TL;DR
- 结论：HW4 在摄像头像素/动态范围、CPU 20 核与潜在成像雷达上更强；但同版 FSD 软件下体感差异有限，停车与恶劣天气改进更多来自Vision 软件与新算法。
- 建议：在北美/EU新车=优先 HW4；是否真装雷达（不少 HW4 未上雷达或未启用）。
- 产出物：规格对照表 + 场景结论表（停车/并线/恶劣天气）+ 详细分析报告
规格对照
摄像头
| 描述 | 详细说明 |
|---|---|
| 主流分辨率 | ≈1.2MP多数提升至≈5MP（如前向） |
| 功能增强 | FOV/HDR更强 |
| 社区拆解与固件信息 | 指向 Sony IMX490 级别器件 |
| dashcam文件参数 | 常见 2880×1876@24fps（内部管线帧率说法不一） |
计算机
| 描述 | 详细说明 |
|---|---|
| 制程工艺 | 三星14nm，≈144 TOPS 7nm 新版 |
| CPU核心数 | 20核；算力显著提升 |
| 备注 | HW3 144 TOPS 为 Autonomy Day 代际值；HW4 20 核见半导体拆解/分析 |
雷达
| 描述 | 详细说明 |
|---|---|
| 早期配置 | 前向毫米波 |
| 21年起变化 | 逐步取消预留高清成像雷达（Phoenix）接口，但很多车未装/未启用 |
| 数据来源 | FCC/拆解与服务手册均有雷达脉络 |
| 实际启用状态 | 以软件为准 |
超声波（USS）
| 描述 | 详细说明 |
|---|---|
| 早期配置 | 标配 |
| 当前状态 | 已取消，以 Vision 替代（高保真泊车） |
| 官方说明 | 支持页明确说明 |
车机娱乐
| 描述 | 详细说明 |
|---|---|
| 早期配置 | Intel Atom（MCU2） |
| 当前配置 | AMD Ryzen（MCU3） 更流畅 |
| 备注 | 近年车型普遍切换到 Ryzen |
HW3.0与HW4.0硬件平台：传感器与算力差异
摄像头配置与升级
HW3.0时代的Model Y配备八个外部摄像头（三目前向、两个侧向、两个B柱、一个后向）和一个舱内摄像头，实现360°视野。
HW4.0在摄像头上有重大升级：摄像头总数增加，硬件支持最多12个摄像头接口。其中前风挡由原来的三目摄像头组合改为双目超远摄像头（高像素、长距离）。有行业消息猜测，HW4.0增加了前保险杠左右侧前视摄像头和后保险杠左右侧后视摄像头等新位置，以覆盖车辆四周更多角度。此外，HW4.0搭载的新一代摄像头具有更高分辨率和更广视场：前置摄像头从约120万像素跃升至500万像素，并改用索尼IMX490感光芯片。其他摄像头的分辨率也相应提升，带来更好的夜视和低光性能。例如，有实测表明HW4.0前置摄像头记录分辨率约2896×1876（≈540万像素），而HW3.0仅1280×960（≈120万像素）；不过HW4.0的摄像头帧率降至24FPS（HW3.0为36FPS），可能是更高像素下平衡数据量的结果。
总体而言，HW4.0的摄像头套件在清晰度、广角覆盖和耐久性上均优于HW3.0。
计算平台与算力提升
HW3.0使用的是特斯拉首代FSD计算机（2019年推出），搭载三星14nm工艺的双芯片方案，每片含12核CPU和2个神经网络加速器，综合算力约144 TOPS，视频处理帧率可达每秒2300帧。
HW4.0则引入第二代FSD芯片（7nm工艺），CPU核心增至20个，并增加第3个神经网络加速器，理论算力提升至300+ TOPS。马斯克曾提及HW4.0计算速度比HW3.0快3～5倍（亦有华泰证券研报称约提升5倍）。更强的算力使HW4.0能够处理更高分辨率的视频流和更复杂的神经网络模型。值得注意的是，HW4.0的FSD计算机还更换了新的AMD Ryzen处理器用于车机娱乐系统，界面响应更迅速，但也导致部分内存配置变化。虽然HW4.0算力大幅提升，但在软件未完全优化利用前，当前HW3.0和HW4.0车辆运行相同FSD软件时表现差异并不明显。
有用户同时拥有HW3和HW4的Model Y对比表示，两者在最新FSD Beta下性能几乎一致，日常驾驶中感受不到明显不同，只是HW4新增了一些HW3不具备的小功能（例如自动倒车出库等）。
毫米波雷达与超声波传感器
传感器套件方面，HW3.0时期的车型（2019-2020款）配备有前向毫米波雷达和12个超声波雷达（USS）用于短距离探测。但特斯拉在2021年起逐步取消雷达，转向纯视觉方案Tesla Vision。具体而言，2021年5月后生产的Model 3/Y已不再安装毫米波雷达，并通过软件停用旧车雷达。2022年10月起又移除了超声波传感器，导致一段时间内新车没有倒车测距和自动泊车功能。
