马斯克近期通过两次公开回复，透露了特斯拉FSD（全自动驾驶）正在发生的重要变化：自动驾驶系统开始拥有“长期记忆”，能够记住不同用户的驾驶习惯和偏好，实现“千人千面”的个性化驾驶体验。
第一次回复发生在6月，针对用户提出的希望FSD能记住固定地点停车方式的建议——比如回家停哪里、去公司停哪里。马斯克回应称，FSD很快会记住用户的停车偏好。最近一次回复更为关键，有用户反馈FSD在车道选择、变道时机等决策上不符合个人习惯，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。
这两次回复本质指向同一件事：FSD正在从一次性的驾驶任务，走向长期理解驾驶员。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。它知道道路、车辆和路线规划，但不知道你喜欢提前变道还是多等几秒、喜欢跟车近一点还是更注重舒适、回家习惯停在哪里。这些属于个人的驾驶习惯，一直没有进入自动驾驶系统。现在，特斯拉让这些信息成为AI决策的一部分。
“长期记忆”并非让FSD重新学习“怎么开车”——基础驾驶能力已由端到端模型完成。它学习的是：在安全范围内，你希望它如何开。这是特斯拉首次公开走向个性化FSD（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”。
这一变化背后，对应着自动驾驶领域几个研究方向：Driver Modeling（驾驶员建模）、Preference Learning（偏好学习）以及Human-in-the-loop Learning（人在回路学习）。Driver Modeling通过历史驾驶数据为每个驾驶员建立数字画像，判断其属于激进型还是保守型；Preference Learning则更进一步，关注用户在具体场景下更倾向哪个选择，比如遇到慢车时是提前变道还是保持车道；Human-in-the-loop则强调人在自动驾驶学习过程中的持续参与。
特斯拉目前未公开FSD个性化功能的具体架构，但结合FSD V12之后的端到端路线，可以推测：基础端到端模型 + 用户偏好记忆层是最可能的方案。底层模型负责视觉理解、道路判断、安全驾驶和通用规划；上层增加一个轻量化的User Preference Layer，记录停车习惯、驾驶节奏、路线偏好和历史接管行为。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”。这类似于大模型通过Memory、User Profile等机制实现个性化的路径。
真正的难点在于：个性化不能突破安全边界。AI不能学习用户喜欢超速或危险变道等行为。特斯拉此次探索最值得关注的地方是：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”。
这一方向对行业竞争格局可能产生深远影响。在车位到车位自动驾驶逐渐普及后，量产车上的AI司机如何建立差异将成为新问题。所有车辆都能完成基础导航和智能驾驶，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。对于“one for all”的自动驾驶供应商来说，可能很难腾出资源开发这样的功能，而即使他们愿意开放权限，有代码级AI能力的车企也寥寥无几。这利好全栈自研玩家。
此外，个性化FSD也为马斯克解决了一个潜在矛盾：完全自动驾驶普及后，是否还有必要买私家车？Robotaxi用一个AI服务所有用户是最优解，但不可能给出千人千面的高级定制体验。而个性化FSD让搭载在私家车上的AI司机依然有价值、有必要。
这一路径与生成式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，特斯拉的具体实现方式、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：自动驾驶正从“一个AI服务所有用户”，走向“每个人都有自己的AI”。