少林足球

让每个人都有机会——高新区（滨江）AI全链生态圈共富观察_我的网站

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。    杭州日报讯 核心提示当AI成为新的基础设施，如何让每一个人都能平等地拥抱这个时代？杭州高新区（滨江）用三件事回答了这个问题——让普通创业者像用水电一样用算力，让“一人公司”在社区里低成本创业，让前沿技术走出实验室赋能百业与民生。         现在，这种“记忆能力”开始进入物理世界。从算力普惠到满足低成本、轻量化的创业需求，再到运用AI赋能千行百业，这里探索出一条以数字普惠拓宽共同富裕新赛道的“滨江路径”。“人类会恐惧智能超越自身吗？”“真正的未来不是替代，而是互补。”“那我们的最终关系是什么？”“达到人机共治的共生生态。”——这是国家人工智能应用中试基地（具身智能）（以下简称“中试基地”）展厅先导片《你好，未来》中的一段对话。         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。它的底层逻辑是，人工智能是所有人的工具，不是要取代谁，而是要赋能谁。         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”。在杭州高新区（滨江），这种“赋能”正在变成现实。共同富裕的本质，是“机会均等”和“成果共享”。

二 |          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。高新区（滨江）用这三件事回应了这两个命题——生产资料的普惠化、创业门槛的均等化、技术红利的普及化。

三 | 从千年水路通衢到全域智能创新，这片土地一脉相承的是兴业惠民的初心，作为全市人工智能产业的“核心承载区”，滨江正在用数字普惠，拓宽共同富裕的新赛道。像用水电那样用算力走进杭州人工智能计算中心（下称“智算中心”）的机房，一排排冷峻厚重的深灰色金属算力箱体矗立着，如同巨型沉默的“数字保险柜”，将数千颗国产芯片收纳其中。

四 |          6月的一次，是关于停车习惯。

五 |          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。在指示灯明暗闪烁的微光中，整个机房显得十分安静，但这里却是杭州高新区（滨江）的“算力心脏”，澎湃着最激越的数字动能。         马斯克回应：          FSD很快会记住用户的停车偏好。

六 | 有了这些巨型的算力箱子，企业无需自建机房，不用雇人维护，只要线上租用，便可远程调用，像用水电那样用算力。         最近的这一次，更加关键。

七 |          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。滨江区的做法，正是让生产资料不再成为创业的门槛。

八 | “从2021年开始筹建，已历经三期扩容，目前总算力达240P，三期的二阶段项目还在建设，建成后将再扩容90P。

九 | ”据智算中心工作人员蔡琪琦介绍，这里是全市首个公共服务性质的AI智能算力平台，面向政府、企业、科研机构及高校等提供公共普惠算力，支撑应用创新孵化、产业聚合发展、科研合作与人才培养等。中心还提供国产算力免费测试额度、国产化迁移适配、全流程技术陪跑等服务。         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。据了解，根据滨江区的算力补贴政策，企业使用智算中心算力，最高可享60%费用减免，单家主体年度补贴上限2000万元。

十 | “企业还可以先免费跑模型测试，满意再付费。

十一 | ”蔡琪琦说，有了这个平台，算力资源不再是头部企业专属，中小市场主体也能享受数字经济红利，让中小企业“用得起、用得好”算力。中科加禾（杭州）科技有限公司是智算中心首批客户，也是重要合作伙伴。这家专门解决让大模型在任何芯片上都能跑得快的公司最需要的就是真实国产算力环境和工程支持。

十二 | “我们在中心的昇腾集群上反复测试模型迁移效果，按需租赁算力，不用自己购买昂贵的服务器设备。         过去，自动驾驶面对的是一个抽象用户。”公司战略副总裁周明耀说，不仅成本大幅降低，智算中心还协助公司多场景测试，让产品在真实业务场景中迭代升级。         无论谁坐进车里，背后的模型都是同一个。“我们的AI工具是在中心的国产算力土壤里‘跑’出来的。

