您的位置：首页 > 新闻中心 > 社会 > 正文

斗鱼

经纬度：人工智能与超大城市如何双向奔赴_我的网站

大和抚子

一 | 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。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。

二 | 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”。 2026世界人工智能大会暨人工智能全球治理高级别会议7月17日至20日在上海举行，国家主席习近平出席大会开幕式并发表主旨讲话。世界人工智能合作组织正式落地，大会《主席声明》与两项国家级专项行动计划也相继发布。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。

三 | 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。这一系列重磅成果，意味着全球人工智能治理正式告别“各自为政”的时代，迈入协同治理、规则落地、制度成型以及实体运作的全新阶段。马斯克回应： FSD很快会记住用户的停车偏好。

四 | 上海不仅是全球AI治理的东方主场，更是超大城市与人工智能共生共荣、彼此成就的最佳样本。回望人工智能的发展历程，人类从追问“机器能否思考”，已然步入“当机器开始思考、人类如何与之相处”的全新命题。

五 | 最近的这一次，更加关键。当前新一轮科技革命和产业变革加速突破，万物智联、人机协同、跨界融合的智能浪潮蓬勃兴起，既蕴藏巨大发展机遇，也带来全新治理挑战。超大城市汇聚了各种发展变量，人工智能重构了城市运行逻辑，二者同频共振、双向赋能，为人类文明的进阶发展注入了全新动能。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。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。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。

六 | 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。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。

七 | 着力建设便捷高效的智慧城市，是中央城市工作会议提出的七项重点任务之一。

八 | 这些属于人的驾驶习惯，一直没有进入自动驾驶系统。

九 | 图为上海徐汇区城市运行管理中心大厅。视觉中国资料图一、超大城市是人工智能发展的重要主场超大城市人口高密度集聚、多层次产业体系交织、各类发展要素全域流动，形成了庞大复杂的运行体系，也沉淀出最丰富的技术应用场景、最海量的真实数据资源，构成了推进智慧治理的重要富矿。长期以来，传统城市治理依托人工巡查、经验研判和事后处置的模式，面对高峰拥堵、安全隐患、公共服务供需不均衡、区域治理碎片化等棘手的“大城市病”，始终难以实现有效根治，也难以做到提前化解，制约了城市治理的提速或升级。

十 | 而现在，Tesla让这些信息成为AI决策的一部分。

十一 | 这些治理痛点恰恰为人工智能技术的落地迭代和价值释放提供了广阔的实践赛道，开辟了探索精准和高效治理的无限可能性。

十二 | 如今在上海，人工智能早已走出实验室的封闭场景，渗入居民群众的日常生活，嵌入城市的管理、运行和服务，融入城市的肌理和脉络。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。比如：交通智能模型动态研判车流潮汐规律，提前预判拥堵、积水风险，让城市通行调度更精准、更高效；智能巡检设备全天候值守城市管网、跨江桥梁、防汛堤防，织密城市安全防护网；政务智能体系打通各部门数据壁垒，破除流程繁琐、权责割裂、治理分散的旧难题；医疗辅助智能系统、智慧养老终端、社区数字化服务平台下沉基层，让优质公共资源走出核心城区，惠及更广人群等等。

十三 | 它学习的是：在安全范围内，你希望它如何开。

十四 | 超大城市拥有雄厚的算力支撑、完备的产业生态、鲜活的实战场景、集聚的高端人才，为人工智能技术提供了极佳的训练场和真实的试验场，也为人工智能的技术创新、模式革新和产业迭代输送了源源不断的原生动力。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”。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。

十五 | 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。丰富的场景滋养了技术成长，而复杂的考题则倒逼技术的变革，交互形成了可见可感的重要成果。

十六 | “有一定之略，然后有一定之功”。在人工智能蓬勃发展的当下，超大城市治理也面临着新的时代考题，即人机如何良性共生、如何保障算法安全、治理体系如何跟上技术步伐和如何弥合数智鸿沟。

十七 | 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。

十八 | 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。最早出现的是Driver Modeling，也就是“驾驶员建模”。当算法深度参与公共资源分配、城市事务决策，如何规避算法偏见、守住社会公平底线；当城市数据全域联通、海量汇聚，如何守护数据安全、防范技术滥用；当技术更新日新月异，如何让制度治理适配创新节奏；当智能资源高度集中于核心区域，如何杜绝新的数字鸿沟、发展失衡……超大城市的现实治理难题，让人工智能彻底跳出单一技术维度，成为关乎城市治理效能、社会公平正义、人类文明走向的重大现实课题。二、人工智能重塑超大城市治理的新图景对于超大城市而言，人工智能不是简单的技术叠加，而是突破发展瓶颈、提升治理能级、跃升文明层级的核心驱动力，从城市治理、产业升级、民生保障三个关键维度，全方位改写超大城市的发展范式。人工智能是世界经济增长的新引擎和新旧动能转换的加速器，抓住智能时代历史性机遇，方能以数智变革赋能城市高质量发展。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。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。

