浪花一朵朵
哈登和库里的差距是怎么拉开的？而留给库里的时间还有多久？_我的网站
A | 2009年的NBA选秀，改写了往后十余年的后卫格局。库里在第七顺位被摘下，哈登以探花身份进入联盟，在当时几乎没有人能够预料，这两位同届后卫，日后的历史地位会拉开如此巨大的鸿沟。 刚进入联盟的时候，哈登的起点其实要比库里亮眼得多。 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。他身处拥有杜兰特与威少的雷霆，早早就触摸到了争冠的大门。
B | 反观库里，留在当时还没有王朝光环的金州勇士，球队常年在季后赛边缘徘徊，他自身还饱受伤病困扰，只是联盟里一名普通的射手，未来充满不确定性。
C | 生涯早期的际遇，也加深了外界的固有印象。 现在，这种“记忆能力”开始进入物理世界。 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。2012年，哈登就作为雷霆重要轮换登上总决赛舞台，对抗巅峰詹姆斯带领的热火三巨头。这份总决赛履历，是同一时期的库里望尘莫及的。那时候大部分人都觉得，哈登的上限会远高于库里，两个人的差距只会越拉越大。 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。 从“一个AI服务所有用户”，走向“每个人都有自己的AI”。 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。 但竞技体育最迷人的地方，就在于命运随时会迎来反转。 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。2015年，拐点悄然到来。库里拿下MVP，带领勇士拿下总冠军，小球风潮席卷整个联盟，正式跻身联盟最顶尖球星行列。被交易到火箭的哈登，也完成蜕变，从最佳第六人成长为联盟顶级持球大核，把个人进攻打磨到近乎无解，得分、助攻数据稳居联盟前列。 这一刻，两人站在了相近的舞台。
D | 马斯克回应： FSD很快会记住用户的停车偏好。库里手握冠军与MVP完成反超，哈登依靠炸裂的个人表现紧随其后，双方还没有形成无法逾越的断层。 最近的这一次，更加关键。真正拉开距离的是2016年，库里打出73胜全票MVP的传奇赛季，纵然总决赛遗憾失利，也已经迈入历史级巨星的讨论范畴。 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。
E | 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。
F | 而哈登依旧在常规赛大杀四方，却始终跨不过季后赛这道坎，缺少足以改变历史评价的重磅荣誉，两人之间的差距，开始肉眼可见地扩大。 2018年的西部决赛，成了两人职业生涯的命运分水岭。那个赛季的哈登拿到常规赛MVP，率领火箭拿下联盟第一战绩，整套体系运转成熟，被视作唯一能够掀翻勇士王朝的队伍。系列赛里火箭一度拿到3比2的领先，距离总决赛只有一步之遥。 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。所有人都以为，哈登抓住这次机会，就能打破自己的季后赛魔咒，完成对库里的逆袭。
G | 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。 可保罗的意外受伤，打碎了火箭的美梦。失去二当家之后，哈登独木难支，比赛被拖入抢七。 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。
H | 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。那场比赛留下了NBA著名的遗憾，火箭三分集体失准，连续大量三分出手打铁，最终遗憾落败。这一场失利，隔开的不只是一轮系列赛，更是哈登距离改写自己生涯最接近的机会。 而现在，Tesla让这些信息成为AI决策的一部分。自此之后，这样的机会再也没有重来。 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。
I | 往后的岁月里，哈登为总冠军不断妥协。 它学习的是：在安全范围内，你希望它如何开。离开火箭之后辗转篮网、76人、快船，主动让出球权，牺牲个人数据，从球队核心变成配角，却始终没能捧起总冠军奖杯，一直被定格成无冠的超级得分手。 库里则坚守在金州，经历杜兰特出走、阵容崩塌、漫长低谷，在2022年再度带队夺冠，拿下FMVP，四座总冠军到手，彻底奠定自己的历史地位。同届的两个人，起点哈登占优，最后却是库里完成全方位的领先，成为NBA近十几年最让人唏嘘的一段双星对比。 客观来讲，二人的差距，并不是个人硬实力的碾压。 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”。
J | 巅峰哈登的进攻、造杀伤、组织串联都属于历史一档，常规赛统治力并不逊色。 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。真正的区别，在于大赛抗压能力、团队适配，还有属于自己的争冠体系。
K | 库里扎根一支球队，和球队共同成长；哈登一直在四处寻找合适的阵容，却总是一次次错过最好的时机。 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。 只是即便是已经功成名就的库里，如今也要面对现实的无奈。 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。现在的勇士，最大的难题不是球员没有斗志，而是正在一点点消耗库里最后的争冠窗口期。 这个休赛期，勇士的操作充满尴尬。
L | 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。格林跳出合同，愿意降薪，球队也传出过追逐詹姆斯的消息，球迷一度看到补强的希望。 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。但到最后，心仪的目标纷纷花落别家，勇士全程陪跑，实质上没有引进能够改变格局的强援，仅仅续约格林，大体上保留了上赛季的轮换班底。
M | 新赛季勇士主要依靠库里、格林、波尔津吉斯，搭配一众角色球员加上新秀补充板凳。 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。这套阵容的问题十分突出，除库里之外，没有稳定的第二得分点和第二持球点。格林进攻逐年退化，更多只能做防守和串联；波尔津吉斯实力不俗，却常年被伤病困扰，很难稳定扛起攻坚；年轻球员经验不足，很难站出来接管比赛。 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）。困扰勇士许久的第二进攻点问题，依旧没有得到解决。
N | 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”。 续约格林之后，球队薪资来到2.11亿美元，触碰土豪线，全额中产、双年特例这些补强工具基本失效，后续只能依靠底薪捡漏，很难拿到高质量轮换。
o | 之前能够分担进攻压力的巴特勒已经伤缺未归，球队的进攻短板进一步被放大。整支队伍的上限，很大程度绑在库里的身上。
p | 西部的竞争环境又格外残酷。
q | 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。雷霆、马刺完成崛起，掘金保持冠军竞争力，森林狼、火箭持续升级，湖人依旧保有战斗力。季后赛和附加赛的争夺异常激烈，稍有不慎就会直接出局。
r | 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。不少媒体给出预测，勇士新赛季大概43胜上下，徘徊在西部第八到第十，打附加赛会成为常态。 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。库里健康，球队还能去拼季后赛席位；一旦库里受伤，勇士甚至有可能连附加赛都摸不到。
s | 勇士陷入了两难的死局。摆烂，舍不得浪费库里最后的巅峰；全力梭哈，手里缺少筹码和薪资空间；维持现状，就只能看着库里一年年被消耗。
t | 不少球迷寄希望于2027年合同到期释放空间，可时间不等人，两年之后库里年纪更大，竞技状态必然下滑，也未必会有大牌球星愿意前来投奔，这份期待更像是一种自我安慰。 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。 现在的勇士，已经没有王朝时期的统治力。不会弱到彻底摆烂，却也算不上真正的争冠热门，只能在季后赛边缘反复挣扎。
u | 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。对于库里这样的历史级球星来说，最残酷的不是输球，而是自身依旧拥有争冠的能力，却得不到一套足够靠谱的阵容，没有机会再全力冲击一次总冠军。 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。 哈登的遗憾，是差一步登顶的不甘。而库里当下的遗憾，是一身本领，却缺少施展的舞台，眼睁睁看着自己最后的巅峰，在现实的拉扯之中慢慢流逝。
v | 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。
w | 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。
x | 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。
y | 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。
z | 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://89089l3.mengruanpianchengji.cyou/news/20260826_724.html
Published on:16:30:18