Apple Car將終結特斯拉神話?蘋果的造車計畫掌握了哪些後發優勢?
Apple Car將終結特斯拉神話?蘋果的造車計畫掌握了哪些後發優勢?

一旦蘋果Apple Car的計畫啟動,特斯拉和傳統汽車大廠很難保持氣定神閒。

2020年,電動車是最炙手可熱的詞彙。豐田總裁不久前表示,電動車被嚴重炒作,並指出「生產的電動車越多,二氧化碳的排放則越嚴重。」對此,中國造車新勢力的代表人物何小鵬回應道——「這讓我想到了諾基亞。」

限編輯用途_shutterstock_593728589_tesla.jpg
圖/ Aleksei Potov via shutterstock

延伸閱讀:「Apple Car」提前2021年問世?傳蘋果開始要求台灣供應鏈備貨

對於電動車的發展方向,各界都有自己的觀點。若拋開市場上所有的爭議與觀點,不可辯駁的一個事實是,數位化已是未來汽車不可逆的方向。未來汽車的發展方向,早已不是電池和石油的燃料之爭,而是汽車的數位化與智慧化,未來汽車不僅要考慮能源驅動的問題,還要更著重於科技密度和用戶體驗,一如智慧型手機當年顛覆傳統手機那般。

Apple Car會是蘋果的新引擎嗎?

路透社表示,蘋果公司正在推進自動駕駛汽車的專案,並計劃於2024年投入生產。據報導,蘋果首款電動車Apple Car將在明年第三季發佈,蘋果正在籌備其生產線。此外也有消息傳出,蘋果更換自動駕駛部門的負責人,與台積電一起研發自駕車晶片。蘋果造車的話題,再度引起了外界的熱議。

眼看特斯拉的市值超過6,000億美元,從公司資源到技術儲備,特別是在自動駕駛的技術上,蘋果並不會遜色於特斯拉,而它進軍汽車工業也是合乎情理。放眼全球,短時間內有能力終結特斯拉神話的,或許只有蘋果了。

早在賈伯斯時代,蘋果就有了造車的想法,在賈伯斯去世的前一年,還曾與主打輕便及廉價車型的製造商「V-Vehicle」進行過磋商。2013年,蘋果在全球開發者大會(WWDC)上,繼任者庫克正式推出了「iOS in the Car」車載系統(爾後更名為CarPlay),宣佈蘋果正式進軍汽車領域。

2014年,蘋果傳出啟動了保密級別極高的「泰坦計劃」,預計打造出自家的汽車產品,並從特斯拉、福斯、通用這些企業中大肆挖角,也因此引起馬斯克的不滿,他曾公開宣稱,蘋果挖走的都是特斯拉不要的。時至今日,馬斯克依然沒忘記要調侃蘋果造車,「 在Model 3專案最黑暗的日子裡,我聯繫了庫克,想討論關於蘋果收購特斯拉的可能性(以目前市值的十分之一,約600億美元),但他拒絕開會討論。

特斯拉馬斯克Tesla Elon Musk
圖/ Reuters Connect

延伸閱讀:馬斯克自曝曾想將特斯拉賣給蘋果,但庫克一點也不想談

如今,若蘋果想進一步發展並壯大自己,就必須著手轉型,追逐更有想像力的星辰大海。在手機和電腦的領域中,蘋果的性能與創新早已是業界的頂尖標竿,要能承接住這顆體積碩大的蘋果,目前看起來似乎只有汽車工業了。對於蘋果來說,它以手機、平板電腦等3C產品所支撐起的規模,2兆美元幾乎已達到市值的上限,若想讓公司獲得進一步的發展,進軍汽車行業可能是唯一一個不錯的選擇。

蘋果打造電動車的優勢在哪?

儘管,蘋果曾經糾結於汽車製造及自動駕駛研發的優先順序,但在2017年,庫克首次在公開場合談及蘋果的計劃:「 我們專注於自動駕駛系統,它是電動車的核心技術、人工智慧之母,同時也是最困難的人工智慧專案。

如今在美國加州,蘋果營運著一支規模排名第三的測試車隊,僅次於通用的Cruise專案和Google的Waymo專案。自動駕駛技術囊括著汽車的電動化、網路化、智慧化和共享化,在未來很長一段時間內,也將會是汽車技術皇冠上那顆最耀眼的明珠。若有誰能夠率先將L4級別的自動駕駛商業化落地,就能完全站在汽車行業的制高點上,與其他競爭對手拉開足夠的差距。

延伸閱讀:Apple Car可能威脅到特斯拉,彭博作家點出超車關鍵!鴻海扮演要角?

目前,最受各界看好且最接近量產的是Google的Waymo,Google和克萊斯勒、富豪汽車以及戴姆勒卡車積極合作,尋求著商業化落地。但現階段看來,短時間內沒有太大的可能,若傳統的汽車企業巨頭想讓這些技術在新產品上實現,是牽一髮而動全身的,因此大多數人採取觀望的態度,對於大規模的投資仍然是踟躕不前。

