你有没有因为FSD在HOV车道上提前“怂”出去、被堵在普通车流里而气得接管方向盘？如果有，你不是一个人。这个问题被车主@wholemars在X平台上抱怨了无数次，而这一次，马斯克的回应远超预期。不是修复某个bug，而是让FSD记住你每一次“愤怒接管”背后的偏好，并据此学会你的驾驶风格。
这意味着，特斯拉FSD正在从“一套算法统治所有车主”的标准化路线，转向一个全新的范式：个性化自动驾驶。
从“统一逻辑”到“千人千面”的转折
2026年7月，马斯克在X平台确认，特斯拉FSD系统正在从“通用型、一套方案适用于所有用户”的驾驶系统，转变为真正的个性化驾驶系统。此前，搭载FSD的特斯拉车辆在整个车队中基本采用相同的驾驶逻辑。但未来，FSD背后的神经网络将能够直接学习每位车主的个人驾驶习惯，并记住用户的偏好。
这一转变的直接导火索，来自一位长期用户@wholemars的抱怨。他反映，车辆经常会在不该离开的位置驶出高载客车道，也就是HOV车道，或快速车道。FSD有时会主动退出左侧的畅通车道，结果汇入拥堵车流，而旁边最左侧车道上的车辆仍然畅通无阻。这种“降智操作”多年来一直困扰着FSD车主。
马斯克的回应出人意料。不是“我们会修复这个bug”，而是：“车辆将开始记住你具体的人工干预行为，并根据每个人的个人偏好进行调整。”
这并非一个孤立的承诺。就在两个月前，2026年6月，马斯克已经在X上预告过另一个个性化功能：即将发布的FSD版本将记住用户在家、办公室或学校门口等常用地点的停车偏好。他当时称，目的地停车至今仍是用户介入FSD操作的“最主要”原因，而“涉及安全的关键干预则极为罕见”。
停车偏好学习、HOV车道行为学习，两件事叠加在一起，勾勒出一个清晰的信号：特斯拉FSD正在从“机器定义最优驾驶”转向“机器适应你的驾驶”。
端到端架构的“最优解”假设，正在被否定
理解这一转变的意义，要先回到FSD的技术根基。
特斯拉FSD从V12版本开始全面转向端到端神经网络架构。工程师不再编写数十万行规则代码，而是向神经网络投喂海量真实驾驶视频，让AI自己观察、总结、寻找驾驶模式。截至2025年底，FSD的累计训练里程已突破70亿英里，其中城市道路训练里程超25亿英里。全球特斯拉车队还在以数千万英里/天的速度持续积累数据。
这套端到端架构的优势，在于它让FSD的驾驶决策变得流畅自然，不再出现早期版本中机械、迟疑的驾驶风格。但它的训练逻辑也天然导致了一个隐含假设：存在一个“最优驾驶方式”，可以通过海量数据逼近。
个性化驾驶的引入，等于正面否定了这个假设。它承认了一个被忽视的事实：不同人的驾驶偏好，不存在“最优解”。
有人喜欢倒车入库，有人习惯车头朝前驶入。有人愿意在HOV车道上“死磕”到底，有人看到拥堵就提前切出。有人跟车距离留三米，有人只留一米五。这些差异不是“对错”问题，而是“习惯”问题。传统FSD学的是“大多数人怎么开”的统计平均值，但任何开了几年车的人都知道，这个平均值可能并不适合你。
个性化学习如何实现：两根数据管道
马斯克的回应中透露了两条关键线索。
第一根管道是接管反馈数据。最近特斯拉推出了一个略显“固执”的FSD接管反馈菜单。每当驾驶员从FSD手中接管车辆，屏幕上都会弹出一个菜单，让用户反馈接管原因。这些反馈数据正在帮助特斯拉判断，哪些问题最需要优先解决。而个性化学习的核心逻辑，就是将反馈从“全局优化信号”变为“个体学习信号”。当驾驶员多次在类似情况下接管方向盘，系统不再记录“这是FSD的通用bug”，而是记录“这位车主不喜欢这种处理方式”。
第二根管道是车内摄像头。特斯拉的车内摄像头自2021年Model 3/Y改款后已全面标配，最初用于驾驶员注意力监控。但它的能力远不止于此。它能够识别驾驶员的视线方向、面部表情、甚至操作习惯。当个性化学习开启后，车内摄像头可以判断“驾驶员是觉得FSD开得不对而接管，还是因为自身焦虑而提前干预”，从而更精准地学习个人偏好。
这两条数据管道结合，构成了个性化学习的闭环：你接管，反馈原因，系统记录场景，下次遇到类似场景时调整策略，观察你是否再次接管，确认学习是否成功。
FSD v15：10倍参数模型承载的个性化野心
这些个性化功能将在什么时候落地？马斯克给出的时间窗口是今年冬季或明年初，伴随FSD v15版本的发布。
