電動車上看近2兆市場規模!目標2040「棄油轉電」,全球車廠如何布局?
電動車上看近2兆市場規模!目標2040「棄油轉電」,全球車廠如何布局?

2022年,是全球純電動車全面啟動的元年。

過去三十年,雖然部分製造廠商已如鴨子滑水,持續研發電動車技術,但由於過去電動車一直是「賠錢貨」,投注大筆研發經費難以回收,車價居高不下,產業界和消費者並不相信電動車會成為流行趨勢。

最大的關鍵是,電動化和智慧化是車輛產業變革的兩大趨勢,電動車如同一台移動式的電腦、一座移動的資料中心,所有零組件都要電子化,電動車已屬於資訊科技產業範疇,對傳統汽車業者來說,都是新的學習和競賽。傳統汽車大廠多有百年歷史包袱,產業生態從機械產業要轉型到電子電控資訊領域,研發、生產、製造和管理的思維畢竟大大不同,車廠多不敢貿然大幅轉變,使得電動車推展進度緩慢。

但特斯拉在2012年之後,如旱地拔蔥,在純電池電動車的成果打開世人的全新視野,眼見大限又即將來臨,迫使各大車廠發展電動車的態度改觀,開始加入戰局,研發油電混合車款。2017年全球電動車倡議聲浪響起後,不得不加快轉型步調,到2020年,各大車廠從過去的油車改款油電混合動力車,到陸續推出純電平台的車款,風風火火朝純電動車轉型之路邁進。

  • 轉型步調較早的賓士集團(Mercedes-Benz),在2016年起,即投資超過100億歐元持續研發電動車,目標是2022年,賓士旗下超過10款不同電動車投入市場。

  • 美國汽車巨擘福特在2021年初大膽宣示,要在兩年內於2023年成為全球第二大電動車廠,一年生產近60萬輛電動車。到2025年之時,將投入220億美元(約新台幣6000億元)的鉅資在電動車和自駕車的發展。

  • 過去專注在油電混合動力車款的日本汽車大廠豐田(Toyota),直到2021年底才推出純電動車,但一口氣布局16款新電動車,並決定在三年內自主研發,推出更有智慧的車載系統。

  • 瑞典國寶車廠富豪集團(Volvo),2021年推出第一款電動車,目標2025年旗下新車款半數將是電動車,2030年轉型成純電動車品牌,全面生產電動車,旗下的燃油車將走入歷史。

  • 英國高級豪車品牌賓利(Bentley)也力拚轉型,宣布2026年起不再賣燃油車,2030年起正式成為純電動車品牌。

  • 日本的本田汽車(Honda)宣布電動車的藍圖,未來將投注5兆日圓(約新台幣1.2兆元)研發費用,目標2030年之前,在全球推出超過30款電動車;並早已訂下2040年不再銷售燃油車的目標。

  • 英國豪車勞斯萊斯(Rolls-Royce)也設下2030年全面電動化的目標,同時將不再生產、銷售內燃機引擎汽車。

  • 自1990年即投入純電動車研發的韓國現代汽車集團(Hyundai),在2021年宣示,將投資520億美元,陸續推出44款新能源車款,預期2025年一年銷售100萬輛新能源車、2040年實現全產品線電動化的目標。

  • 2022年4月初,中國汽車廠比亞迪(BYD)宣布,從3月起停止燃油汽車整車生產,未來將專注純電動車和插電式混合動力車產銷。

上述訊息,揭示著全球主要傳統汽車大廠競相轉型的事實,且核心目標瞄向2030年全面生產電動化、2030年或至遲2040年不再生產銷售燃油汽車,全面「棄油轉電」。

Mercedes Benz 於 CES 2019 將發佈首款量產的全電動車 EQC 400 4MAT
Mercedes Benz 於2019 年發佈首款量產的全電動車 EQC 400 4MATIC,更目標2022年,旗下超過10款不同電動車投入市場。
圖/ Mercedes Benz

