特斯拉已开始向HW4车辆推送全自动驾驶（监督）v14.3版，最大的变化在于底层特斯拉从头使用MLIR重写了AI编译器和运行时，厂商称这带来了20%更快的反应时间。
此次更新以软件版本2026.2.9.6发布，还新增了地图上的停车位标记、对紧急车辆和校车的更佳行为，以及特斯拉首次公开承认采用了由Chris Lattner构建的编译器基础设施MLIR——Lattner曾在2017年短暂领导特斯拉Autopilot。
FSD v14.3的新功能以下是特斯拉针对HW4 Model S、3、X、Y以及Cybertruck的全自动驾驶（监督）v14.3官方发布说明（构建号2026.2.9.6）
升级了强化学习（RL）阶段的FSD神经网络训练，在众多驾驶场景中实现了改进。
升级了神经网络视觉编码器，提高了在稀有和低能见度场景下的理解能力，增强了3D几何感知，并扩展了交通标志识别。
使用MLIR从零重写AI编译器和运行时，使反应时间提升20%，并加快模型迭代速度。
减轻了不必要的车道偏向和轻微的紧跟行为。
提升了停车位选择和操作的决断性。
改进了停车位置标记预测，现在在地图上以P图标显示。
增强了对紧急车辆、校车、抢行者以及其他罕见车辆的响应。
通过在强化学习中聚焦更难的案例并为更积极的安全行为添加奖励，提升了对小动物的处理。
在复杂交叉口的复合信号、弯曲道路以及黄灯停车等情形下改进了红绿灯处理——这些改进来源于对特斯拉车队硬强化学习案例的训练。
通过从车队中获取罕见事件，改进了对伸出、悬挂或倾斜进入车辆路径的稀有异常物体的处理。
通过保持控制并在系统暂时降级时自动恢复，改进了对临时系统降级的处理，减少了不必要的脱离。
特斯拉还列出了三项“即将改进”的，尚未在此构建中实现
将推理扩展至除目的地处理之外的所有行为。
增加避坑功能。
通过更好的眼球追踪、眼镜识别以及在变化光照条件下的更高准确度，提高驾驶员监控系统的灵敏度。
此版本基于FSD v14与v14.2——这是首批在HW4大规模发布的端到端神经网络版本——且不再支持HW3。AI4（HW4）仍是FSD更新唯一的硬件路径。
MLIR重写——以及Chris Lattner的点头发布说明中最引人注目的一行是关于编译器的“使用MLIR从零重写AI编译器和运行时，使反应时间提升20%，并加快模型迭代速度。”
MLIR（多层中间表示）是LLVM基金会下的编译器基础设施项目，最初由Google发起，如今在整个机器学习行业广泛用于将神经网络编译到特定硬件。它由Chris Lattner创建，Lattner也是LLVM、Clang以及Apple Swift编程语言的作者——他在2017年初短暂担任特斯拉Autopilot软件团队负责人，约六个月后离职。
Lattner在rollout开始后不久于X（Twitter）上对v14.3说明发表了评论
“看到特斯拉全自动驾驶采用了 @LLVMFoundation的MLIR栈，并因此实现了20%更快的反应时间，真是酷。现代编译器和运行时的实现很可能是机器人出租车和FSD所期待的突破！”
来自Lattner本人的评价绝非随意背书。他熟悉Autopilot堆栈，构建了特斯拉现在使用的编译器框架，是全球最具可信度的人之一，能够判断编译器更换带来的20%反应时间提升是否合理。他显然认为是合理的。
20%的延迟降低对驾驶堆栈意义重大。反应时间是摄像头捕获信息到车辆采取行动之间的间隔，缩短这一间隔意味着相同的神经网络可以更早刹车、更快转向，并处理之前因帧数延迟而错失的边缘案例。
停车、紧急车辆以及更少的脱离除了编译器之外，v14.3中对用户可见的改动主要聚焦于FSD仍让车主最头疼的两个方面停车和奇怪的边缘案例。
新加入的地图停车位标记以及“提升了停车位选择和操作的决断性”，是特斯拉试图解决车辆在停车场滚动后在车位之间犹豫不决的行为。现在的 “P” 图标会在车辆到达之前就显示它认为将要停放的位置。
对“紧急车辆、校车、抢行者以及其他罕见车辆”的增强响应以及对小动物的改进，都是通过挖掘车队数据中罕见事件得来的长期修复——这正是特斯拉在本次发布中所声称的做法。关于“系统临时降级”能够在无需驾驶员介入的情况下自动恢复的说明也值得关注，因为这类短暂的摄像头或计算卡顿过去常导致不必要的脱离。
特斯拉还在此次更新中悄悄将UI中的大多数 “Autopilot” 文案改为 “Self-Driving”。控制页面下的 “Autopilot” 选项卡现在显示为 “Self-Driving”，而 “Autopilot Features” 也改为 “Self-Driving Features”，其中仍包含TACC、自动转向和FSD等子项。
Electrek观点MLIR重写是本次发布中最实质性的，也是最坦率的。特斯拉几乎不公开谈论其软件基础设施，若有提及也通常是模糊的营销语言，如 “神经网络” 与 “端到端”。此次发布说明直接点名了具体的开源编译器项目并给出20%的具体数字，这在特斯拉的公开沟通中实属罕见——而且这种声明可以让编译器社区（包括Chris Lattner本人）进行实际评估。
我们需要谨慎看待 “20%更快的反应时间” 的含义。它是同一硬件上的推理延迟改进，而非功能跃迁。它并未让监督式FSD变为无监督，也没有缩小与Waymo的差距——Waymo已在多个城市运营真正的无人驾驶商业服务，而特斯拉仍在提供需要驾驶员保持注意的L2系统。编译器并不能解决自动驾驶的核心难题——核心是神经网络产生的行为，而不是产生行为的速度。
然而，延迟的降低是一种可以累积的工程收益。如果特斯拉真的通过编译器重写获得了20%的回报，这部分余量可以用于其他改进，而了解情况的Lattner明显认为这很重要。更有趣的问题是特斯拉能否继续发现此类收益，还是v14.3只是一次容易的收获，随后收益曲线会趋于平缓。
整体来看，这一进程是两步前进，一步后退，距离特斯拉向客户承诺的无监督自动驾驶仍有千里之遥。
#特斯拉# #FSD# #自动驾驶# #AI# #LV# #摄像头# #Waymo# #Cybertruck# #基金# #机器人#