百度地图
新冠新毒株KP.2在美英等多国迅速传播，或更具传染性_我的网站
一 |
二 | 现在，这种“记忆能力”开始进入物理世界。世界卫生组织表示，将继续密切监测病毒的演变。
三 |
四 | 6月的一次，是关于停车习惯。
五 | 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。 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。
六 |
七 |
八 | 无论谁坐进车里，背后的模型都是同一个。虽然大多数人对疫苗接种或以前感染过的新冠病毒有一定的免疫力，但墨菲指出，“对于新冠病毒感染（COVID-19），免疫力会随着时间的推移而减弱。
九 | 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。”
十 | 早期证据表明，KP.2似乎比以前的亚株更具传染性，但现在判断它是否更危险还为时过早。 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”。我们应该监测这个亚谱系的传播，但鉴于现在没有很多测试，这很困难。
十一 | ”
十二 | 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。英国卫生安全局（UKHSA）尚未对FLiRT发表评论，但英国病例的增加可能表明它是新的主要变种。
十三 | 世卫组织COVID-19技术负责人Maria Van Kerkhove此前表示，“KP.2是JN.1的后代谱系，而JN.1是全球主要菌株，KP.2刺突蛋白有额外的突变。还有其他新兴变体，JN.1不断发展，我们将继续看到这些变体传播。 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。”
十四 | 据中国疾控中心公布的最新数据，2024年4月1日-4月30日，31个省（自治区、直辖市）及新疆生产建设兵团共报送11299例本土病例新冠病毒基因组有效序列，均为奥密克戎变异株。 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。
十五 | 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”。主要流行株为JN.1系列变异株，占比前三位的分别为JN.1、JN.1.4和JN.1.16。
十六 | 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。
十七 | 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。
十八 | 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。
十九 | 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://hottq0c.zongchaeiwengshuabaisisuofu.sbs/news/20260826_28702.html
Published on:00:25:18
