特斯拉FSD V14.3版本推送：核心底层重构 反应速度提升20%

　　4月8日消息，特斯拉今日开始向搭载HW4硬件的车型推送FSDV14.3系统，本次更新最重磅的改动来自底层技术：

　　特斯拉基于MLIR框架从零重写了AI编译器与运行环境，官方称此举让车辆反应速度提升20%。

　　该版本软件编号为2026.2.9.6，同时新增地图停车位标记点功能，优化了对急救车辆、校车的通行应对逻辑。

　　这也是特斯拉首次公开确认其技术体系已采用MLIR——该编译器框架由克里斯·拉特纳主导开发，而他曾在2017年短暂执掌特斯拉Autopilot团队。

　　下附核心升级点：

　　升级FSD神经网络训练中的强化学习（RL）阶段，全面优化各类驾驶场景表现；

　　升级神经网络视觉编码器，提升对罕见、低能见度场景的识别能力，强化3D几何空间理解，拓展交通标识识别范围；

　　基于MLIR框架彻底重写AI编译器与运行环境，反应速度提升20%，同时加快模型迭代效率；

　　减少不必要的车道偏移倾向与轻微跟车过近行为；

　　提升停车位选择与泊车操作的决策果断性；

　　优化停车位定位标记预测，现已在地图上以“P”图标显示；

　　增强对急救车辆、校车、路权违规车辆及其他罕见车型的应对逻辑；

　　通过强化学习针对高难度案例训练，并增设主动安全优化奖励机制，提升对小型动物的避让处理能力；

　　依托特斯拉车队采集的高难度强化学习案例数据，优化复杂路口复合信号灯、弯道行驶及黄灯刹停的信号灯通行逻辑；

　　从车队数据中提取罕见事件样本，优化对侵入行驶路径的各类非常规突出、悬挂、倾斜物体的应对能力；

　　优化系统临时性能下降场景下的处理逻辑，无需驾驶员介入即可保持控制并自动恢复，减少不必要的系统接管；

　　特斯拉还列出了三项暂未加入本次版本的即将上线优化功能：

　　将决策推理能力拓展至除目的地规划外的所有驾驶行为；

　　新增坑洼路面避让功能；

　　提升驾驶员监测系统灵敏度，优化眼球追踪、眼镜佩戴识别逻辑，增强多变光照环境下的监测精度；

　　除底层编译器重构外，v14.3面向用户的直观改进，主要针对FSD至今最受车主诟病的两大问题：泊车逻辑与各类极端场景应对。

　　新增的地图停车位标记点，搭配“更果断的车位选择与泊车操作”，旨在解决车辆驶入停车场后在车位间犹豫徘徊的问题。地图上的“P”图标，可提前显示车辆预判的泊车位置。

　　对急救车辆、校车、路权违规车辆及罕见车型的应对升级，以及小型动物避让优化，均属于长尾场景修复——这类优化只能通过挖掘车队数据中的罕见事件实现，也正是特斯拉本次更新所采用的技术路径。

　　此外，特斯拉在本次更新中悄然将界面中大部分“Autopilot（自动辅助驾驶）”更名为“Self-Driving（自动驾驶）”：控制界面下的Autopilot标签改为“自动驾驶”，“自动辅助驾驶功能”也更名为“自动驾驶功能”，下设TACC、自动转向与FSD子选项。

　　行业数据显示，截止到2025年四季度末，特斯拉FSD全球付费激活用户达到110万，其中，一次性买断约为77万辆，月付订阅用户约33万辆。