なぜテスラはHW4での無人運転に自信を見せるのか？FSD v15の7大刷新とオースティン40%先行運用の計算論

2026年8月、米大手金融機関JPMorganのアナリストチームがテスラのフリーモント工場および投資家向け広報（IR）チームを訪問し、テスラの次世代自動運転技術に関する最新の調査レポートを公開しました。

その中で最も注目を集めたのが、次期メジャーアップデートである「FSD v15」に関する技術的ファクトです。テスラ幹部は、FSD v15が従来の延長線上にとどまらない「非連続な進化（Step-change）」を遂げていること、現行のHW4（AI4）コンピューターによって監督者なしの完全無人運転（Unsupervised FSD）が達成可能であること、そしてその中核となる技術刷新の約40%がすでにテキサス州オースティンの実走フリートで先行検証されていることを明かしました。

本稿では、公開されたレポートおよび決算コールでの言及に基づき、FSD v15を構成する7つのコア技術刷新の内訳、オースティンでの先行運用の実態、そして現行HW4ハードウェアが備える計算リソースの妥当性について工学的・計算論的視点から詳細に解説します。

JPMorgan視察で明かされたテスラ自律走行戦略の現在地

テスラのフリーモント工場を訪問したJPMorganのアナリストらは、IRチームおよびエンジニアリング幹部との協議を経て、テスラが自動運転フリートの展開において極めて明確な技術的ロードマップを敷いていることを報告しました。

FSD v14からv15への位置づけ

テスラは2025年秋にFSD v14をリリースし、エンドツーエンド（E2E）ニューラルネットワークのパラメータ規模を大幅に拡大しました。しかし、市街地走行における微細な挙動の遅延や、極端な悪天候・複雑な多差路といったエッジケースの完全解消には至っていませんでした。

今回の説明によると、FSD v15は単なるマイナーな重み調整ではなく、アーキテクチャの根幹を再構築したメジャーバージョンと位置づけられています。テスラ社内では、v13からv14への移行と同等以上の性能ジャンプとして評価されています。

Model Yロボタクシー増車を意図的に抑える理由

レポートの中で特に興味深い点として、テスラが現在オースティン等で展開しているロボタクシーフリートにおいて、Model Yの投入台数を意図的に増やしていない事実が挙げられます。

これは車両の供給能力の問題ではなく、FSD v15のソフトウェア検証と、近々投入を予定している専用車両「Cybercab」へのシームレスな移行を見据えた戦略的判断です。既存の量産車ベースでのフリート拡大よりも、次世代アーキテクチャの完成度向上に開発リソースを集中させています。

FSD v15を構成する「7つのコア技術刷新」

JPMorganのレポートおよびテスラAutopilot担当VPであるアショク・エルスワミ（Ashok Elluswamy）氏の証言によると、FSD v15は7つの主要な技術領域における根本的刷新によって構成されています。

1. フォトントゥコントロール（Photon-to-Control）の完全統合

カメラセンサーが捉えた未加工の光子情報（Raw Pixels/Photons）から、中間表現を一切介さずにステアリング・アクセル・ブレーキの制御信号を直接出力するニューラルネットの統合度を極限まで高めています。これにより、認識遅延（Latency）を数ミリ秒単位で圧縮しています。

2. 長期時間軸コンテキスト（Temporal Context）の保持力向上

トランスフォーマーモデルのアテンション機構を改良し、過去数十秒〜数分間にわたる走行履歴や交差点手前の交通流の変化を車載メモリ内で高効率に保持・参照する仕組みを導入しました。これにより、オクルージョン（遮蔽物）からの急な歩行者出現に対する予測精度が向上しています。

3. マルチモーダル世界モデル（World Model）のシミュレーション統合

自車の周囲に存在する他車両や歩行者が「次にどう動くか」を確率論的に予測するジェネレーティブ・ワールドモデルを小型化し、車載推論ループに直接組み込んでいます。

4. 複雑な交差点・ラウンドアバウト専用の意図推論ネット

信号機のない複雑な交差点、合流路、ロータリーにおいて、他車の微細な加減速や車輪の向きから相手ドライバーの「譲り合い意図」を推論するサブモジュールが刷新されました。

5. 車載推論モデルのスパース化と量子化最適化

巨大化したニューラルネットのパラメータを、推論精度を落とすことなく圧縮する独自の量子化（Quantization）およびスパース（疎）計算技術を適用し、HW4のNPU稼働効率を最大化しています。

6. 超低遅延アクチュエーション制御ループ

推論結果から車両のブレーキ・ステアアクチュエータへ至るCAN通信・イーサネット制御ループの優先度処理を見直し、緊急回避時における車両応答時間を従来比で大幅に短縮しました。

7. シャドウモードフリートからの自己教師あり学習自動化

全世界数百万台のテスラ車から送信される介入データや違和感走行データを、Dojoおよび大規模GPUクラスタ上で自動クラスタリングし、人間のアノテーションなしで再学習に回すパイプラインを完全自動化しました。

オースティン先行フリートで実証中の「40%」の内訳

テスラによると、上記7大技術のうち約40%に相当するアルゴリズム変更は、すでにテキサス州オースティンで稼働している社内ロボタクシーフリートに投入され、先行実走テストが行われています。

実走フリートでの検証データと初期フィードバック

オースティン市街地での初期走行データにおいて、特に進展が見られているのが以下の2点です。

交差点右左折時の迷いの解消: 歩行者や対向車の存在を過度に警戒して交差点内で不自然に一時停止する挙動が大幅に減少し、人間の熟練ドライバーに近い滑らかな進入角を維持できるようになりました。
狭小路でのすれ違い制御: 対向車が路肩駐車車両を避けて中央線を越えてくるシーンにおいて、適切な退避スペースをミリ秒単位で判断し、安全マージンを確保しながら停止または減速する処理が安定しています。

JPMorganのアナリストも、これらの初期フィードバックについて「極めて心強い成果が出ている」と言及しています。

HW4の計算リソースとUnsupervised運用の工学的妥当性

今回のレポートで最も議論を呼んでいるのが、「現行のHW4コンピューターでUnsupervised（完全無人）の自動運転が可能である」というテスラ側の主張です。

ハードウェア世代ごとのスペックとFSD対応状況

項目	HW3（Hardware 3）	HW4（AI4）	HW5（AI5・開発中）
主プロセッサ	14nm Tesla SoC × 2	4nm/5nm カスタムSoC × 2	3nm 次世代SoC
推論性能（NPU）	約 144 TOPS	約 500〜800 TOPS	2,000 TOPS以上（推定）
カメラ解像度	1.2 メガピクセル	5.0 メガピクセル	5.0 メガピクセル以上
メモリ帯域	LPDDR4（低帯域）	GDDR6（高帯域）	次世代高帯域メモリ
FSD v15対応	軽量化モデルによる限定対応	ネイティブ完全対応	フルスペック対応
無人運転（Unsupervised）	計算リソース制約により困難	テスラ公式：対応可能	設計段階から完全準拠