一 | 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。 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。 Kenny 报道 2月21日早晨，49岁绿党议员Fa’anana Efeso Collins在奥克兰市中心参加慈善活动时，突然倒地去世。 Advertise with us (图片来源：HZ Herald) 当时他正在市中心Britomart参加儿童基金会的Water Run慈善募捐活动，为太平洋岛裔社区筹款。
二 | 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。 从“一个AI服务所有用户”，走向“每个人都有自己的AI”。
三 | 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。
四 | 马斯克回应： FSD很快会记住用户的停车偏好。 最近的这一次，更加关键。
五 | 但9点半左右他突然倒地不醒。
六 | 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。 急救部门当即对他使用了除颤器和心肺复苏术，治疗持续了约1个小时。
七 | 现场工作人员明显情绪激动，有人开始哭泣。
八 | 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。
九 | 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。 过去，自动驾驶面对的是一个抽象用户。一位活动志愿者表示：“每个人都惊呆了，一切发生得太快。”他说就在昏倒的前一刻Collins还开心的面露笑容。 无论谁坐进车里，背后的模型都是同一个。
十 | 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。 活动组织者稍后向英文《先驱报》证实，Collins已经去世。 （图片来源：NZ Herald） 49岁的Collins有一位妻子和两个女儿。 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。他出生于萨摩亚的查塔姆岛，在奥克兰南区长大，因竞选2022年奥克兰市长而声名鹊起。
十一 | 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。
十二 | 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。 作为一名萨摩亚移民，Collins一直积极参与太平洋岛裔社区活动，为岛裔年轻人提供鼓励和支持。 2016年他成功当选奥克兰Manukau市议员，2022年他以独立人士身份竞选市长（败选），2023年他以绿党排名议员的身份（排名第10）进入国会。
十三 | 他是绿党多项事务的发言人，主管地方政府、太平洋裔、体育娱乐、怀唐伊条约谈判等。 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”。
十四 | 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。 根据绿党的排名名单，接替他的将是华裔Lawrence Xu-Nan（疑为“南西”，因X账号备注的中文是南西）。
十五 | 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。
十六 | 去年大选Xu-Nan以绿党候选人身份竞选Epsom选区，是绿党唯一的华裔候选人。 （图片来源：“Lawrence Xu-Nan | 南西”X账户） 竞选资料显示，36岁的Xu-Nan住在Mt Wellington，从事国际教育行业，是绿党连续三年的会议联合召集人（co-convener），党内排名第16位。 绿党在本届国会拥有15名议员，由于联合党魁James Shaw宣布离任，加上猝然去世的Efeso Collins，排名第16位的Xu-Nan成为最有可能进入国会的接班人选。这也让他可能成为继张雋浩（Carlos Cheung）和陆楠（Nancy Lu）后第三位华人议员。 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。如果成真，本届新西兰国会将创造历史。 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。 新西兰大选采取MMP制度，除了通过直选决定选区议员外，剩下议席根据党票在各政党之间按照排名再分配（即排名议员）。 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。
十七 | 当有排名议员去世、辞职或离职时，TA的议席将由排名紧随其后的候选人顶上。 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。——但最终结果需要选举委员会首先从政党那里获得确认。 相关阅读： 绿党联合党魁竞选拉开帷幕，她率先宣布参选！ 突发！James Shaw将辞去绿党联合党魁一职 注：本文为编译/原创，欢迎转发分享；但严禁复制等未经授权的非法使用。违反上述声明者，本网将追究其相关法律责任。然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。
十八 | 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”。 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。使用授权请联系[email protected]。
十九 | 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。
| chineseherald.co.nz All Rights Reserved 版权所有 (责编：Sophie) 相关内容 工党人事大洗牌！他辞职去当大学校长只因羁绊太深？ ANZ员工给自己放贷去赌博，居然只被判分期还债？ 涨薪也没用：近万新西兰护士计划奔赴澳洲 疫情通报：过去一周新西兰新增6312例 新西兰将重置福利体系：“领完福利就躺平”不行了！ 坎特伯雷大火再次燃起 居民焦急撤离等待 新西兰人口告急！增长率八十年来最低！ Christopher Luxon国情咨文首秀：前政府太让人失望，要做出“艰难的选择”。
| 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。 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。 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。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。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。 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。 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。 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。 不过，真正的难点也在这里：个性化不能突破安全边界。AI要明白不能学习你喜欢超速、喜欢危险变道等等行为。 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”。
| 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。
| 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。 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。 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://www.laojiusidaosenleliao.bond/ib36k/62qmm6h.xlsx
Published on:02:50:27
微信
移动端
