戴森牌電動汽車專利曝光,要重新定義汽車設計?
戴森牌電動汽車專利曝光,要重新定義汽車設計?

近日,三張有關戴森汽車的專利申請被公開,我們得以有機會一窺戴森對這個大件產品的想像和藍圖。

從專利圖不難發現,創辦人詹姆斯.戴森爵士期待電動車型是一輛有著修長線條、體型獨特的豪華轎車。

儘管可能從體積上來看,它和一輛攬勝(LAND ROVER)差不多,但傳統英倫4X4的那種車型還真不是戴森的菜,它甚至可能和我們現在見到的任何電動汽車都不一樣。

dyson
圖/ 極客公園

獨特尺寸的「戴森」牌電動汽車

從《極客公園》獲取的專利內容來看,專利文件標註的戴森汽車長度接近於一輛5公尺(4.75.1m)的普通路虎攬勝,但軸距達到了320330公分,比路虎攬勝長了約40公分,同時整體高度比後者低25公分,在165公分左右,但離地空間卻高了4公分到6公分。

而這種高地板/低車頂的造型之所以能夠實現,是因為戴森汽車的電池組又寬又長且很薄,可以平鋪於整個車身底部。同時內部座椅是按照saloon車型的規格來設計的,戴森爵士稱之為「駕馭」的操控姿勢。

此外,可能是雙電機的布局十分緊湊的原因,所以整個座艙實現了前移的設計輸出,加之較短的前臉和傾斜的風擋,使得整個內部空間變得十分寬敞。單從專利呈現的細節來看,戴森汽車很可能是一輛七座車(中排和後排座椅升高,提供乘客良好的視野)。

dyson
圖/ 極客公園

重新定義車身與風阻係數?

在接受外媒《AutoCar》採訪時,戴森爵士首次承認,該電動車型將採用全鋁車身架構。他和團隊的工程師認為碳纖維材料技術還未成熟到能夠運用在電動汽車上,而鋼材的話又太重了。

從專利圖來看,平台形狀的電池組安裝在車身底部,這意味著它需要一個強有力、全方位的保護結構。因此,這輛電動汽車可能會採用一個類似滑板的底盤設計,用於支撐前後的子懸架系統(自適應空氣懸掛,可調節高度)。

據了解,戴森汽車將採用鋁合金輪轂,直徑甚至達到了23到24吋,輪胎尺寸較窄,在45到55之間。戴森官方表示已經有了一家簽約的輪胎供應商,而且實驗顯示這些輪胎的滾阻要比小尺寸、寬輪胎的小,同時它良好的慣性使得動能回收的效果也會增強。

這種不尋常的輪轂/輪胎組合還能有效降低風阻,讓輪胎使用較低的胎壓,減少在濕滑路面發生側滑的風險,同時縮減輪胎包絡面的面積,進一步增加乘客的舒適體驗。

dyson
圖/ 極客公園

固態電池+自研電機是最後王牌?

戴森的專利申請並沒有關於動力總成的細節訊息,所以從理論上來說,戴森這輛電動汽車可能是純電動、氫燃料電池,甚至是油電混動。但之前戴森爵士曾確認說,戴森目前正在研發兩款不同的固態電池,而這是一種被視為鋰電池繼任者的重大革新技術。

2015年10月,戴森以9000萬美元的價格收購了固態電池製造商Sakti3,這也是外界對「戴森造車」猜測的開始。而電池作為核心的零部件,對電動汽車的性能有著至關重要的影響。

可能戴森的家電消費產品口碑不錯,但畢竟汽車不是一件玩具,必須達到嚴苛的要求:能夠快速充電,安全且壽命長,還要在或嚴寒或酷熱的不同環境中運行。

此外,戴森還計劃在電動汽車研發上投入20億英鎊,其中一半專門將用於電池研發。據悉,戴森的固態電池研發在包括英國的全球四個地區進行。有一點似乎能夠確定的是,這些先進的固態電池(能量密度更高,重量更輕)最終將用在戴森自研的電動車型上。不過作為過渡,早期的產品是否可能會搭載鋰電池使用,目前還沒有確切的消息證明。

dyson
圖/ 極客公園

不過遺憾的是,戴森爵士至今沒有在公開場合談過電機的的事情。但戴森之所以有信心要造車,也是因為在數位馬達技術、電池、空氣動力及溫控系統上積累了豐富的開發經驗和專利。例如,戴森在高速數碼馬達上的研發已經超過15年。2004年面世的第一代高速數碼馬達DDM V1,轉速高達10萬轉/分鐘,超過F1賽車引擎的轉速,其功率比傳統發動機要高出三倍。

考慮到目前戴森設計的高速電動機在性能表現以及緊湊性方面是世界範圍內數一數二的,所以戴森肯定也會為自家的電動汽車開發定制化的電機產品,兼具高性能和緊湊的優勢,可能會是現在主流的雙電機配置。

dyson
圖/ 極客公園

值得一提的是,為了順利實現造車計劃,戴森2018年在英國投資兩億英鎊,建造了佔地750英畝的哈拉溫頓園區,現已投入運營,有超過400名汽車工程師在這裡工作。而位於新加坡的製造基地也將破土動工,計劃2020年落成。

而之所以選擇新加坡,戴森方面給出的回答是,「戴森的亞洲客戶越來越多,所有的製造業務都位於亞洲,新加坡毗鄰多個高增長市場,擁有比較完備的供應鏈和高科技人才儲備,是完成造車再合適不過的地方。」

「豪華」的硬道理

結合之前官方透露的以及這次專利圖釋放出的信息,戴森的首款電動車型基本上已經有了雛形。這是一輛長五公尺、七座。搭載了超高效電池組,配置了特製輪胎、懸掛和剎車系統的豪華車型。

而根據之前戴森電動車團隊招募的情況來看,曾擔任INFINITI全球總裁以及日產汽車高級副總裁的Roland Krueger正式加入戴森,在新加坡製造基地全面負責造車項目直至產品上市。

其他還包括奧斯頓·馬丁(Aston Martin)前首席工程師Ian Minards 以及寶馬前董事會成員Ian Robertson。在每次公開談論時,戴森爵士本人也會提起攬勝和特斯拉,所以感覺它們至少是同級別的競爭車型。而價格的話,我們猜測應該至少10萬英鎊起。

未來戴森這款車型肯定是要在全球市場開售的,可能對中國市場的吸引力會更大一些。戴森爵士本人並沒有對預計的產能做出評價,而且考慮到工程量的巨大,也不大可能是那種定制化、手工打造的車型。

戴森給外界的感覺一直是「不走尋常路」,別出心裁的設計的「黑科技」以及酷炫的造型,使其產品在全球市場屢獲讚譽。雖然現在提交的專利可能只代表了戴森汽車的某種雛形,但如果借鑒下戴森在小家電市場的成功,一個有顏有實力的品牌,即便是在相對陌生的造車領域,恐怕也是不會讓消費者失望的。

本文授權轉載自:極客公園

關鍵字: #電動車
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