十九 | 首先，智能赋能治理，推动超大城市从被动补救转向主动善治。

| 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）。超大城市辖区广、层级多、业态杂，传统治理模式极易出现监管盲区、响应滞后、协同不畅等问题。依托城市数字大脑、全域感知网络和智能研判体系，上海实现了城市运行状态的实时监测、动态分析、精准处置。从防汛防台应急处置、大型商圈客流管控，到市容环境治理、城市隐患排查，整套治理流程实现从“事后补救”向“事前预警、事中管控、事后复盘”的全链条闭环升级。所以，人工智能绝非替代治理者，而是以数据优势、算法优势、效率优势补齐人工治理短板，构建起“人为主导、智能辅助、人机协同”的超大城市治理新格局，让体量庞大、要素繁杂的超级城市，始终保持有序高效、坚韧稳健的运行状态。这正是落实“强化风险意识、确保安全可控”发展要求的生动实践，以智能手段筑牢城市安全发展的底线。其次，智能激活产业，推动超大城市从要素驱动转向创新驱动。作为国家产业升级、对外开放、经济发展的核心枢纽，超大城市汇聚高端资源、链接全球市场，是人工智能赋能实体经济、赋能千行百业的核心载体。

| 在先进制造领域，数字孪生、智能质检、工业大模型重构生产流程，推动传统制造业完成智能化、数字化转型；在金融、外贸、现代服务业领域，智能风控、数字服务、跨境智能对接持续催生新业态、新赛道、新增长点；在文旅文创领域，人工智能助力历史文脉活化、文化内容创新，让城市人文底蕴在数字时代焕发全新活力。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。城市场景孕育技术创新，技术升级反哺产业迭代，形成“城市育智能、智能兴城市”的良性循环，为超大城市高质量发展筑牢硬核支撑。

| 最后，智能温暖民生，推动超大城市从规模扩张转向普惠美好。

| 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。一座超大城市的核心竞争力，从来不在于人群密集、要素聚集的城市体量，而在于普惠均等、温暖可感的民生质感。

| 针对优质公共资源不匹配、区域发展不均衡、公共服务精准度低、老年群体数字适配困难等现实民生短板，人工智能技术的应用成为缩小差距、均衡资源、普惠大众的关键抓手。基层智能诊疗有效缓解城乡医疗资源不均问题，数字化教育手段助力优质教育资源下沉，智慧养老设备、无障碍智能服务终端守护特殊群体权益，让数字化发展不落一人、普惠全域。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。从本届大会推出的全球性普惠举措，到城市内部精细化的智能民生服务，人工智能的终极价值，始终落脚于以人为本、智能向善，让智能技术真正增进民生福祉、弥合或跨越数智鸿沟，让数字红利惠及全体民众。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。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。三、“智城互嵌”塑造现代城市文明的新高度具体的技术具有多面性，技术越是高速迭代发展，越需要制度校准航向，守护技术向善的初心和使命；创新必然会带来不确定性，治理创新越是向前突破，越需要底线保驾护航，避免对社会和个人的过度冲击。

| 人工智能与超大城市的深度融合，为城市发展释放巨大红利的同时，也带来了不容忽视的风险与挑战。城市海量数据集中汇聚，算法深度介入公共决策与资源调配，一旦监管缺位、伦理失范，极易引发数据泄露、算法偏见、技术滥用等一系列治理隐患。

| 与此同时，技术迭代速度远超制度更新节奏，也给治理带来一系列挑战。坚持包容并蓄、文明互鉴，以全人类共同价值塑造人工智能价值观，才能让技术创新贴合文明底色、契合人类需求。

| 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。本届世界人工智能大会就传递出，要统筹发展与安全、平衡创新与治理、兼顾效率与公平，让技术发挥建设性、适配性、向善性的作用，而不是颠覆人类文明的既有价值及其规则。作为全国智能治理的先行标杆，超大城市更应率先立规矩、定边界、守底线，扣好人工智能发展的“第一颗纽扣”，推动伦理治理前置、风险防控落地、制度体系跟进，确保技术发展始终处在人类可控、规则可约束、价值可引领的轨道上，让技术创新更有温度、赋能赋智更加克制、奔跑跃升更有边界，让人工智能真正成为超大城市治理现代化的助推器。作为全球首个人工智能政府间国际组织，世界人工智能合作组织落户浦江之畔，是中方响应全球南方呼声、践行真正多边主义、完善全球智能治理的里程碑举措，标志着中国人工智能治理完成了从理念输出、行动落地到平台搭建的跃迁。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。上海这座超大城市，以其开放型经济的枢纽地位与超大规模治理的试验场属性，承载了全球人工智能治理的历史性跨越。

| 这不仅使中国超大城市的智能化探索从一城一地的地方性创新实践，升级为可供全球借鉴的治理公共产品，更意味着中国在全球人工智能治理体系中，实现了从规则跟随者向议程设置者、从理念贡献者向机制建设者的双重身份转变，为构建普惠包容、安全可控的全球人工智能治理秩序注入了东方智慧与制度动能。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。人类文明的每一次跃升，都离不开科技革命的赋能重塑，又创造出全新的现实和理想。蒸汽机开启工业城镇化浪潮，互联网构建全球互联互通格局，人工智能则开启了超大城市与智能文明共生共兴的全新纪元。

| 大城承载着时代的伟大愿景，智能引领和奔赴文明的远方。

| 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”。

| 立足浦江潮头、放眼全球格局，以上海为代表的中国超大城市，始终坚守人本初心、创新内核、治理底线与开放胸襟，推动人工智能与超级城市双向赋能、彼此成就；始终以人类智慧引领智能发展、以国际共识校准创新航向，让人工智能持续增进全人类福祉、推动人类文明进步。（“经纬度”系澎湃新闻打造的经济评论IP，用主流媒体新表达助力中国经济话语和中国经济叙事体系建设。

| 本文作者为上海交通大学中国城市治理研究院教授、社会治理创新研究中心主任）海报设计王璐瑶。

| 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。