据electrek报道，特斯拉已开始向搭载HW4硬件的车型推送完全自动驾驶（辅助监督版）v14.3版本。
此次更新的核心变革在于底层技术：特斯拉基于MLIR框架从零重写了AI编译器与运行环境，官方称此举可让车辆反应速度提升20%。
本次软件版本号为2026.2.9.6，更新还新增了地图停车位标记点、优化了对紧急车辆与校车的通行策略。
同时，特斯拉首次公开确认其技术架构采用了MLIR——该编译器框架由克里斯・拉特纳主导开发，此人曾在2017年短暂执掌特斯拉Autopilot团队。
FSD v14.3更新要点
以下为特斯拉官方发布的、面向HW4平台Model S/3/X/Y及Cybertruck的完全自动驾驶（辅助监督版）v14.3（版本2026.2.9.6）更新说明：
升级FSD神经网络训练的强化学习（RL）阶段，全面优化多种驾驶场景表现。
升级神经网络视觉编码器，提升对罕见场景与低能见度环境的识别能力，强化3D几何感知，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，实现20%更快反应速度，并提升模型迭代效率。
减少不必要的车道偏移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。
优化停车位定位预测，在地图上以“P”图标显示目标车位。
增强对紧急车辆、校车、路权违规车辆及其他罕见车型的应对逻辑。
通过强化学习对高难度案例进行专项训练，并增设主动安全相关奖励机制，优化对小型动物的避让处理。
依托特斯拉车队采集的高难度强化学习案例，优化复杂路口复合信号灯、弯道行驶及黄灯制动等场景的通行策略。
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突出、悬挂、倾斜异物的应对能力。
优化临时系统降级场景下的控制逻辑，可在无需驾驶员干预的情况下自动恢复，减少不必要的人工接管。
特斯拉同时列出了三项暂未加入本次版本的“即将上线功能”：
将决策推理能力拓展至除目的地导航外的所有驾驶行为。
新增坑洼避让功能。
提升驾驶员监测系统灵敏度，优化视线追踪、眼镜佩戴识别，并提高复杂光照环境下的识别精度。
本次更新基于已大规模搭载于HW4平台的FSD v14与v14.2端到端神经网络版本，不支持HW3硬件。AI4（即HW4）仍是后续FSD更新的唯一硬件平台。
MLIR重写底层技术，获框架开发者拉特纳认可
更新说明中最受关注的内容，便是关于编译器的改动：“基于MLIR框架从零重写AI编译器与运行环境，实现20%更快反应速度，并提升模型迭代速度。”
MLIR（多级中间表示）是LLVM基金会旗下的编译器基础设施项目，最初由谷歌发起，如今已被机器学习行业广泛用于将神经网络编译适配至特定硬件。
该框架由克里斯・拉特纳打造，他也是LLVM、Clang编译器及苹果Swift编程语言的缔造者；2017年初，拉特纳曾短暂负责特斯拉Autopilot软件团队，任职约半年后离职。
在v14.3推送后不久，拉特纳便在X平台对此次更新发表评论：“很高兴看到特斯拉完全自动驾驶系统采用了LLVM基金会的MLIR技术栈，并因此实现20%的反应速度提升。现代化的编译器与运行环境，很可能正是无人驾驶出租车与FSD一直期待的关键突破！”
这番评价并非普通认可。拉特纳深度了解Autopilot技术架构，也是特斯拉本次所用编译器框架的缔造者，堪称全球范围内最具资格判断“更换编译器可实现20%反应速度提升”是否可信的权威人士，而他明确认可了这一技术效果。
20%的延迟降低对驾驶系统意义重大。反应时间指的是摄像头感知目标到车辆执行动作的间隔，缩短这一时长意味着同一神经网络可以更早制动、更快避让，能够处理此前因信息传递延迟几帧而无法应对的极端场景。
泊车、应急车辆优化，减少系统人工接管
除编译器底层升级外，用户可直观感知的更新主要集中在FSD仍饱受诟病的两大领域：泊车与各类极端场景。
地图新增停车位标记点，配合“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的问题。“P”图标可提前显示车辆判定的目标泊车位置。
对紧急车辆、校车、路权违规车辆及罕见车型的策略优化，以及小型动物避让升级，均属于长尾场景修复——这类优化只能通过采集车队真实行驶中的罕见案例实现，也正是特斯拉在本次更新中提到的技术路径。
而“临时系统降级无需驾驶员干预即可自动恢复”同样值得关注，这类短暂的摄像头或算力波动，以往常会触发不必要的人工接管。
