4月8日消息，特斯拉今日開始向搭載HW4硬件的車型推送FSDV14.3系統，本次更新最重磅的改動來自底層技術：

特斯拉基于MLIR框架從零重寫了AI編譯器與運行環境，官方稱此舉讓車輛反應速度提升20%。

該版本軟件編號為2026.2.9.6，同時新增地圖停車位標記點功能，優化了對急救車輛、校車的通行應對邏輯。

這也是特斯拉首次公開確認其技術體系已采用MLIR——該編譯器框架由克里斯·拉特納主導開發，而他曾在2017年短暫執掌特斯拉Autopilot團隊。

下附核心升級點：

升級FSD神經網絡訓練中的強化學習（RL）階段，全面優化各類駕駛場景表現；

升級神經網絡視覺編碼器，提升對罕見、低能見度場景的識別能力，強化3D幾何空間理解，拓展交通標識識別范圍；

基于MLIR框架徹底重寫AI編譯器與運行環境，反應速度提升20%，同時加快模型迭代效率；

減少不必要的車道偏移傾向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；

優化停車位定位標記預測，現已在地圖上以“P”圖標顯示；

增強對急救車輛、校車、路權違規車輛及其他罕見車型的應對邏輯；

通過強化學習針對高難度案例訓練，并增設主動安全優化獎勵機制，提升對小型動物的避讓處理能力；

依托特斯拉車隊采集的高難度強化學習案例數據，優化復雜路口復合信號燈、彎道行駛及黃燈剎停的信號燈通行邏輯；

從車隊數據中提取罕見事件樣本，優化對侵入行駛路徑的各類非常規突出、懸掛、傾斜物體的應對能力；

優化系統臨時性能下降場景下的處理邏輯，無需駕駛員介入即可保持控制并自動恢復，減少不必要的系統接管；

特斯拉還列出了三項暫未加入本次版本的即將上線優化功能：

將決策推理能力拓展至除目的地規劃外的所有駕駛行為；

新增坑洼路面避讓功能；

提升駕駛員監測系統靈敏度，優化眼球追蹤、眼鏡佩戴識別邏輯，增強多變光照環境下的監測精度；

除底層編譯器重構外，v14.3面向用戶的直觀改進，主要針對FSD至今最受車主詬病的兩大問題：泊車邏輯與各類極端場景應對。

新增的地圖停車位標記點，搭配“更果斷的車位選擇與泊車操作”，旨在解決車輛駛入停車場后在車位間猶豫徘徊的問題。地圖上的“P”圖標，可提前顯示車輛預判的泊車位置。

對急救車輛、校車、路權違規車輛及罕見車型的應對升級，以及小型動物避讓優化，均屬于長尾場景修復——這類優化只能通過挖掘車隊數據中的罕見事件實現，也正是特斯拉本次更新所采用的技術路徑。

特斯拉在本次更新中悄然將界面中大部分“Autopilot（自動輔助駕駛）”更名為“Self-Driving（自動駕駛）”：控制界面下的Autopilot標簽改為“自動駕駛”，“自動輔助駕駛功能”也更名為“自動駕駛功能”，下設TACC、自動轉向與FSD子選項。

行業數據顯示，截止到2025年四季度末，特斯拉FSD全球付費激活用戶達到110萬，其中，一次性買斷約為77萬輛，月付訂閱用戶約33萬輛。