Waymo
圖/ shutterstock

至於特斯拉,有鑒於光學雷達的成本問題,進而選擇自研晶片,單純依靠鏡頭、毫米波以及超聲波雷達來實現對周邊環境的感知,目前來看,也暫時沒有辦法達到L4級別的能力。

在蘋果方面,它並沒有放棄光學雷達,又因在晶片領域耕耘多年,其擁有豐富的供應資源,蘋果可以用手機巨大的出貨量分攤汽車晶片高昂的研發成本。

半導體_semiconductor
圖/ shutterstock

延伸閱讀:Apple Car生產計畫曝光!傳蘋果攜手台積電研發自駕車晶片,並將在美國設廠

汽車進入智慧化的時代後,幾顆關鍵的主要晶片,包括汽車座艙、智慧駕駛和V2X晶片都與手機SoC晶片高度重合,手機晶片稍作修改就可用於車載領域。這也使得高通、聯發科、三星等手機晶片巨頭紛紛進入車載領域。

車載領域的晶片和手機晶片一樣,有三個重要的計算模組:CPU、GPU和NPU。其中,CPU是負責計算和整體協調,而GPU負責繪圖運算的工作,NPU則是負責與人工智慧相關的部分。

目前,蘋果M1晶片的CPU和GPU計算能力已超越特斯拉的FSD自研晶片。如果蘋果將M1晶片的裸晶面積擴展到與特斯拉同等的大小,並將多出來的部分用於NPU,特斯拉的FSD晶片恐怕會被蘋果全方面的擊潰。

Apple_new-m1-chip-graphic_11102020_big.large_2x.jp
圖/ Apple (台灣)

除此之外,相較於特斯拉,蘋果擁有一個非常龐大的網路生態,汽車將成為串聯起蘋果旗下所有生態應用的最好載體。對於特斯拉來說,無論其在電動車硬體或軟體上大肆宣稱自己領先,除非是選擇與Android合作,否則光憑特斯拉自身的能力,不太可能短時間內建立起一套專屬的互聯汽車生態,與蘋果一較高下。

蘋果造車,還有一個最重要的優勢——有錢。 蘋果是屈指可數、市值超過兩兆美元的公司,相較於特斯拉,現金流量更為充足,也讓蘋果能更加從容。而特斯拉則不然,馬斯克需要追求更迅速的生產、落地才能獲得更多資源,讓整個專案向前推進。福斯執行長也表示,與豐田這種傳統汽車大廠比起來,資金雄厚的技術巨頭蘋果入場,他們將面臨更大的壓力。如果蘋果下定決心,即便是自建工廠,對蘋果而言,壓力也不會像特斯拉一樣大。

此外,有鑒於蘋果一貫的產品交付理念與實際情況,蘋果即便會延期和跳票,卻仍值得信賴。

馬斯克之所以在這個時機爆料,正因他懷疑蘋果在2024年推出電動汽車計劃的嚴肅性。但看在一般人眼裡,更多的還有恐慌。自古以來英雄惜英雄,作為兩家都以產品力取勝的公司,一定對彼此的行為方式和風格有充分瞭解,所以在馬斯克的心中,多少會有不平靜的漣漪激盪。

最大的問題在於,蘋果真的要造車嗎?

看上去,蘋果擁有得天獨厚的優勢,只差最後的臨門一腳。但最大的問題是,蘋果真的會一登場就自己製造電動車嗎?

來自華爾街的兩家投資銀行率先投下懷疑票。花旗銀行分析師吉姆說:「蘋果在很多領域進行研發,但我們非常懷疑蘋果公司是否會生產汽車,因為汽車行業的利潤率要低得多。」Evercore分析師Amit Daryanani也懷疑蘋果是否會進入獲利率低且資本密集的汽車業務。

蘋果的投資方——Gullane Capital Partners的管理合夥人Trip Miller也對向媒體表示,蘋果要大量生產汽車可能會有難度。但鑒於蘋果一貫的保密風格,這類說法被當作障眼法的可能性也極高。

以往在iPhone、Mac等革命性產品當中,蘋果所扮演的角色大多是整合方案者,並非技術研發者。然而,汽車工業的門檻顯然比手機要高出許多,供應鏈的複雜程度更是不可同日而語,在創業初期屢屢遊走在破產邊緣的特斯拉,以及被迫放棄電動車製造業務的戴森都深有體會。

在手機領域中的經驗也無法完全複製到汽車之上,要將數萬個零件組合到一起,打造出大量符合果粉標準的汽車,對於從未有過造車經驗的蘋果來說,會是一項極大的考驗。先前,特斯拉是借用賓士的零件供應體系,加上通用和福特的產業鏈根基,並且向豐田學習了品質控制和問題追溯體系,最終才能打造出Model S。這是先行者要付出的代價,但對於隨後入行的對手而言,其後發優勢在於可以少走不必要的彎路,因為已有足夠成熟的產品幫他們試驗過了。

資深汽車行業觀察人士巴虎德曾分析道,AI、自動駕駛、5G以及互聯汽車等技術都為汽車行業帶來顛覆性的變革。相較於傳統的燃油車,電動車的技術難度大幅降低。而消費者在選擇電動車時,最看重的不再是汽車性能,而是著重於科技與智慧上的體驗。在這個方面,科技巨頭正好具備了領先於傳統汽車大廠的研發能力。

2007年,史蒂夫.賈伯斯在發佈第一款iPhone的時候,曾引用計算機圖形用戶介面的先驅——艾倫.凱的一句話:「 真正認真對待軟體的人就應該自己做硬體。 」在Google沒有公佈自家造車計劃的情況下,蘋果會終結特斯拉的神話嗎?

但無論如何,在自動駕駛領域中,頂尖高手的正面對決可能就要來臨了。這對於所有人而言,是一大好事。

責任編輯:文潔琳、蕭閔云 本文授權轉載自:36氪

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