特斯拉的下一款新車?Model Y其實就是Model 3加上鷹翼門
特斯拉的下一款新車?Model Y其實就是Model 3加上鷹翼門

收了不下40萬預定訂單,但還沒正式量產的Model 3最近都沒有什麼新消息,特斯拉又有新車曝光了。

這次曝光的新車代號叫做Model Y,是一款中型SUV。

小型SUV的出現並不讓人意外,因為喜歡在Twitter上秀肌肉的Elon Musk,其實早在一年半前,就曾經確認過Model Y的存在。

Model Y假想圖。
圖/ 愛范兒

作為一款中級的SUV,Model Y將會採用與Model 3相同的開發平台,售價也會比Model 3略微高一些,目前的預測是Model Y在美國市場的起售價會在4.5萬美元(約台幣138萬)左右。

這是基於Model 3的中型SUV,但讓人激動的鷹翼門可能還在

如果你經常關注車市就會發現:

在中國市場,還有什麼比SUV更受歡迎?

那答案一定是豪華品牌緊湊型SUV。

與B級車(中檔轎車)相似的售價,更大的空間,讓豪華品牌緊湊型SUV在中國市場極受追捧。可以預見的是,如果特斯拉發布Model Y且在一段時間後能做到供應充足,那麼這款SUV一定會比Model 3更受歡迎。

至於Model Y會是個什麼樣子?整體上Model Y會像是一個縮小版的Model X,但在外觀上,會更傾向於Model 3的設計。

Model Y概念圖。
圖/ 愛范兒

目前已經有不少Model Y的概念圖放出,匯總起來,有這樣幾個關鍵的點值得關注:和Model 3車長類似、有鷹翼門、內飾設計仍是簡約的家族風格,以及同樣配備全自動駕駛。

Model 3的尺寸鎖定在長:4,676mm,寬:1,885mm,高:1,435mm,軸距為2,870mm。這樣來看的話,車長與Model 3相當的SUV Model Y尺寸與奧迪Q5相當。

圖/ 愛范兒

因為大型SUV Model X其實就是使用了和轎跑車型Model S同樣的平台,所以Model Y與Model 3的同平台其實是不讓人意外的。

Model X就是基於Model S平台開發的。
圖/ 愛范兒

定位類似的車型使用同平台的好處在於,車廠可以在平台確定後短時間內低成本的推出更多專注於細分定位的產品。在推出了Model Y後,特斯拉也就實現了用4款車,定位高端轎跑、高端SUV、中級轎車和中級SUV的佈局。

說個題外話,為了完成全覆蓋佈局且盡可能不會出現定價的交叉,特斯拉最近已經停售了最便宜的Model S 60車型,而將原有的60車型從75開售。數字編號代表的是車型的內置電池容量,一定程度上也代表著車型的續航能力。

圖/ 愛范兒

這一舉動的意圖其實挺明顯的:為定位中級轎車的Model 3高配車型讓路,以免讓消費者產生購買選擇上的糾結。

圖/ 愛范兒

至於Model 3和Model Y哪個更值得選,首先Model 3已經量產在即,你能拿到Model 3的時間會比Model Y更早,另外Model Y的起售價比Model 3預計高1萬美元,進到中國加上各種費用基本在10萬人民幣(約台幣45萬)左右,10萬人民幣(約台幣45萬)同樣的平台,多加一個鷹翼門,和稍大些的車內空間,值不值看自己喜好。

愛范兒此前也做過一次Model 3最全選購指南〈特斯拉Model 3開始試量產了,但你了解完這些還等得下去嗎? 〉可供對比參考。

看上去這麼美好,Model Y什麼時候會發表?

因為和Model 3使用的是同平台,所以中級SUV Model Y的最終發布其實是個Model 3息息相關的。另外,我們也可以參考下與Model S同平台的Model X發表過程做個理性判斷。

Model 3是在2016年4月發表的,目前Model 3已經在2017年2月底開始了試量產,前兩天還有人拍到了Model 3的路試照片。如果一切順利,特斯拉Model 3將會在今年7月份開始正式大規模量產,已經預定的車主會在2017年年底之後正式收到車輛。

Model X。
圖/ 愛范兒

所以理論上Model Y很有可能會在Model 3車型量產能力穩定後正式發表。對比使用Model S同平台的Model X來看,Model S是在2012年正式開售的,而Model X計劃的量產時間是2014年,事實上,經過多次跳票,中國的Model X車主,直到2016年才拿到了三年前訂下的Model X。

圖/ 愛范兒

這其中暴露出了一個問題,特斯拉的生產,非常依賴供應商的生產能力,由於特斯拉需要的零部件設計往往比較激進,造成最讓人糾結的木桶效應,量產的困難經常會直接反饋到整車的量產進度上。就如同Elon Musk在去年告知投資者的事情:

我們的生產進度取決於動作最慢,最容易出現問題的供應商。

特斯拉Model X車型多次跳票,並且即使正式交車後整體產能也不高的原因,就是Model X的鷹翼門設計過於激進,給了供應商比較大的製造難度。

圖/ 愛范兒

但在經過了Model X不斷跳票的教訓後,在Model Y車型上,特斯拉已經積累了不少製造和供應商合作上的處理方案,所以Model Y還是很有可能2018年年中發表。

是完善佈局,還是跳票大餅?還要看Model 3進度

特斯拉的新車確實讓人驚喜,但讓人擔心的事情還是老問題:產能。

特斯拉的 Model 3預計收到的訂單超過40萬,但在2016年,特斯拉一共才生產出了8萬輛車。

很顯然,見識多了之前Model S和Model X出現的各種跳票,看慣了「狼來了」的分析師對Model 3的交車前景並不看好,在2017年1月3日發布的報告中,巴克萊銀行的分析師Adam Jonas就明確表示:我們預計特斯拉今年不會交付一輛Model 3。

這樣的擔心不無道理,首先特斯拉目前的產線主要是用來生產Model S和Model X車型,生產Model 3需要更新大量的產生線以提供足夠的產能,其次與Model S和Model X的數量量級完全不一樣。數十萬Model 3訂單的背後,是大量的電池需求。

特斯拉在去年正式將屬於自家的世界最大單體工廠GigaFactory正式開工,用以在未來生產電池和PowerWall充電牆。在工廠開廠儀式的時候,其實特斯拉的GigaFactory僅僅建成並投產14%的整體面積,也就是說,特斯拉是在一邊建工廠,一邊用工廠在進行生產的。

顯然特斯拉也十分清楚自己在生產上的壓力,就在上週,特斯拉宣布將透過增發新股和優先債權融資約11.5億美元,用以支付Model 3生產所急需的資本。

所以實際來看,Model Y與Model 3其實是個命運共同體,Model 3量產問題不解決,Model Y 就不一定能真正面世。

不過最後再問個小問題,如果與Model 3差不多大的中級SUV Model Y上市了,你願意多花將近 10 萬人民幣(約45萬台幣)為多出來的炫酷鷹翼門買單嗎?

本文授權轉載自:愛范兒

關鍵字: #特斯拉
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