河对面就是妙瓦底了。大家一定要注意，只要看到湄索这个地方，千万不要去。         这背后，对应的是近几年自动驾驶领域兴起的几个研究方向：          Driver Modeling、Preference Learning以及Human-in-the-loop Learning。

G | 这里是妙瓦底电诈的桥头堡，一旦进入湄索，天堂与地狱就只剩一条小河了。可缅北反电动行动，就已经走向大结局了。为什么妙瓦底电诈却没有被铲除呢？这主要有三个原因：一是，它的地理位置太特殊了。像缅北地区，它紧挨着中国。

H |          最早出现的是Driver Modeling，也就是“驾驶员建模”。         简单来说，就是给每个驾驶员建立一个数字画像，比如：有人开车更激进，喜欢更短跟车距离，喜欢更快完成变道；有人更保守，倾向提前减速，更少主动超车。         传统自动驾驶系统会把这些差异忽略，默认存在一个“平均驾驶员”。         而Driver Modeling希望解决的问题是：AI应该知道，坐在驾驶位上的到底是哪一种司机。         技术上，这类方案通常会从历史驾驶数据中提取特征，比如方向盘操作、油门刹车变化、车速变化、变道频率、跟车距离。

I | 缅北电诈工业园主要位于小勐拉、佤邦和果敢三个特区。然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。

J | 当中国掀起反电诈风暴后，小勐拉、佤邦直接全面配合，主动铲除了自己辖区内的电诈产业。         这个向量不会改变基础驾驶能力，而是作为规划系统的输入，影响后续决策。         但Driver Modeling仍然存在一个问题：它更多是在判断“你是什么类型的人”，而不是理解：“你具体喜欢什么”。而果敢五大家族呢？舍不得这笔钱，不愿意放弃电诈产业。         于是近几年出现了Preference Learning，也就是偏好学习，它关注的不再是这个司机属于激进型还是保守型，而是这个司机在具体场景下更喜欢哪个选择。

K | 例如同样遇到慢车，方案A是提前变道，提高效率；方案B是保持车道，更加舒适。结果就是，果敢变天，五大家族全部走向覆灭。         AI通过长期观察用户选择，逐渐学习这个特定用户更倾向哪一种。

L | 可妙瓦底就大不同了，它位于泰缅边境，跟中国并不接壤。

M |          这与大模型的Preference Learning逻辑非常类似，模型能力是基础，用户反馈决定个性。         而Tesla这次提到的Intervention，其实更接近这一方向。它位于缅甸东部，而不是缅北。

N |          当然还有第三个方向，是Human-in-the-loop，它解决的问题是如何让人在自动驾驶学习过程中持续参与。         传统机器学习通常依赖大量标注数据。中国想要介入，必须联合缅甸、泰国，发起三方行动。但自动驾驶里，真正有价值的数据，往往不是正常驾驶，而是：AI不知道该怎么办的时候。         特斯拉过去大量收集车队数据，本质上就是利用全球车辆作为数据采集网络。这就涉及到第二个原因了，缅甸军方不愿意配合。为什么缅军不愿意配合呢？它的主战场不在缅东，而在缅北。在果敢战役期间，缅军主力都被抽调北上了，根本腾不出手来，对付驻守在妙瓦底的克伦佛教军。而且，缅军自身实力不足，还得对付昂山素季旗下的缅甸人民防卫军。而未来，如果把这些反馈进一步和个人账号绑定，那么数据价值会发生变化：          它不只是帮助Tesla优化一个统一模型，还可以帮助车辆理解某一个用户。缅军是既不想，也没有能力去铲除妙瓦底电诈武装保护伞。三是，克伦佛教军的阳奉阴违。克伦佛教军跟缅甸电诈武装是一个性质的，他们都投靠了缅军，被收编为“缅甸边防军”。但是，这种收编只是名义上的，实际军权依然掌握在当地。         Tesla目前没有公开FSD个性化功能的具体架构，但结合FSD V12之后的端到端路线，可以做一个合理推测：单独训练一个“每人一个模型”的可能性最低。在果敢反电诈的强力打击下，克伦佛教军也曾害怕过，一度遣散妙瓦底电诈工业园。

