【CES2020】首款電動車正式量產,中國新創拜騰要用48吋超大螢幕挑戰特斯拉
【CES2020】首款電動車正式量產,中國新創拜騰要用48吋超大螢幕挑戰特斯拉
2020.01.06 | 移動

被稱為「中國特斯拉」的蔚來汽車(NIO),去年因為財務吃緊,面臨下市危機;相反的,特斯拉因為解決Model 3產能危機,終於實現獲利。

2020 CES即將登場,汽車科技無疑是一大重點,無論傳統車廠或是新創,產品能否順利量產交付,才是根本關鍵。去年在CES受到外媒關注的中國電動車新創拜騰(Byton),除了持續獲得融資外,首款概念車M-Byte已經正式進入量產階段。

「過去幾年,特斯拉在市場上占據了重要的位置,很多人跟我說,他們已經準備好迎接新的電動車選擇,」本月5日搶在各大廠前舉辦記者會,拜騰執行長丹尼爾·基徹特(Daniel Kirchert )驕傲地說:「我相信,拜騰將會成為那個選擇。」

內裝搭載大量觸控螢幕,要成為人類生活「第4空間」

為何拜騰敢誇下豪語,它究竟有哪些創新,能夠對電動車龍頭特斯拉構成威脅?

拜騰的電動車M-Byte最突破性的創新在於:其大膽用上48吋的超大螢幕完全取代傳統的儀表板,這一大片銀幕,讓整台車看起來未來感十足。特斯拉的儀錶版、中控台雖然也都數位化,但在外觀上沒有像M-Byte一整片螢幕來得霸氣。

拜騰(Byton)
拜騰的電動車M-Byte最突破性的創新,在於大膽的用一整片48吋的超大螢幕,完全取代傳統的儀表板。
圖/ 高敬原攝影

人車互動的媒介就是螢幕。M-Byte能透過觸控、聲控、人臉辨識、手勢操作與實體按鈕等5種方式跟車子互動,除了儀表板,在中控台、方向盤、後座頭枕也都有配置大片觸控螢幕;這是面目前市面上量產的電動車,非常罕見的配置設計。

拜騰(Byton)
除了儀表板,在中控台、方向盤、後座頭枕也都有配置大片觸控螢幕。
圖/ 高敬原攝影
拜騰(Byton)
除了儀表板,在中控台、方向盤、後座頭枕也都有配置大片觸控螢幕。
圖/ 高敬原攝影

拜騰客戶長夏安德(Dr. Andreas Schaaf)在記者會上表示,「過去大家談論汽車時,都會強調馬力(Horse Power),現在是資料力(Data Power)的時代。」如同現在手機,打電話不再是最主要的功能,車子也不只是用來移動,而是必須與生活結合,而資料能夠讓這一切實現。

他提出「第四空間」概念,也就是讓車子成為家庭、職場、社交以外,人類生活中的重要空間

首先,儀錶板48吋的超大螢幕上,除了能顯示車速、電量等基本資訊,車上的每個銀幕都能依照需求顯示股票資訊、天氣、日曆等資訊。

無論乘客、駕駛都能設置一組「Byton ID」,上車後透過人臉辨識分辨用戶,在螢幕上顯示客製化資訊。

拜騰(Byton)
乘客、駕駛都能設置一組「Byton ID」,上車後透過人臉辨識分辨用戶,在螢幕上顯示客制化資訊。
圖/ 高敬原攝影

此外,M-Byte還有辦公模式,可以在車輛停妥時,進行視訊會議,並在螢幕上顯示簡報內容。

拜騰(Byton)
M-Byte還有辦公模式,可以在螢幕上顯示簡報內容。
圖/ 高敬原攝影

M-Byte的系統則與Garmin合作,所有數據都能在螢幕上同步,還能與乘客的數據排名競賽。

拜騰(Byton)
M-Byte的系統也與Garmin合作,加入健康功能。
圖/ 高敬原攝影

最後是娛樂功能,拜騰與媒體集團維亞康姆(ViacomCBS)合作,提供大量影音內容給乘客觀賞;特斯拉也有相同作法,提供多款遊戲,讓車主充電時可以消磨時間。

拜騰(Byton)
拜騰與媒體集團維亞康姆(ViacomCBS)合作,提供大量影音內容供乘客觀賞。
圖/ 高敬原攝影

為了豐富自家生態系,拜騰數位工程副總裁Jeff Chung,在記者會上宣布,將推出「開發者計畫(Developer program)」,打造因應自家48吋的超大螢幕介面的應用App。此外,拜騰也將進軍儲能事業,預計家用儲能設備會在歐美先推出,商用儲能則會在日本先開始。

日韓業者都投資,今年開始全球交車

拜騰雖然是一家總部設在南京的中國新創,其成員卻非常多元,由多位曾任職BMW的工程師組成,更大手筆從Google、特斯拉、蘋果等科技大廠挖角員工,是一家非常國際化的電動車新創;不只在2016年剛成立時,引起德國汽車圈一陣討論,更在2018年CES初登場時,成功打響名號。

拜騰(Byton)
拜騰大手筆從Google、特斯拉、蘋果等科技大廠挖角員工,是一家非常國際化的電動車新創。
圖/ 高敬原攝影

有了蔚來汽車(NIO)財務危機的前車之鑑,拜騰執行長基徹特也特別表示,公司獲得多筆融資,資金沒有問題。

去年9月時,他們完成跟韓國零組件製造商MS Autotech簽訂戰略合作協議,其參與的C輪融資也將完成。MS Autotech同時也是特斯拉、韓國現代、德國戴姆勒的供應商,未來將在生產、供應鏈上提供資源。(Model 3單月掛牌數破千台!特斯拉將引進新一代快充站,15分鐘就能充飽

去年12月,拜騰再跟日本前5大綜合商社丸紅株式會社(MARUBENI CORPORATION)完成戰略合作協議;丸紅參與的C輪融資也即將完成,預計在能源解決方案上成為拜騰的助力。

拜騰(Byton)
售價45000美金的M-Byte,去年(2019)十月,已經南京的工廠開始量產,官方表示,這座工廠預計每年能有30萬輛的產能。
圖/ 高敬原攝影

北美地區售價45,000美元的M-Byte(約合新台幣135萬元),去年10月在中國大陸南京工廠開始量產,官方表示,這座工廠預計每年能有30萬輛的產能,預計在接下的18個月內,陸續於中國、美國、歐洲市場交車。

過去許多美國消費者總是抱怨,豪華電動車只有特斯拉一個選擇,主打科技、豪華感的M-Byte,能否成為市場後起之秀?在開始交車後就能見真章。

責任編輯:張庭銉

關鍵字: #電動車
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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