HW4.0在硬件上重新预留了雷达接口：据拆解，HW4配备了一款定制的高分辨率4D毫米波雷达（代号Phoenix），采用100 Mbps以太网连接，并带加热器防止雨雪冰冻。这款新雷达工作在更高频段（可能72 GHz）并具备Synthetic Aperture技术，预计在黑夜、浓雾、大雨等视觉不利条件下提供额外感知能力。不过截至目前，HW4车辆上的雷达大多尚未被软件启用，部分车型甚至未实际安装该雷达（如新款Model 3"Highland"并无雷达硬件）。
至于超声波，HW4时代的Model Y继续无USS配置，短距感知完全依赖摄像头视觉和AI算法（特斯拉以"高保真泊车辅助"功能替代USS）。
总的来说，HW3.0时代经历了从"摄像头+雷达+超声波"多传感器融合转向纯视觉，HW4.0则在强化视觉的基础上预备引入新型雷达，试图结合两种方案优势。
典型驾驶场景下视觉感知表现
倒车与泊车
在低速倒车和泊车场景，摄像头视觉感知的精度和延迟直接决定了安全性。失去超声波后，特斯拉通过摄像头和神经网络来估计车距和环境模型。早期纯视觉泊车辅助上线时，有用户反馈距离测量精度不如超声波：超声波能精确到数厘米并直接显示数值距离，而视觉方案仅以颜色条和声音提示障碍，靠近约20～25厘米时才报警。
实测表明，Tesla Vision的距离估计偶尔有6～8英寸（15～20厘米）误差，导致系统让车辆过于保守（比如停在距墙一英尺就停下），或在某次情况下低估距离而发生轻碰。一些车主指出，停车是最需要精确感知的场景，因为常常要贴近车位边缘或障碍物几厘米，如果系统精度不够就难以胜任。不过随着软件更新，特斯拉在2023年底推出了高保真停车辅助（High Fidelity Park Assist），利用多摄像头融合构建车辆周围的3D模型。这一功能通过鸟瞰视角实时渲染车辆四周环境，并允许驾驶员在中控屏上拖动视角，全方位查看周围障碍。
从用户分享的视频看，视觉泊车辅助已相当准确，地面的车位线、周围车辆和静止障碍都能逼真地显示。特别是在倒车入位时，Model Y利用后视摄像头和侧后视摄像头，可生成类似360°全景影像的效果，辅助驾驶者安全倒车。
实测对比显示，Tesla Vision生成的3D视图与真实环境高度一致（如下图左侧为车机渲染，右侧为无人机俯视实景），停车过程中的距离判断也颇为可靠。
然而需要注意，视觉系统在物体**极近距离（<20cm）**时仍存在盲区：当车尾或车头距离障碍过近时，摄像头画面可能看不到该物体，系统只能基于先前记忆渲染其位置，此时显示的物体可能发生轻微偏移或不够实时 。因此，在最后几厘米的贴近时刻，驾驶者仍应目视确认，而不宜完全依赖屏幕显示。
并线超车与转弯
在高速公路并线或城市道路转弯时，视觉感知需精准判断侧后方来车和前方道路形态。Model Y的B柱摄像头和侧后视摄像头提供了车辆两侧后方的视野，用于盲点监测和并线决策。
在HW3.0时代，特斯拉提供屏幕上车辆周边车辆动画和转向灯侧后影像辅助驾驶者判断盲区，但部分车主认为屏幕提示不够直观及时。HW4.0的高分辨率摄像头有望改进对快速侧向来车的探测距离和夜间清晰度。但驾驶者盲区信息的可靠性方面，用户社区反馈依然偏谨慎：有人指出仪表屏幕并非可靠的盲点监测手段，因为驾驶员变道时低头看屏幕并不方便，而且可视化的车辆位置有时与实际有偏差。实际并线过程中，特斯拉Autopilot会在你打转向灯时检查相邻车道有无来车，如果侦测到侧后有快速接近的车辆，车辆会拒绝或推迟变道以避免危险。这一基于摄像头的盲点辅助在多数情况下是有效的。但在极端场景下（例如侧后方来车速度异常快、或光线很暗摄像头有眩光），系统可能存在感知滞后，因此人类驾驶者仍需自己回头确认安全再并线。对于城市街道的转弯（如十字路口左转或右转），FSD Beta的视觉系统需要识别对向来车、行人和转弯路线。
早期版本曾出现转弯时未能及时发现横穿的行人或自行车的情况，随着神经网络训练数据增加，这类漏检几率在降低。一般而言，在白天良好光照条件下，Model Y的摄像头能可靠地探测到交叉方向的车辆/行人并在屏幕渲染出来，辅助驾驶者判断转弯时机。但在夜间无照明的路口或有遮挡的斜向来车，视觉感知可能有短暂盲区，需要驾驶者额外小心。
狭窄道路与急弯
