特斯拉AI负责人Ashok Elluswamy近日确认，公司暂无计划恢复FSD（完全自动驾驶）用户自定义最高速度功能，将其定义为“反模式”。这一决策标志着特斯拉正式放弃“人机参数协商”路线，全面转向AI端到端个性化学习。然而，在v15版本尚未落地、现有预设模式表现不稳的过渡期，该战略调整已导致多起车主因系统判断失误而承担超速罚单的案例，暴露出技术激进迭代与用户实际权责之间的严重错位。
此次争议的导火索是去年10月发布的FSD v14版本更新。该版本彻底移除了此前允许用户通过方向盘滚轮实时设定超速偏移量的功能，转而提供“树懒”“悠闲”“标准”“匆忙”和“疯狂麦克斯”五种固定预设模式。这些模式不仅绑定车速上限，还同时控制变道频率、超车逻辑等驾驶行为风格。但在实际使用中，模式表现随OTA频繁波动且缺乏一致性：有车主反映“标准”模式在限速50公里/小时路段自动加速至78公里/小时，导致启用不足两分钟即被警方拦停并开具罚单；另有用户指出“疯狂麦克斯”模式在某些场景下反而低于限速行驶。由于FSD仍属“监督式”系统，所有交通违规责任依法由驾驶员承担，而特斯拉并未提供匹配责任的控制工具，形成“有责无权”的使用困境。多名车主因此减少在城市道路使用FSD，仅保留高速公路场景，直接影响功能使用频次与数据闭环效率。
从战略脉络看，取消自定义限速并非孤立的产品取舍，而是特斯拉自动驾驶技术路线整体转型的关键一环。CEO埃隆·马斯克近年来反复强调，FSD正从通用型规则驱动系统向个性化神经网络演进。其核心逻辑是：不再依赖人工设定的参数边界，而是通过记录每位车主的人工干预行为，让模型自主学习个体偏好，并在相同场景中生成差异化决策。下一代FSD v15预计于2026年底或2027年初推出，模型参数规模将扩大约10倍，首要应用场景即为停车与速度偏好适配。在此框架下，手动限速被视为干扰模型学习的“噪声”，故被定义为“反模式”予以剔除。这一思路体现了特斯拉对纯视觉+端到端AI路径的极致押注，也反映出其组织架构中AI研发团队对产品定义的主导权持续强化。传统以用户体验工程师为主导的功能设计逻辑，正让位于以数据训练效率为核心的算法优先原则。
财务与市场背景进一步解释了这一战略选择的紧迫性。尽管特斯拉未单独披露FSD收入，但其软件服务毛利率远高于整车销售，是支撑高估值的关键叙事。然而，FSD订阅转化率长期受制于城市路况体验不稳定。若继续保留用户可调参数，虽短期提升满意度，却会延缓AI泛化能力的收敛速度，拉长实现“无监督自动驾驶”的时间窗口。在竞争加剧、硬件利润承压的背景下，特斯拉选择牺牲部分用户体验以换取技术突破的节奏，本质上是以短期口碑风险博取长期软件溢价空间。但问题在于，当前v14的预设模式未能有效承接旧功能的实用性，而v15的个性化能力尚未验证，形成体验真空期。这种“断崖式切换”策略在财务上或可接受，但在用户信任层面代价高昂，尤其当罚单等负外部性直接转嫁给消费者时，可能削弱FSD作为付费产品的价值感知。
对行业而言，特斯拉此举凸显了L2+向L3过渡阶段的核心矛盾：当系统能力接近但未达自主水平时，如何平衡AI自主性与人类控制权。多数车企仍采用“人机共管”模式，保留关键参数的用户调节权限，以维系责任与控制的对等。特斯拉的反向操作，实则是对监管灰色地带的试探——若未来事故归责仍由驾驶员承担，则厂商可规避产品责任；但若AI决策明显偏离合理预期，司法实践或重新审视“监督式”标签的适用边界。此外，该事件也为其他车企敲响警钟：在推进AI个性化的同时，需建立更精细的过渡机制，避免将技术试错成本完全外部化给用户。否则，即便算法最终成功，用户信任的损耗也可能使商业化进程事倍功半。
后续需重点关注FSD v15个性化速度偏好的实测表现、监管机构对“监督式”系统责任认定的最新动向，以及特斯拉是否会在v14.x版本中引入临时性速度硬限制开关作为缓冲措施。