十三 | ”“对于医疗大模型而言，信创与数据安全是至关重要的，当下公立医院采购医疗AI，既要信创国产化替代，又必须满足医疗数据强安全合规，这两点智算中心的全栈国产算力路线提供了最优方案。” 杭州全诊医学科技有限公司副总裁帅乐耀表示，全诊医学是国内较早实现医疗大模型商业化落地的企业，在产品迭代和规模化推广的过程中，智算中心成为其坚实的“算力后盾”和“技术战友”。

十四 |          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。“我们已服务近200家三甲医院。双方的合作证明，中国的医疗大模型可以建立在国产算力底座之上，实现从算法到算力的全栈自主可控。         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。”帅乐耀说。“智算中心筹建之初，区委、区政府就坚定地选择了全栈国产算力路线，这是杭州高新区（滨江）承担国家使命的超前谋划，也是未来代表国家参与全球产业竞争的战略布局。

十五 |          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。         它学习的是：在安全范围内，你希望它如何开。

十六 |          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”。” 蔡琪琦说。经过四年多的发展，智算中心已累计服务企业与科研单位超300家，落地商用场景10个+（覆盖数字政府、教育医疗、互联网、智能制造、金融、电力、交通等行业），孵化应用与解决方案317个，培育自主创新的行业大模型30余个，成为落实国家“人工智能+”战略、推进杭州城域“毫秒用算”专项行动的实体化标杆。一室安居，一室创业住房在楼上，办公在楼下，走出工位几步之遥，还有咖啡厅、健身房、图书室、会客厅……真有这么美好的地方？答案就在西兴街道滨和启梦空间“AI+OPC”社区。这里有近千平方米的办公空间，通透的落地玻璃窗引入充足自然光，一楼是开放式共享工位区，简洁现代，适合创业个体；二楼排布11间独立小型办公室，适配小规模初创团队。         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。办公空间之外，还有超大公共配套区域：安静的图书阅览室、设备齐全的健身房，阶梯路演厅、多规格共享会议室等，全部免费对外开放。         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。入驻这里的创业者只要拿出手机，点点社区“Bingo”小程序即可一键预约。         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。过去创业需要场地、团队、资金，“AI+OPC”模式让“一个人+一台电脑”也能跑通业务闭环，OPC社区提供免费工位、对接订单——这，便是创业门槛的平民化。

十七 | “我们已经累计接待了250余位创业者咨询，有13个‘AI+OPC’项目正式入驻，覆盖AI智能体、AI漫剧、数字文创等，还有20多个项目在排队。”滨和社区党支部书记、居委会主任郭晓燕介绍，滨和社区居民平均年龄约27岁，多数从事高新企业工作，他们年轻、有蓬勃的创意，是与“AI+OPC”最适配的群体。“创新发展，生态优先，在这里，创业者得到的不仅是一个工位，更是一个助力成长的创业生态。”郭晓燕表示，社区聚焦“AI+OPC”创业者的实际需求，从空间、算力、金融、场景、成长、服务等维度持续发力，帮助个人公司更好成长。         最早出现的是Driver Modeling，也就是“驾驶员建模”。创业者也不用愁“有技术、没客户”，西兴街道辖区内有2万多家企业，由街道统筹、产业社区深度参与、滨和社区执行的三方联动机制，定期摸排企业的AI升级需求，形成“需求清单”直接给到入驻的OPC。“我们初创时只有3人，都是居家远程办公，既缺少客户渠道，又没有展示场景，业务推进比较缓慢。”炬维数科技术骨干俞东海介绍，入驻滨和启梦空间后，公司的发展通道迅速打开。

