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
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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