特斯拉自駕計程車Robotaxi亮相！一輛成本不到97萬「最快2026量產」，展會3大亮點一次看|數位時代 BusinessNext

亮點1：Cybercab

從外觀上來看，Cybercab的車型設計科技感十足，猶如Model 3 與 Cybertruck 的綜合版，其採用了類似蝴蝶翼的上掀門，內部僅有兩個乘客座位，並支持無線感應充電，新車成本約在3萬美元（約新台幣96.5萬元）以內。

馬斯克表示，自駕車的安全性預計是人類駕駛車輛的 10-20 倍，且每英里的使用成本僅 0.2美元，「相較於一般巴士的每英里 1 美元大幅降低。」

特斯拉計劃於明年在德州和加州推出完全自動駕駛Full Self-Driving（FSD）服務，Robotaxi 預計於 2026 年投入生產，但最晚可能延至 2027 年。

亮點2：Robovan

和Cybercab一同亮相的還有Robovan，同樣是無人駕駛，這輛自駕貨車鎖定商務取向的小巴士市場，最大容量可載20人，也可以用來載貨。但馬斯克未在會中公布Robovan相關價格與量產、上市時間等資訊。

亮點3：Optimus機器人

除自駕車外，馬斯克也展示正在開發的 Optimus 機器人，預計售價為 20,000 至 30,000 美元（約新台幣96.5萬元），該機器人具備執行多種任務的能力。Musk 在活動中強調，「這些技術的推出將大幅減少事故與傷亡，具有重大的社會意義。」

特斯拉新願景：從電動車生產轉向AI與機器人

馬斯克在活動中表示，FDS技術仰賴AI和鏡頭，而不需要像是其他自駕計程車同業所採用的其他硬體。他更豪言：「自駕的未來就在這裡，今晚有50輛全自駕車，所有的Model Y 和 Cybercab，全都是自動駕駛。」

馬斯克也談及自動駕駛汽車「節省時間」的主要優勢，他表示：「透過FSD技術，人們在車上花費的時間可以用於閱讀、觀看影片或工作。」

本次發布會選在洛杉磯的華納兄弟影城進行，特斯拉利用現場的非公共道路進行展示。 據《The Verge》報導，特斯拉已提前對該路段繪製地圖，儘管特斯拉表示 FSD駕駛功能並不依賴高精度地圖來運行。

馬斯克試圖帶領特斯拉的核心業務從電動車製造轉向機器人和 AI 領域， 但特斯拉目前在自動駕駛領域的實際進展，仍落後於 Waymo 和 Cruise 等公司 ，後者已在無人駕駛車輛的道路測試中積累了數百萬英里的經驗。

FSD爭議不斷！商轉計畫仍受市場存疑

事實上，Tesla 的自駕技術備受爭議，其 Autopilot 和 FSD 功能雖令人印象深刻，但今年稍早也曾發生致命車禍。一名 28 歲的機車騎士在與使用 FSD 的特斯拉車輛發生碰撞後身亡。

面對美國政府的審查壓力，特斯拉一度2023年底被迫召回200萬輛車，以利更新駕駛輔助系統。此外，Waymo 和 Cruise 的無人車技術也面臨交通堵塞和車輛停滯等問題，聯邦安全監管機構正在調查這些技術的安全性。

本文初稿為AI編撰，整理．編輯/ 李先泰

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。