当车辆通过狭窄车道或急弯山路时，视觉系统对环境空间的精确刻画至关重要。特斯拉FSD的软件团队在2020年引入了鸟瞰视角（BEV）和Transformer架构，将多摄像头的2D画面融合成带深度的3D空间表示。这使得车辆在狭窄空间中能够感知道路边缘、旁侧墙壁/障碍物的位置，从而规划安全路径。换句话说，FSD利用占用网络实时生成车辆周围的占据格栅地图，每个小单元格标记有无物体。
因此，在狭窄会车或避让行人、自行车时，系统并非仅依赖车道线，还会综合3D空间信息来决定是否需要减速或偏向。同一版本软件下，HW4.0因摄像头清晰度更高，理论上可更早探测到道路前方细微的曲折和障碍，提升在狭窄场景下的表现。用户实测反馈也表明，最新版FSD在窄路会车时选择空间的策略有所改进，例如会更早减速并紧靠路边给对向车辆让行，不再像旧版本那样冒进或停滞不前。对于急弯山路，高算力使HW4.0可以处理更远距离的曲率预测。特斯拉在FSD软件中延长了轨迹优化的预测范围，使车辆在高速过弯时更加平顺且提前减速。不过在非常急的发卡弯或狭窄弯道，如果道路无清晰边界线，视觉系统可能仍有误判风险（例如将路沿误识为可行区域）。因此在这些极端情况下，FSD可能会偏离最佳路线，需要人工修正。
总体而言，随着占用网络和路径规划算法的完善，Model Y在狭窄道路、避让路边障碍和通过急弯方面的感知精度和决策稳定性较以前有明显提升，但驾驶者仍应在复杂路况下做好接管准备。
恶劣天气下视觉与雷达表现差异
雨雪雾等恶劣环境是视觉感知的难点，也是传统毫米波雷达大显身手的领域。在大雨倾盆或浓雾弥漫时，人眼和摄像头都会因为可见光受阻而视野不清，而毫米波雷达因电磁波长较长可部分穿透雨雾，仍能探测前方车辆距离。
特斯拉取消雷达后，早期仅靠摄像头的Autopilot在大雨中表现一度不佳：车辆会显著降低车速，仪表提示"因能见度受限已减速"，甚至在暴雨中自动退出Autopilot。有Model Y车主在2021年的反馈称，摄像头制导的Autopilot遇到大雨时反应非常谨慎，速度降到让人不安的程度。不过经过数次OTA升级训练，情况有所改善：在2021.4.21.3版本后，Autopilot即使在倾盆大雨中也能保持较稳定的巡航，不再频繁因雨停机，减速幅度较之前小很多。这得益于特斯拉利用神经网络学习了更多雨天场景数据，增强了对雨中车距和车道的识别信心。
同样地，在夜间无光环境下，HW4.0的高感光摄像头和算法提高了夜视能力，一定程度上缓解了没有雷达的劣势。但是，物理限制决定了视觉方案在极端条件下仍有盲区：例如浓雾中对向来车尚未露出肉眼也看不见时，摄像头也无法预知其存在，而传统毫米波雷达可以提前探测到高速接近的金属物体。因此，对于暴雨、浓雾、大雪这类摄像头几乎失明的工况，特斯拉当前会选择降低速度、增加跟车距离甚至退出自动驾驶，以确保安全。
HW4.0预留的新雷达如果启用，将在这些场景提供宝贵的补充感知：据传"Phoenix"雷达能提供更精细的物体检测和相对速度测量，尤其在夜间和恶劣天气下提升环境感知可靠性。然而AutoPilot团队内部对于重拾雷达也有争论------Autoevolution指出，虽然HW4的Model S/X装配了雷达硬件，但目前软件未使用，甚至2023款Model 3和Cybertruck根本取消了雷达，显示特斯拉在雷达应用上举棋不定。
归纳来说，在良好天气下，基于摄像头的Tesla Vision已实现与曾有雷达时近似的性能，并通过不断学习弥补了雨夜短板；但在极端恶劣天气下，纯视觉仍不可避免地受限于物理可见度，这是其与毫米波雷达的本质差异。
其他系列
🚀 AI篇持续更新中（长期更新）
AI炼丹日志-29 - 字节跳动 DeerFlow 深度研究框斜体样式架 私有部署 测试上手 架构研究 ，持续打造实用AI工具指南！
AI-调查研究-108-具身智能 机器人模型训练全流程详解：从预训练到强化学习与人类反馈
🔗 AI模块直达链接
💻 Java篇持续更新中（长期更新）
Java-154 深入浅出 MongoDB 用Java访问 MongoDB 数据库 从环境搭建到CRUD完整示例
MyBatis 已完结，Spring 已完结，Nginx已完结，Tomcat已完结，分布式服务正在更新！深入浅出助你打牢基础！
🔗 Java模块直达链接
📊 大数据板块已完成多项干货更新（300篇）：
包括 Hadoop、Hive、Kafka、Flink、ClickHouse、Elasticsearch 等二十余项核心组件，覆盖离线+实时数仓全栈！
大数据-278 Spark MLib - 基础介绍 机器学习算法 梯度提升树 GBDT案例 详解
🔗 大数据模块直达链接