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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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