当特斯拉开始学“人味”，开源社区怎么看？

上周末，我在GitHub上刷到一个OpenPilot的issue，一个用户抱怨：“我的车在高速上总是跟车太近，调到舒适模式又太远，能不能让系统学我开车的习惯？”当时有人回复：“等FSD的个性化功能吧，闭源就是快。”没想到几天后，马斯克就确认了FSD要记住驾驶员操作习惯，实现个性化自动驾驶。

这个场景很有意思。一边是开源社区花了几年时间，在Comma.ai的OpenPilot里通过用户自定义配置、参数调节来模拟个性化；另一边是特斯拉一口气宣布FSD要“记住你”，直接把通用方案升级为个人助理。两种路线，一个从下往上，一个从上往下，但都指向同一个问题：自动驾驶到底该不该“学人”？

先说特斯拉的路径。通用型FSD的逻辑是“规则驱动+数据训练”，所有车共用一套模型，极限情况下可能犯一样的错误。马斯克说“记住驾驶员操作习惯”，意味着FSD开始引入用户级微调——比如你喜欢在匝道上加速，系统就学你加速；你习惯提前并线，系统就提前并线。这本质上是一种端到端学习的个性化，但风险在于：如果用户习惯本身是危险的（比如压线过弯），系统该不该学？

[!info] 技术上看，个性化FSD需要解决“遗忘”与“纠正”的平衡。如果用户今天心情好开得稳，明天心情差开得飘，系统要怎么处理？这已经不是单纯的模型训练问题，而是人机交互的博弈。

对比开源社区的思路。OpenPilot一直拒绝“完全学习用户习惯”，而是提供多级参数调节：跟车距离、车道偏移量、加速曲线等，允许用户手动调整，但不会自动“记住”你的每次操作。社区治理的核心原则是：系统应该比人更安全，而不是更懂人。一个典型的争论是：如果用户习惯让系统在雨天更激进地变道，系统是否应该拒绝学习？闭源可以直接拍板，开源则需要社区投票和长尾讨论。

这两个方案各有优劣。特斯拉的个性化FSD，用户体验上肯定更“聪明”，但同时也把安全责任推给了用户——“你习惯不好，系统只是帮你实现了”。而开源路线更保守，它把调试权交给用户，但要求用户自己负责。从社区治理角度看，个性化本质上是将控制权从开发者转移到用户，但法律红线从未转移。特斯拉敢这么做，是因为它拥有车辆数据和保险体系作为后盾，而开源项目连硬件都控制不了，自然不敢越雷池。

当然，技术上的挑战也不小。FSD的个性化需要在线学习，而且不能只学一个用户——同一辆车可能被不同人驾驶（比如家庭成员）。特斯拉的方案大概率是“保存多组驾驶风格模型，用车时自动识别驾驶员”。这在开源社区里是一个长期无解的问题：多用户切换时，如何保证模型切换的平滑性？ 如果系统在切换瞬间出现误判，事故可能就在那一秒。

不过，马斯克这个动作让我想起一个开源社区的老梗：“闭源靠画饼，开源靠填坑。”FSD的个性化功能，目前只是马斯克的一句话，没有代码、没有架构图。而开源项目如OpenPilot，已经提供了类似“个性化驾驶曲线”的插件，虽然简陋，但至少可以跑。究竟是闭源的高效迭代更快，还是开源的社区协作更稳，这次是个很好的检验机会。

最后，我想说的是：特斯拉的个性化FSD，本质上是把“人”纳入了自动驾驶系统的闭环，让系统从“机器”变成“副驾驶”。但副驾驶也会犯错，而犯错的时候，副驾驶通常会说是“你教的”。开源社区之所以不愿意走这条路，不是因为技术做不到，而是因为信任模型的建立远比模型训练本身更困难。一言以蔽之：闭源卖的是“更懂你”，开源赌的是“更安全”。

原文链接：https://www.ithome.com/0/978/642.htm