十八 | “零场地租金、政府算力补贴、人才安居配套，大幅降低了初创期资金压力，更提供了一个优质的科创生态环境。         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”。这里有人才、有资源、有配套，还有订单，短短4个月就完成技术产品的商用落地。”饮水思源，炬维数科反哺社区，承诺每月为社区青年提供AI公益培训，形成产业的双向良性循环。         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 | 好运棉棉是一家主打AI情绪陪伴的OPC，核心产品是国风卡牌，公司创始人刘健1998年出生，依托AI工具一个人跑通了从设计、生产、运营到销售的全流程。         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。“真正的一人公司，但年销售额已经破百万。”郭晓燕说。然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。         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”。“我原本在上海创业，房租压力大，难以获客，更没有好的渠道推广。”刘健说，朋友推荐他来这里，不仅全免办公场地、算力补贴，还能利用这里的沙龙、课堂、活动，将产品快速落地推广。他特别提到：“政务服务，可以说有求必应，主动帮我们牵线搭桥。我跟朋友感叹‘这是我见政府干部最多的一年’，被关心和扶持的感觉太好了。         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。

| ”当创业不再被场地、资金、客户渠道所困，“人人可创业”就不再是一句口号。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。从“秀能力”到“真落地”AI自然不能只是少数大公司的专利。坐落在‌高新区（滨江）智造谷产业综合体的国家人工智能应用中试基地（具身智能），展陈面积达5385平方米，有6大主题展区，落地了生活、物流、农业、商业、应急等33个实景测试场地，如模拟矿洞隧道，训练四足机器狗地形探测、塌方巡检；创设居家康养，训练机器人陪护、按摩、叠被子、下棋对弈等等。         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。“加速机器人在生产生活真实场景中的规模化应用”，这句话在这里有了具象化的表达。中试基地让技术成果“下沉”到制造业、农业、城市治理、医疗服务等各个领域——这是技术红利的普及化。         而Tesla这次提到的Intervention，其实更接近这一方向。“基地目前已入驻20多家企业，有130多台各类具身智能机器人在这里展示和通过场景模拟训练，你可以理解为这里是机器人的职业技能训练场。”中试基地科技有限公司相关负责人介绍，基地搭建了完整的公共测试平台，开放算力、数据、模型、场景等关键要素，帮助企业低成本、低门槛地获取各类国产创新资源，大大降低了前沿赛道创业门槛，产业链协同平台也带动了上下游中小厂商共享数字经济红利。         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。

| 与此同时，通过海量场景打磨，让技术真正从算法变成可落地的产品，补齐国产全栈自主可控产业链。         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。

| “央视春晚宇树机器人表演的动捕数据就是由我们采集的。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。”青瞳（杭州）机器人科技有限公司创始人张海威介绍，入驻基地后，展厅的赛博演艺机器人、咖啡制作机器人、电力巡检机器人都搭载了他们的动捕方案，各种场景可做数据采集、产品验证，成本大大降低；另一方面，这里的入驻企业形成了产业链协同，比如与隔壁的“灵巧手”联动，将采捕的人手精细动作下发给灵巧手执行，形成“动作示教+末端执行”完整闭环。         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。

| “入驻一年就在基地内孵化出七八家长期合作伙伴。”张海威说，今年上半年的合同订单已经超5000万元，比去年同期翻一番。         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。浙江灵巧智能科技有限公司正是“灵巧手”生产商，公司CEO周晨表示，入驻基地后，共享基地云端算力中台、数字孪生仿真系统等，大批量虚拟环境预训练，大幅降低了真机损耗。         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”。

| 同时，真机在场景测试中产生的数据又反哺优化灵巧操作系统，“我们通过数据采集、场景验证，正在系统构建统一标准数据集，助力基地构建灵巧操作全链条中试体系，解决企业单独采集数据成本高、样本单一的问题。”从智算中心的全栈国产算力，到OPC社区的“楼上居住、楼下办公”，再到中试基地的33个实景测试场——滨江搭建了一条从“算力公平”到“技术普惠”的完整链条。         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。这条链条的底色，是让每一位创业者、每一家中小微企业都能平等地享受数字时代的发展红利。

| 滨江的故事仍在继续，而这条以“数字普惠”拓宽共富新赛道的路径，或许是正在全力建设“人工智能产业创新发展第一区”的滨江对“以数惠民”最朴素的诠释。

| 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。         但至少，一个趋势已经出现。

Current article:http://p6514u.zhanggengsenchaiweikeng.cfd/news/20260826_7796.html

Published on:18:00:38