特斯拉曾在 2025 Q3 財報會議上承諾「不會完全放棄 HW3」，內部 AI 團隊也正在為 HW3 準備軟體更新， 並且會針對 HW3 晶片推出「輕量版 FSD」。
目前看來，相關技術可能已經準備就緒；日前特斯拉公開一項新專利，內容指出團隊已找到在不更換硬體的前提下，讓 HW3 也能執行高精度自駕運算的方法，為「輕量版 FSD」提供實際技術基礎，也進一步延長 HW3 的可用壽命。
AI 自駕技術進步太快，HW3 面臨性能瓶頸
自駕系統之所以特別容易出現「硬體過時」的焦慮，根本原因在於汽車與 AI 的演進速度本來就不在同一個節奏上；一輛車的設計與銷售週期往往以十多年起跳，但自駕 AI 模型的更新頻率，卻可能以月甚至以週來計算，可能而知隨著時間進展，兩者技術落差會越來越明顯。
以特斯拉 HW3 為例，這代晶片在設計時的核心目標是「功耗」與「穩定性」，因此大量採用 8-bit 低精度運算單元，雖然能滿足當時的 FSD 系統，但隨著自駕模型逐漸轉向更複雜的技術，包括：
- Transformer：同時理解多個物件之間的關係與時間變化，讓系統不只能「看懂」外界，甚至能進行預判。
- Occupancy Network：可判斷「三維空間」、計算「距離關係」，並知道「哪些地方可以通行」
這類深度模型在推論過程中更依賴 16-bit 甚至 32-bit 的高精度數學運算，才能穩定判斷遠距離物體、空間深度與行為預測，這也正是 HW3 的最大瓶頸；過去傳統解法，多半是將高精度 AI 模型「量化」成低精度版本，強行讓舊硬體執行。
雖然能解決相容性問題，但也會犧牲模型準確度與穩定性，對影像分類或一般 AI 應用來說，影響可能有限；但在高速行駛、需要即時判斷路況的自駕場景中，精度下降本身就是巨大風險，也因此單純透過「降規執行」始終難以成為長期解法。
特斯拉新專利：用「拆分還原」，讓 HW3 也能執行高精度運算
而特斯拉日前公開了一份新專利技術，當中提到一套名為「Bit-Augmented Arithmetic Convolution（位元增強算術卷積）」的運算方式，讓 HW3 晶片能以「拆分還原」的方式執行高精度運算；聽起來很複雜，不過內容算好懂，核心概念就是「讓既有的低精度硬體，用更聰明的方式執行高精度運算」。
簡單來說，就是先將原本需要 16-bit 或更高精度的數值，拆分成多個 8-bit 的小區塊，再交由 HW3、HW4 既有的神經網路加速器進行運算（避免由 CPU 介入而產生效能瓶頸），最後再把結果重新組合，還原成接近高精度的運算結果。
整個過程最巧妙的地方在於特斯拉並沒有額外增加資料處理單元，而是透過特殊設計的「卷積運算（convolution）」讓神經網路執行運算的同時，也順便完成資料拆分。
這樣不僅能緩解「硬體與模型精度不匹配」的問題、可避免大規模硬體汰換的成本與風險；若沒有這類技術支撐，特斯拉勢必得在效能與相容性之間做出取捨，要嘛限制新模型的能力，要嘛讓舊車被迫停留在舊世代，新專利則提供了一條折衷路線，讓不只 HW3、HW4、甚至是未來的新產品都能延長使用壽命。
但這項技術並不代表 HW3 可以完全追上 HW4，甚至未來的 AI5；多次低精度運算換取高精度結果，勢必伴隨延遲與功耗上的取捨，加上感測器本身的限制仍然存在，實際執行效果還是會有一定的差距。
不過這是否代表已正式進入商用、會在哪一版 FSD 中全面啟用，目前官方仍未給出明確時程，實際導入狀況仍有待後續更新與驗證。
延伸閱讀》
如果想知道更多關於 Apple 的消息、教學、小技巧或是科技新知，一定要點擊以下任一 LOGO，追蹤我們的 Facebook 粉絲團、訂閱 IG、YouTube 以及 Telegram。
