文化大观园

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 |     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。    　　北京8月24日电 题：访北京中关村AI原点社区：AI重塑创业方式 　“一人公司”涌现　　作者 牛琳 李在阳 杜思凝 李立卓　　在北京市首批四个人工智能创新街区之一——位于北京海淀中关村腹地的AI原点社区，一种新的创业模式不断涌现：公司规模很小，甚至只有一两个人，却能够完成从产品研发到市场推广、售后服务的全链条工作。　　在AI原点社区，北京灵明智界科技有限公司创始人刘佳颖，一人负责AI潮玩产品的设计开发直至市场投放；北京星动时光科技有限公司创始人徐帅，则依靠两名核心员工和一批“AI员工”，为企业提供AI办公技能培训及智能体开发服务等。         现在，这种“记忆能力”开始进入物理世界。　　他们选择的都是近来备受关注的全新创业模式——“一人公司”(One Person Company，简称OPC)。

B |          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。         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。

C | 随着人工智能技术的迭代升级，越来越多的创业者开始借助AI工具降低人力成本，凭借数智工具与外部协作网络，创业者“一人”即可独立完成从产品设计研发到市场投放的全链路商业闭环。         从“一个AI服务所有用户”，走向“每个人都有自己的AI”。

D |          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。　　当AI成为“员工”，创业者专注决策　　刘佳颖的公司没有传统意义上的产品团队。         马斯克回应：          FSD很快会记住用户的停车偏好。

E | 借助AI工具，刘佳颖一人几乎承担了从IP设计、技术攻关到供应链整合的全部工作。　　这款正在开发中的AI潮玩被命名为“星芽”，它结合音乐和陪伴功能，希望通过智能硬件交互为用户提供情绪价值。

F |          最近的这一次，更加关键。         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。

G | 　　“每个环节几乎都需要AI辅助，比如市场调研、海报设计、程序代码撰写等，但决策部分需要人来做。         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。”刘佳颖说，她会同时使用多个AI工具，对市场分析、产品设计等进行交叉验证，再根据结果做出最终判断。　　相比之下，徐帅的公司虽然只有两名员工，但其服务对象包括多家大型企业。         过去，自动驾驶面对的是一个抽象用户。在他的公司里，AI承担了多个岗位角色：培训专家、产品经理、技术总监、数据分析师等。比如，开发产品时，AI产品经理并不只是简单执行指令，而是通过不断提问，引导创业者把需求描述清楚。　　徐帅认为，AI的价值并不是完全替代人，而是帮助创业者减少大量基础性、重复性工作，把更多精力投入到宏观决策中。         无论谁坐进车里，背后的模型都是同一个。

H |          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。         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。

I | 　　OPC降低创业门槛，但不意味着孤军奋战　　作为一名OPC创业者，刘佳颖说，这并不是因为创业者不需要合作，而是合作方式发生了变化。　　在选择OPC创业之前，刘佳颖曾有过创业经历，并由此体会到，创业早期扩大团队往往带来较高的沟通成本。“有时你需要先把想法传达给中间人，再由他们向下传递，这个过程很容易出现信息偏差。         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。”而通过OPC创业，她可以亲自对接和把控核心业务环节，保持信息传递的准确性与执行效率。         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。         它学习的是：在安全范围内，你希望它如何开。　　徐帅也认为，传统招聘模式成本较高，而AI能够承担部分专业岗位的工作。

J |          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”。但他同时强调，在客户对接、商务合作、线下培训等环节，AI还无法取代人类。         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。　　对于OPC创业者而言，减少内部员工数量，并不意味着减少外部连接。         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。中关村科学城管委会产业促进一处工作人员指出，从产业服务视角来看，OPC创业简化了注册流程、降低了创业门槛，但创业者无需孤军奋战。         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。         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。　　中关村科学城管委会产业促进一处工作人员表示，北京市海淀区依托AI原点社区、百年京张AI创新带等载体，打造产业链就近集聚、协同发展格局，配套初创补贴、算力补贴、模型券、人才公寓等扶持政策，联动高校、创投机构、专业服务商常态化开展供需对接、技术沙龙，同时开放公共算力、AI数字工具降低单人运营压力，政府、产业链、科创资源形成全方位支撑网络，为单人创业提供充足外部协作资源。         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。7月29日，AI原点社区内的原点学堂活动展板。

K |          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。

L |          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”。

M |          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。

N |          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。　李在阳 摄　　在AI原点社区，刘佳颖感受到的是产业生态带来的便利。这里聚集着硬件、算法、数据、应用等AI全链条创业团队，需要寻找合作伙伴时，可以快速对接。然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。         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”。“上下游很好找，大家都在做AI相关业务，多交流能带来很多启发。”刘佳颖说。         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。　　徐帅也提到，除办公空间外，园区还能提供工商注册、财务服务、路演活动等支持，帮助创业者对接投资人和同行。

o | 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。         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。　　“一人公司”是起点，而非终点　　尽管AI让创业者能够以更低成本、更小规模启动公司，但刘佳颖和徐帅均表示，OPC并不是企业发展的最终状态。         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。

p | 　　刘佳颖指出，“一人公司”更多是创业早期阶段的一种形态。         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。“如果以后找到合适的合作伙伴，大家一起加入，公司自然就不是OPC了。

q | ”　　徐帅也在寻找更适合业务发展的合作伙伴。他认为，即使拥有大量AI工具协助，企业发展到一定阶段仍然需要更多人的参与，“很多事情必须要人去做”。　　中关村科学城管委会产业促进一处工作人员表示，在AI原点社区，“一人公司”持续涌现，正在成为新的创业样板。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。

r | 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。过去，创业者需要组建团队，以完成大量执行和管理协调工作；如今，借助AI工具，创业者更加聚焦于方向判断和资源整合。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”。未来，公司的规模或许不再单纯以员工数量衡量，而取决于创业者能够调动多少智能资源、连接多少外部力量。         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。

s | 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。

t |          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。

u |          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。

v |          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。

w |          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。

x |

Current article:http://5h2v0.shuazhepenxingshuaisenqienai.buzz/news/20260826_2525638.html

Published on:13:39:52