電動車市場規模超越晶圓代工,有機會成台灣下個護國神山

台灣過去在3C、半導體等產業都扮演舉足輕重的角色,不論是電腦、手機等消費性產品和晶圓代工產業,在世界上均有口碑,是支撐台灣經濟主要的能量和動力。以2020年的數據來看,個人電腦在全球的市場銷售金額是3000億美元、智慧型手機是6000億美元,純晶圓代工是850億美元。

至於電動車的市場規模,則已超過全球的半導體產業。預期10年內,將進入爆炸成長期,未來20年內規模會再翻倍,足以支撐幾十座的台灣「護國神山」。

根據國際能源總署的預估,2020年全球純電池電動車的平均價格約為4萬美元。假設電動車隨市場擴大,電池成本和前期投資成本攤提都下降的話,未來一輛車平均售價可望降到3萬美元。

在各種車輛(不包括二或三輪)中,有9成比例是屬於乘用車,就電動車的市場滲透率分析,未來電動車的市場規模之大,超乎想像。

根據彭博社(Bloomberg)的數據,2020年乘用型電動車銷售320萬輛,占所有新車銷售量7300萬輛的滲透率大約是4.4%,若以每一輛電動車平均售價3萬美元計算,2020年乘用電動車銷售金額達到960億美元,一年創造的商機就超過純晶圓代工。

推估到2030年,電動車滲透率34.7%,年銷售3300萬輛,同樣以一輛車售價3萬美元計算,市場規模高達9900億美元,已超過電腦加上手機總和,也超過晶圓代工的10倍。 到2040年,以滲透率68.7%估算,規模高達1兆9800億美元。

近2兆美元的市場規模,比起2020年的晶圓代工850億美元大了超過20倍;甚至是2020年個人電腦、智慧型手機、晶圓代工三者總和的2倍。

半導體產業未來成長仍可期,根據Digitimes Research預估晶圓代工到2022年的年均複合成長率(Compound Annual Growth Rate, CAGR)為6%。假設依照這個預估值推演,純晶圓代工到2030年、2040年銷售規模估算將達1520億美元、2720億美元。

至於個人電腦和手機市場因相對成熟,已趨於飽和,成長空間較平緩,根據國際資訊公司IDC(International Data Corporation)的預估,個人電腦和智慧型手機到2025年的年均複合成長率分別為2.5%、1.7%。依據此水準推估,到2030、2040年的銷售額,個人電腦將達到3840億美元及4920億美元,而智慧型手機分別達7100億美元、8400億美元。

與預估2040年的銷售額比較,晶圓代工、個人電腦和智慧型手機三者合計為1兆6千億美元,仍比不上電動車的2兆美元。電動車未來的世界盃有多大,由此可見一斑。

事實上,這只是乘用車的市場預估,還不包括貨車、卡車、巴士和其他特殊用途等車輛。

如下圖所示,2021年電動乘用車的銷售量與整體乘用車銷售占比是9%,電動貨車及卡車銷售量占整體貨卡車比例僅1%、電動巴士則占所有巴士銷量的44%,其中電動乘用車及巴士的銷量比則明顯較2020年的4%、39%提高。

車輛市場以乘用車為大宗,約占所有車輛(不包括二輪及三輪車)近9成,貨車、卡車、巴士等約一成左右,但以平均售價來看,貨車、卡車售價最少3至5萬美元起跳,巴士車輛售價幾乎在30萬美元以上,若加上數量龐大的二或三輪電動機車,貢獻的數字絕對比2兆美元還要更多。

換一個角度來看,未來的成長性更是值得期待的商機。各國預期在30、50年內實現轉型為電動車政策,即便汽油車無法全面淘汰,但電動車的銷售占比邁向80、90%時,整個電動車市場規模、成長動能將不可限量。

在台灣股票市場市值中,半導體類股占了40至45%,相對來看,電動車市場如此之大,如果台灣企業能抓住時機,成為產業鏈中的重要角色,必能創造新的經濟奇蹟。

天下文化-電動車產業大未來-立體書-300dpi-new (1)
圖/ 天下文化

本文授權轉載自《電動車產業大未來》, 宣明智、傅瑋瓊著,天下文化出版

責任編輯:傅珮晴、蘇柔瑋

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