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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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