FSD v15不是一次常规升级。马斯克已确认，v15将是一个参数规模从当前约10亿提升至100亿的“大模型”，正好10倍。v14.3已经在AI编译器和运行时层面进行了全面重写，使车辆反应速度提升了20%，而v15将在这一基础上进行架构级刷新。
马斯克甚至放话，v15的安全性将“远远超过人类水平”，即使在完全无人监督且复杂的场景下也是如此。当然，这已经不是他第一次做出类似表态。此前V12和V14发布前，他都说过类似的话，最终并未完全兑现。但10倍参数规模确实意味着模型能力的质变。
参数规模的指数级增长，对个性化学习尤为关键。当前的10亿参数模型需要将绝大多数“脑容量”用于处理通用驾驶场景，分配给个性化记忆和学习的空间极其有限。而100亿参数意味着模型可以在维持通用驾驶能力的同时，为每一位车主开辟专属的“记忆空间”，存储你偏好的跟车距离、你习惯的变道激进程度、你常去的停车位置、你对HOV车道的容忍阈值。
隐忧：个性化会不会“学坏”？
个性化自动驾驶并非没有隐忧。
最直接的质疑是：如果FSD学习的是“坏习惯”怎么办？如果一位车主习惯于激进驾驶，FSD是否也会变得越来越激进？马斯克目前的表述暗示，个性化学习存在边界。系统会学习“偏好”，但不会学习“危险行为”。安全偏好始终高于个人偏好，接管反馈中的数据会被筛选，只有那些“非安全关键干预”的行为才会被纳入个性化学习。
但这条边界在实际操作中并不清晰。什么算“安全关键”，什么算“风格差异”？在狭窄街道上贴边行驶，对某些人是“驾驶风格”，对其他人是“危险操作”。FSD如何区分这两者，将决定个性化功能的安全边界。
此外，还有一个更根本的挑战：个性化是否会削弱FSD的规模化进化优势？特斯拉FSD最大的护城河，是全球数百万辆特斯拉车队共享同一套算法、同一套神经网络，每一辆车的学习都能让所有车受益。如果每辆车开始“各学各的”，这个数据飞轮效应是否会打折扣？
马斯克的回答似乎是：两者并行。每个人都拥有一个“基础模型”，也就是统一的FSD核心能力，叠加一个“个人适配层”，用来学习你的偏好。基础模型仍然从全球车队的数据中持续进化，而个人适配层只记录你的个体差异。这样既保留了数据飞轮的优势，又实现了个性化体验。
行业连锁反应正在酝酿
特斯拉FSD的个性化转向，在自动驾驶行业可能引发连锁反应。
长期以来，自动驾驶行业的主流叙事是“机器比人开得好”。标准化的、无情感的、高度一致的驾驶行为被认为是“更安全”的代名词。特斯拉FSD的个性化学习，实质上是在挑战这一叙事。它承认了“好”的驾驶不是一个固定标准，而是因人而异的。
这对其他自动驾驶公司意味着什么？Waymo、Cruise等采用多传感器融合方案的公司，如果跟进个性化路线，需要面对更高的技术复杂度。激光雷达和毫米波雷达的数据与神经网络个性化学习的结合，目前还缺乏成熟的工程方案。而走纯视觉路线的竞争者，则可能借此机会缩小与特斯拉的差距。
谁受益，谁危险？
短期来看，最直接的受益者是FSD车主，尤其是那些因为FSD“驾驶风格不合拍”而长期弃用的用户。FSD的订阅转化率，有望因个性化功能而提升。
中期来看，这一策略可能帮助特斯拉在Robotaxi业务中找到差异化定位。马斯克此前表示，Robotaxi扩张速度受限于安全验证进度，正等待FSD v15的推出。而个性化驾驶能力，可能成为特斯拉Robotaxi与传统叫车服务的关键区别。这辆车认识你，它知道你怎么开车。
最危险的，可能是那些既没有庞大数据积累、又没有个性化技术储备的L2+/L3级辅助驾驶供应商。当头部玩家开始用“个性化”构建用户粘性时，标准化的辅助驾驶方案将越来越难卖出溢价。
当然，这一切的前提是：FSD v15准时上线，个性化学习如承诺般工作，且安全边界清晰可控。考虑到马斯克此前对FSD安全性的承诺未完全兑现的历史，对v15的期待也需要保持一定的审慎。
但即便如此，方向本身已经足够重要。从“一套算法统治所有人”到“机器学会适应人”，这可能是自动驾驶从“技术驱动”迈入“用户体验驱动”的转折点。
当全行业都在追求“让机器开得比人更好”时，特斯拉选择了一条更谦逊的路。“让机器开得像你”。这或许才是自动驾驶走向大众的真正钥匙。
快报