特斯拉秘密籌備Model 3大改款！改了哪些？特斯拉最平價電動車如何再降成本？|數位時代 BusinessNext

知情人士透露，特斯拉正在開發 Model 3 的大改款，因為這家電動車製造商一直在降低生產成本並提升這款上市 5 年的電動轎車吸引力。

《路透》引述不願透露姓名的人士報導，代號為「Highland」的重新設計重點之一是減少 Model 3 內部的零件數量和複雜度，同時專注於特斯拉買家看重的功能，包括顯示螢幕。

為什麼Model 3要改款？改了哪些？

特斯拉正面臨來自中國比亞迪、南韓現代等車型以及其他主要汽車製造商即將發布的車型的日益激烈競爭。

兩名知情人士表示，這款電池動力轎車的改款可能還包括對 Model 3 的外觀和動力總成性能進行一些改動，將在特斯拉上海廠和該公司的加州弗里蒙特廠進行生產。特斯拉上海超級工廠將在 2023 年第 3 季將投產重新設計的 Model 3。

目前尚不清楚弗里蒙特廠何時開始生產，也不清楚特斯拉在與供應商合作時經過重新設計將會節省多少成本。

這項工作彰顯了一種由特斯拉開創的汽車開發方法，現在被包括豐田汽車在內的其他汽車製造商效仿，這種方法降低了生產的複雜性和成本。

Model 3 的重新設計是比照去年發布的高階房車 Model S 的改款。這種重新設計新增了一款飛機式方向盤來代替傳統方向盤，並移除了按鈕和傳統的通風口；其極簡主義內飾的核心是一個 17 英寸的電子顯示螢幕。

特斯拉旗下最平價、暢銷產品

Model 3 是特斯拉最平價的電動車，在美國起價不到 47000 美元，一直是這家汽車製造商的暢銷產品，但正在被 Model Y 跨界車超越。由於特斯拉只有 4 款量產車型，與老牌汽車製造商相比，特斯拉產品線任何部分的改款都具有極其重要的意義。

跟踪市場趨勢和生產的 AutoPacific Group 總裁金姆 (Ed Kim) 表示，由於特斯拉經由軟體更新電池性能、訊息和娛樂選項，目前的 Model 3 已與 2017 年首次上市的版本大幅更新，即使它看起來仍然一樣。

他說，「話雖如此，消費者仍然傾向於將視覺變化等同於新奇。」「特斯拉知道視覺的有形變化需求很大。」「潛在客戶可以看到和感受到即將發生的變化，對於確保電動車客戶仍將特斯拉放在首位非常重要，因為真正優秀的特斯拉替代品開始湧入市場。」

Highland設計重點是什麼？

知情人士說，馬斯克在特斯拉推動一種簡化的設計和生產方法，Highland方案就是對此進行擴展。

特斯拉率先採用名為 Giga Press 的大型鑄造機，該鑄造機由義大利 IDRA 集團製造，用於在裝配中製造較大的單一車體，從而降低成本並加快生產速度。它還設計了一種結構化電池組，可以取消更昂貴的模塊。

馬斯克曾表示，特斯拉希望經由簡化和開發小型車平台來降低成本，目標是成本僅有 Model 3 的一半，「我們一再發現很多不需要的零件，它們被放在那裡只是為了以防萬一。我們可以一輛車上淘汰許多沒有任何作用的零件。」

這種方法是讓特斯拉成為最賺錢的電動車製造商的部分原因，而許多競爭對手仍處於虧損狀態。 根據公開資料，在第 3 季，特斯拉每售出一輛車的獲利略高於 9500 美元，而豐田的獲利約為 1300 美元。

本文授權轉載自：鉅亨網

責任編輯：傅珮晴、林美欣

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。