o |          原因很简单，如果每个用户都有独立模型，那么会导致训练成本巨大，更新困难，也会破坏Tesla统一模型的优势。         更符合FSD现有体系的方案，可能是：基础端到端模型 + 用户偏好记忆层。也就是底层模型负责视觉理解、道路判断、安全驾驶、通用规划。         上层增加一个轻量化的User Preference Layer，记录停车习惯、驾驶节奏、路线偏好、历史接管行为。当时，很多电诈分子都转移去了菲律宾、迪拜等。         基础模型负责“能不能这么开”，偏好模型负责“你是不是喜欢这么开”。         这其实和今天大模型的发展路径高度类似：GPT不会因为每个人重新训练一次。而是通过Memory、User Profile等机制实现个性化。可为什么妙瓦底电诈又死灰复燃了呢？核心就在于，克伦佛教军找不到第二个营收点。

p | 没了电诈收入，克伦佛教军就得喝西北风了。在缅北电诈告一段落后，克伦佛教军则重操旧业了，妙瓦底电诈产业园也重新开张了。可是，这无异于“火中取栗”，引火烧身。

q |          不过，真正的难点也在这里：个性化不能突破安全边界。对中国而言，反电诈已经成为绝对的政治正确。

r | AI要明白不能学习你喜欢超速、喜欢危险变道等等行为。妙瓦底不过是整个缅甸电诈产业中的最后一个窝点。

s | 中方绝不会允许这最后一颗毒瘤，继续残害中国人。

t |          这也是特斯拉此次探索最值得关注的地方：它不是让AI变成另一个你，而是“在安全约束内，越来越像用户”。

u | 相反，在缅北反电诈行动走向大结局后，中国也可以腾出手来，一举剿灭妙瓦底了！。         AI汽车进入“千人千面”时代          说过去几年，自动驾驶竞争的核心是：谁的数据更多，谁的模型更强，谁的能力更接近人类驾驶员。         但特斯拉的Personalized FSD一出，下一阶段，竞争可能会发生变化。

v |          今天，大多数智能汽车仍然依靠统一策略服务所有人。但未来，AI司机可能会越来越像真人司机，不是因为它拥有情绪，而是因为它了解你的习惯。

w |          这意味着，User Model可能成为自动驾驶新的能力层。         马斯克一石二鸟，解决了两个问题，首先是再次给智能汽车新卖点指出方向，而且是避免高度同质化、低效内卷的路径。         在车位到车位自动驾驶逐渐普及之后，量产车上的AI司机如何建立差异，会成为新的问题。         所有车辆都能完成基础导航和智能驾驶，那么下一步比拼的就是：谁更懂你、谁更符合你的驾驶习惯、谁更像一个长期陪伴你的司机。         当然，对技术能力的要求更高了。         尤其是对于“one for all”的自动驾驶供应商来说，可能很难腾出资源去开发这样的功能，而即使他们愿意开放权限给车企在基础模型上自由开发，有代码级AI能力的OEM却寥寥无几。

x |          所以，利好全栈自研玩家！          其次，之前有一句话把老马问道语塞：特斯拉造车卖车的模式，跟自动驾驶追求的目标，是不是本质上矛盾？          完全自动驾驶普及后，好像的确没有再买私家车的必要。         所以，Personalized FSD也给马斯克解了一个燃眉之急——Robotaxi落地如火如荼，但私家车，以及把AI司机搭载在私家车上依然有价值、有必要。         毕竟Robotaxi用一个AI服务所有用户就是最优解，不可能给出千人千面的高级定制体验。         Personalized FSD路径，其实与生成式AI的发展非常相似。         ChatGPT通过Memory变得更加个性化，AI Agent通过长期记忆完成复杂任务。         未来，汽车作为连接物理世界的重要入口，也可能拥有自己的长期记忆，当然，这并不意味着自动驾驶已经进入成熟阶段。         Tesla的具体实现方式、安全约束机制，以及个性化能力的边界，都还有待进一步验证。         但至少，一个趋势已经出现。

Current article:http://g8n.chenzhuaigecoupuhongyuntuizei.sbs/imk/20260826/4602569.html

Published on:12:06:05