上班这党事

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

拜托小姐

一 | K图 603221_0 　　中新网北京8月23日电(记者谢艺观)涨停的股票很多，但13个交易日斩获12个涨停板的并不多，爱丽家居算一个。　　这家主营PVC弹性地板的企业，股价从7月21日启动，一路狂奔至18日的30元/股，累计涨幅超两倍，总市值一度膨胀至72.68亿元。　　而就在一个多月前，爱丽家居预告，预计2026年上半年实现归属于母公司所有者的净利润亏损3450万元至4050万元。

二 | 　　业绩亏损却上演资本狂欢，爱丽家居凭什么受追捧？　　一则公告点燃资本热情　　这一切始于7月20日晚间的一则公告。　　彼时，爱丽家居宣布，拟筹划以自有和自筹现金方式收购不低于武汉欧康诺电子科技股份有限公司(以下简称“欧康诺”)股权总数的77.08%的股权，欧康诺100%股权的整体估值不超过人民币6.5亿元。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。收购完成后，欧康诺将成为爱丽家居控股子公司。爱丽家居公告截图。

三 | 　　一个是做PVC弹性地板的传统制造企业，一个是做存储芯片测试设备的高科技公司，本是风马牛不相及的两家企业，却因一纸意向协议站上AI存储风口，并迅速点燃起资本市场的热情。现在，这种“记忆能力”开始进入物理世界。　　7月21日，爱丽家居一字涨停。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。

四 | 此后股价如脱缰野马，连续拉出涨停板。8月3日，爱丽家居首次因股票交易异常波动停牌核查，但复牌后继续涨停；8月11日，爱丽家居再度停牌，不过8月18日复牌后继续涨停。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。　　直到8月18日晚间，上交所通报，部分投资者在交易爱丽家居过程中存在影响股票交易正常秩序的异常交易行为，已依规对相关投资者采取暂停账户交易等自律监管措施。从“一个AI服务所有用户”，走向“每个人都有自己的AI”。这场狂欢才告一段落。

五 | 　　但若将视线转向业绩层面，爱丽家居近年来的日子并不好过。

六 | 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。

七 | 　　2022年，公司一度陷入亏损境地，此后有所好转。到了2025年，公司实现营业收入11.27亿元，同比下降13.93%；归属于母公司所有者的净利润仅1717.77万元，同比暴跌87.55%。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。　　2026年一季度，情况进一步恶化，爱丽家居归属于母公司所有者的净利润亏损1482.77万元，同比下降166.88%；公司经营活动产生的现金流量净额为-4048.25万元。7月中旬披露的半年度业绩预告更加不乐观。　　虽然爱丽家居称，上半年业绩预亏是受到国际贸易环境持续趋紧及关税政策等影响，但对于这家地板商而言，寻找第二条增长曲线，已成为关乎生存的必答题。

八 | 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。

九 | 　　一场精心策划的跨界豪赌　　跨界方向那么多，为什么爱丽家居偏偏挑中了半导体？这源于AI革命下，大模型训练和推理对存储芯片需求的爆发式增长。

十 | 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。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。

十一 | 　　公开资料显示，欧康诺成立于2005年，是国内配套做HDD机械硬盘可靠性测试并实现量产的企业，为存储器原厂、头部互联网企业、整机厂、品牌厂等国内外客户提供自主研发的一站式存储器测试系统和产品测试服务。过去，自动驾驶面对的是一个抽象用户。无论谁坐进车里，背后的模型都是同一个。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。　　从交易细节来看，此次收购设计颇为精巧。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。这些属于人的驾驶习惯，一直没有进入自动驾驶系统。

十二 | 爱丽家居以现金方式收购欧康诺不低于77.08%的股权。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。与此同时，爱丽家居控股股东张家港博华企业管理有限公司向欧康诺实控人赵铭及其一致行动人协议转让爱丽家居20%股份。　　一买一卖之间，欧康诺的团队不仅拿到了现金，还成了上市公司重要股东，爱丽家居则顺利跨界科技。

十三 | 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”。不过，围绕这场交易，还有很多疑点，并受到上交所关注。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。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。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。

十四 | 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。

十五 | 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”。　　上交所发布的监管工作函显示，欧康诺2025年全年净利润仅610.68万元，但到了2026年上半年，净利润飙升至3719.67万元，半年时间挣了去年净利润的约6倍。虽然回复中提到，是因研发费用摊薄、BIST测试设备出货较多等，但也因这次业绩爆发，标的估值跃升至本次交易的不超过6.5亿元。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。爱丽家居回复公告截图。

十六 | 　　另外，据爱丽家居披露，在尽职调查过程中，公司关注到欧康诺及其实际控制人赵铭，与欧康诺前研发负责人王骁之间，就登记在赵铭名下的欧康诺155万股股份(约占欧康诺目前总股本的7.72%)存在纠纷。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。

十七 | 虽然爱丽家居声称，相关争议不存在可能导致交易终止的重大不利影响，但也横生波澜。　　在风险控制上，爱丽家居虽设置了四年累计不低于2.3亿元的业绩承诺、现金补偿及减值补偿安排。然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。但欧康诺上半年单一客户收入占比高达84.08%，若客户需求发生变化，或者存储行业景气度出现逆转，公司利润波动将非常剧烈。　　小流通盘、大跨界、强反差三者叠加，造就了爱丽家居13天12板的“妖股”神话。但当概念光环褪去，一家上半年或亏损四千万的地板企业，能否靠一纸协议蜕变成科技公司，资本市场可以迅速完成对一家公司的价值重估，但企业经营却不可能一天完成。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。（文章来源：中国新闻网）。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。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。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。

十九 | 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。