特斯拉近日向搭载HW4硬件的车型推送了完全自动驾驶（辅助监督版）v14.3版本更新，此次更新在技术架构和驾驶体验方面均带来显著提升。软件版本号为2026.2.9.6，核心变革在于特斯拉基于MLIR框架对AI编译器与运行环境进行了全面重构，官方宣称此举使车辆反应速度提升20%，同时优化了模型迭代效率。
MLIR（多级中间表示）作为LLVM基金会旗下的编译器基础设施项目，最初由谷歌发起，现已成为机器学习领域将神经网络适配至特定硬件的主流工具。该框架由编程语言领域权威专家克里斯·拉特纳主导开发，他同时也是LLVM、Clang编译器及苹果Swift语言的缔造者。值得注意的是，拉特纳曾于2017年短暂执掌特斯拉Autopilot软件团队，此次技术更新与其早年经历形成技术闭环。
在具体功能优化方面，更新重点聚焦于复杂场景处理能力。神经网络视觉编码器升级后，对罕见场景和低能见度环境的识别精度显著提升，3D几何感知能力得到强化，交通标识识别范围进一步扩展。通过强化学习技术，系统在复杂路口信号灯判断、弯道行驶及黄灯制动等场景的通行策略更加精准，同时优化了对侵入行驶路径的异物（如突出物、悬挂物）的应对逻辑。
泊车功能改进成为用户感知最强的升级点之一。地图新增停车位标记功能，以"P"图标直观显示系统判定的目标车位，配合更果断的车位选择算法，有效减少了车辆在停车场内犹豫徘徊的现象。针对紧急车辆、校车等特殊车型的通行策略优化，以及小型动物避让机制的升级，均通过分析特斯拉车队采集的真实路况数据实现，体现了数据驱动的技术迭代路径。
系统稳定性方面，更新优化了临时降级场景的控制逻辑。当摄像头或算力出现短暂波动时，系统可自动恢复运行状态，大幅减少了不必要的人工接管需求。特斯拉在界面交互层面进行微调，将原"Autopilot"相关选项统一更名为"Self-Driving"，设置菜单中的功能描述也同步更新，但保留了车速巡航、自动转向等子项的分级管理架构。
此次更新引发行业高度关注，技术架构变动尤为引人注目。拉特纳在社交平台公开评价称："特斯拉采用MLIR技术栈实现20%反应速度提升，这种现代化编译器与运行环境的结合，可能是无人驾驶出租车和FSD实现突破的关键。"作为MLIR框架的缔造者，他的认可为特斯拉的技术路线提供了权威背书。从技术原理看，反应时间缩短意味着系统可在相同神经网络架构下更早执行制动或避让动作，对处理极端场景具有战略意义。
特斯拉明确表示，此次更新基于HW4平台已大规模部署的FSD v14与v14.2端到端神经网络版本，硬件层面不支持HW3设备。随着AI4（即HW4）成为后续FSD更新的唯一硬件平台，特斯拉正通过软硬协同升级构建技术壁垒。更新说明中还透露了三项"即将上线功能"，包括扩展决策推理能力、新增坑洼避让功能，以及提升驾驶员监测系统在复杂光照环境下的识别精度，这些功能将通过后续版本逐步推送。
