電車界4月8日消息

據(jù)electrek報道，特斯拉已開始向搭載HW4硬件的車型推送完全自動駕駛（輔助監(jiān)督版）v14.3版本。

此次更新的核心變革在于底層技術(shù)：特斯拉基于MLIR框架從零重寫了AI編譯器與運行環(huán)境，官方稱此舉可讓車輛反應(yīng)速度提升20%。

本次軟件版本號為2026.2.9.6，更新還新增了地圖停車位標(biāo)記點、優(yōu)化了對緊急車輛與校車的通行策略。

同時，特斯拉首次公開確認其技術(shù)架構(gòu)采用了MLIR——該編譯器框架由克里斯?拉特納主導(dǎo)開發(fā)，此人曾在2017年短暫執(zhí)掌特斯拉Autopilot團隊。

FSD v14.3更新要點

以下為特斯拉官方發(fā)布的、面向HW4平臺Model S/3/X/Y及Cybertruck的完全自動駕駛（輔助監(jiān)督版）v14.3（版本2026.2.9.6）更新說明：

升級FSD神經(jīng)網(wǎng)絡(luò)訓(xùn)練的強化學(xué)習(xí)（RL）階段，全面優(yōu)化多種駕駛場景表現(xiàn)。

升級神經(jīng)網(wǎng)絡(luò)視覺編碼器，提升對罕見場景與低能見度環(huán)境的識別能力，強化3D幾何感知，拓展交通標(biāo)識識別范圍。

基于MLIR框架徹底重寫AI編譯器與運行環(huán)境，實現(xiàn)20%更快反應(yīng)速度，并提升模型迭代效率。

減少不必要的車道偏移與輕微跟車過近行為。

提升停車位選擇與泊車操作的決策果斷性。

優(yōu)化停車位定位預(yù)測，在地圖上以“P”圖標(biāo)顯示目標(biāo)車位。

增強對緊急車輛、校車、路權(quán)違規(guī)車輛及其他罕見車型的應(yīng)對邏輯。

通過強化學(xué)習(xí)對高難度案例進行專項訓(xùn)練，并增設(shè)主動安全相關(guān)獎勵機制，優(yōu)化對小型動物的避讓處理。

依托特斯拉車隊采集的高難度強化學(xué)習(xí)案例，優(yōu)化復(fù)雜路口復(fù)合信號燈、彎道行駛及黃燈制動等場景的通行策略。

從車隊數(shù)據(jù)中提取罕見事件樣本，優(yōu)化對侵入行駛路徑的各類突出、懸掛、傾斜異物的應(yīng)對能力。

優(yōu)化臨時系統(tǒng)降級場景下的控制邏輯，可在無需駕駛員干預(yù)的情況下自動恢復(fù)，減少不必要的人工接管。

特斯拉同時列出了三項暫未加入本次版本的“即將上線功能”：

將決策推理能力拓展至除目的地導(dǎo)航外的所有駕駛行為。

新增坑洼避讓功能。

提升駕駛員監(jiān)測系統(tǒng)靈敏度，優(yōu)化視線追蹤、眼鏡佩戴識別，并提高復(fù)雜光照環(huán)境下的識別精度。

本次更新基于已大規(guī)模搭載于HW4平臺的FSD v14與v14.2端到端神經(jīng)網(wǎng)絡(luò)版本，不支持HW3硬件。AI4（即HW4）仍是后續(xù)FSD更新的唯一硬件平臺。

MLIR重寫底層技術(shù)，獲框架開發(fā)者拉特納認可

更新說明中最受關(guān)注的內(nèi)容，便是關(guān)于編譯器的改動：“基于MLIR框架從零重寫AI編譯器與運行環(huán)境，實現(xiàn)20%更快反應(yīng)速度，并提升模型迭代速度。”

MLIR（多級中間表示）是LLVM基金會旗下的編譯器基礎(chǔ)設(shè)施項目，最初由谷歌發(fā)起，如今已被機器學(xué)習(xí)行業(yè)廣泛用于將神經(jīng)網(wǎng)絡(luò)編譯適配至特定硬件。

該框架由克里斯?拉特納打造，他也是LLVM、Clang編譯器及蘋果Swift編程語言的締造者；2017年初，拉特納曾短暫負責(zé)特斯拉Autopilot軟件團隊，任職約半年后離職。

在v14.3推送后不久，拉特納便在X平臺對此次更新發(fā)表評論：“很高興看到特斯拉完全自動駕駛系統(tǒng)采用了LLVM基金會的MLIR技術(shù)棧，并因此實現(xiàn)20%的反應(yīng)速度提升。現(xiàn)代化的編譯器與運行環(huán)境，很可能正是無人駕駛出租車與FSD一直期待的關(guān)鍵突破！”

這番評價并非普通認可。拉特納深度了解Autopilot技術(shù)架構(gòu)，也是特斯拉本次所用編譯器框架的締造者，堪稱全球范圍內(nèi)最具資格判斷“更換編譯器可實現(xiàn)20%反應(yīng)速度提升”是否可信的權(quán)威人士，而他明確認可了這一技術(shù)效果。

20%的延遲降低對駕駛系統(tǒng)意義重大。反應(yīng)時間指的是攝像頭感知目標(biāo)到車輛執(zhí)行動作的間隔，縮短這一時長意味著同一神經(jīng)網(wǎng)絡(luò)可以更早制動、更快避讓，能夠處理此前因信息傳遞延遲幾幀而無法應(yīng)對的極端場景。

泊車、應(yīng)急車輛優(yōu)化，減少系統(tǒng)人工接管

除編譯器底層升級外，用戶可直觀感知的更新主要集中在FSD仍飽受詬病的兩大領(lǐng)域：泊車與各類極端場景。

地圖新增停車位標(biāo)記點，配合“更果斷的車位選擇與泊車操作”，旨在解決車輛駛?cè)胪＼噲龊笤谲囄婚g猶豫的問題。“P”圖標(biāo)可提前顯示車輛判定的目標(biāo)泊車位置。

對緊急車輛、校車、路權(quán)違規(guī)車輛及罕見車型的策略優(yōu)化，以及小型動物避讓升級，均屬于長尾場景修復(fù)——這類優(yōu)化只能通過采集車隊真實行駛中的罕見案例實現(xiàn)，也正是特斯拉在本次更新中提到的技術(shù)路徑。

而“臨時系統(tǒng)降級無需駕駛員干預(yù)即可自動恢復(fù)”同樣值得關(guān)注，這類短暫的攝像頭或算力波動，以往常會觸發(fā)不必要的人工接管。