致我们终将逝去的青春

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。据了解，湖南籍的傅松生前很爱嚼槟榔，其口腔癌就是槟榔导致。         从“一个AI服务所有用户”，走向“每个人都有自己的AI”。湖南等地不少人习惯饭后、旅行，甚至聊天散步都要嚼上一颗。         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。然而，槟榔早被世卫组织列为一级致癌物。         6月的一次，是关于停车习惯。那么，为什么长期嚼槟榔会致癌呢？记者采访了相关专家。         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。吃槟榔对口腔是“双重打击”“因嚼槟榔引发的口腔癌在临床上很常见。         马斯克回应：          FSD很快会记住用户的停车偏好。”南昌大学附属口腔医院黏膜牙周科主任医师宗娟娟介绍说，槟榔经咀嚼后形成致癌化合物，会诱导同源染色体基因的改变，让抑癌基因失活和癌基因激活，同时槟榔咀嚼时易对口腔黏膜造成创伤，容易发炎，伴随频繁口腔溃疡、组织纤维化，在黏膜细胞增量的过程中很容易出现细胞坏死突变，成为癌细胞，最后演变成口腔癌。其实，早在2003年，国际癌症研究中心就把槟榔列入“黑名单”，为一级致癌物。至于致癌原因，一是槟榔里的化学物质经咀嚼后，形成的亚硝基，是明确致癌的化合物；二是槟榔较硬，咀嚼时易对口腔黏膜造成机械创伤。         最近的这一次，更加关键。原国家食药监总局在2017年公布致癌物清单时，已将槟榔果列入一级致癌物。         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。记者了解到，中国首位发现口腔癌与槟榔有关联的学者翦新春发表的《槟榔致癌物质与口腔癌》论文中指出，咀嚼槟榔之所以能导致口腔癌，是因为槟榔中的多种活性成分和代谢产物有细胞毒性、遗传毒性甚至直接致癌性，这些物质包括槟榔生物碱、槟榔鞣质、槟榔特异性亚硝胺和活性氧等。简单来说，就是槟榔纤维粗糙，长期嚼槟榔会对黏膜损伤、牙齿损伤。另外其所含的生物碱能直接杀死细胞，进而造成口腔损伤。长期咀嚼槟榔简直就是对口腔黏膜的“双重打击”。         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。这也可以解释为什么很多长期咀嚼槟榔的人不仅会感到口干舌燥，还会伴有烧灼感，如恶化后，会出现无法进食刺激性食物，口腔内疼痛感增强，开口受限，语言不清等症状。医生建议：远离槟榔，珍爱健康2018年，中华口腔医学会和中国疾控中心曾调研湖南省群众咀嚼槟榔和口腔癌的现状，当时中南大学湘雅医院口腔颌面外科病房内，50位住院患者有45人患口腔癌，其中44人有长期大量咀嚼槟榔史。         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。

C | 宗娟娟告诉记者，近年的临床调研发现，口腔黏膜下纤维性变的患者呈年轻化趋势，年龄集中在20—30岁，均有嚼食槟榔的习惯。         无论谁坐进车里，背后的模型都是同一个。

D |          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。2019年，国家卫健委在《健康口腔行动方案（2019—2025年）》的解读中提到，要对长期咀嚼槟榔等高危行为进行干预，促进群众养成健康的行为和生活方式。“最开始认识槟榔是因为患者，近年来因口腔黏膜下纤维化就诊的患者明显增多，因此增加了对槟榔的关注。这类患者往往因为嘴巴张不开，吃辛辣刺激的食物黏膜疼痛等问题前来就诊，且多是青年人，而这些问题只是咀嚼槟榔后的初始问题，继续发展可成为口腔癌。

E |          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。”南昌大学附属口腔医院黏膜牙周科医师李维芝告诉科技日报记者，出现问题后轻则需手术切除癌变病损、影响外貌及降低生活质量，重则危及生命。         这些属于人的驾驶习惯，一直没有进入自动驾驶系统。湖南因盛产槟榔，口腔癌的发病率远高于其他省份。         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。         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”。

F | 李维芝说，关于吃槟榔或许开始时大家只是出于好奇或者好友推荐尝试一下，但是槟榔中含有槟榔碱，这是一种类似尼古丁的物质，会使人成瘾、产生快感，因此一旦开始往往难以戒除，久而久之口腔黏膜发生病变甚至发展成口腔癌、咽喉癌等。“槟榔导致的黏膜下纤维性变往往无法根治，因此患者终身受其困扰。         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。”李维芝提到，在槟榔广告随处可见、各小卖部均有售卖槟榔的今天，大家要主动远离槟榔，珍爱健康、珍爱生命，如果出现不适，尽早就医。

G |          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。

H |          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。         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。

I |          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。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”。         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。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。         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。

J |          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。

K |          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。

L |          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。

M | 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。

N |          这意味着，User Model可能成为自动驾驶新的能力层。

o |          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。

p |          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://gqp0cl.naoninanglouzhei.bond/news/20260826_559372.html

Published on:19:37:43