同一時間，Elon Musk 於 4 月 9 日預告具備約 10 倍參數規模的 FSD v15 即將推出，也讓外界重新關注技術推進與開放節奏之間的落差。在台灣與歐洲，部分車主開始透過技術方式嘗試解鎖完整功能，相關討論持續升溫。

全球 FSD 發展現況與法規進度一覽

荷蘭：UN R-171 認證啟動與新技術豁免機制落地

荷蘭 RDW 於 2026 年 4 月 10 日核發的 UN R-171 型式認證，是基於（EU）2018/858 Article 39 的新技術豁免機制。這項認證讓 FSD Supervised 得以突破過去 R79 對轉向力度的限制，目前已具備在荷蘭境內啟用的條件，並預計優先支援 HW4 硬體車型。

不過，此次核發仍屬暫時性效力（Provisional Validity）。後續需由 RDW 將相關申請提交至歐盟委員會，經各成員國審議與投票通過後，才會轉為全歐適用的型式認證。這份文件也成為其他市場導入新技術豁免時的重要參考依據。

美國：Robotaxi 擴張推進與 FSD 模型持續升級

美國市場已於 2026 年進入自動駕駛商業化階段。特斯拉在 1 月底宣布將擴展至全美 7 個主要城市，並以 2026 年上半年完成布局為目標。目前德州奧斯汀的地理圍欄區域持續擴大，商業化運作維持穩定推進。

在技術層面，最新 FSD v14.3 導入 MLIR（多層級中間表示）AI 編譯器重構運算流程，讓整體反應速度提升約 20%。Elon Musk 也於 4 月 9 日預告參數規模提升至約 10 倍的 FSD v15。

同時，專為自動駕駛設計的 Cybercab 已於本月在德州超級工廠啟動量產，顯示硬體平台與軟體模型正同步推進。

韓國：非法改裝納入刑責與遠端管控機制啟動

韓國於 2025 年 11 月正式導入 FSD，成為亞洲首個完整落地的市場。隨著使用規模擴大，相關改裝行為也引起監管關注。韓國政府於 2026 年 3 月 31 日公告，將未經授權修改車載軟體、繞過監管限制的行為納入刑事責任範圍。

在此背景下，特斯拉於 4 月啟動全球遠端管控機制，涵蓋歐洲與韓國等市場。系統透過偵測 CAN Bus 異常，一旦確認存在未授權裝置，將撤銷車輛的 FSD 使用權限。

日本：道路測試持續進行並規劃 2026 年底上線

日本市場自 2025 年 8 月起已在東京新宿區啟動一般道路測試，由員工駕駛搭載 FSD 系統的 Model Y 進行數據採集。測試重點聚焦於窄巷環境、靠左行駛習慣，以及與行人高度互動的交通情境。

目前日本國土交通省正針對 OTA 更新與自動駕駛系統制定相關監管指引。特斯拉日本團隊則規劃於 2026 年底前推動正式上線，整體進程仍處於評估與調整階段。

澳洲：FSD 已上線並全面轉向訂閱制

澳洲在不受歐盟體系限制的 ADR（澳洲設計法規）架構下，已於 2025 年 8 月正式上線 FSD，成為右駕市場中較早落地的案例之一，整體部署進展穩定。

自 2026 年 4 月 1 日起，澳洲市場也已轉向訂閱制模式，顯示在法規與技術同步調整下，自動駕駛系統具備落地條件。

中國：AI 訓練中心啟用與區域測試持續推進

特斯拉中國 AI 訓練中心已於 2026 年初正式啟用，代表數據本地化進一步推進。不過，相較於美國市場的全面部署，中國在道路開放上仍維持較為審慎的節奏。

目前 FSD 的道路驗證主要集中於上海臨港、南匯新城等指定區域，尚未擴展至更大範圍，發展仍以累積在地數據為主。

泰國：東南亞測試據點擴展公開道路驗證

泰國在相對彈性的法規架構下，已啟動 FSD 公開道路測試，成為東南亞較早進入實測階段的市場之一。特斯拉也將泰國視為區域內的重要試點。

目前泰國政府正與特斯拉協商，規劃在曼谷周邊擴大測試範圍，逐步建立更完整的實測環境。

台灣：法規條件到位等待車廠啟動申請流程

歐洲與台灣目前皆採用 UNECE R79 與 R157 作為自動駕駛系統的法規基礎，其中 R79 對於轉向控制與變道行為設有嚴格限制，R157 則將自動車道保持系統（ALKS）限制在特定速度與場域條件下運作。

台灣自 2025 年 1 月起全面接軌 R79 規範，多項原本由 FSD 提供的進階功能因此受到限制。即使車主已購買 FSD 授權，實際可用功能仍以 Autopilot 為主，包括自動變道、路口判斷與城市道路導航等功能皆無法完整啟用。

針對台灣 FSD 開放進度，交通部已表示，參考歐盟 Article 39 精神所制定的「113-04/MR14-04 新技術駕駛系統審查報告補充作業規定」，已於 2025 年 2 月正式核定實施。

這代表台灣在法規層面已具備受理類似 UN R-171 等級申請的基礎，並允許業者引用荷蘭 RDW 的認證作為審查資料。不過，目前特斯拉台灣尚未提出正式申請，也未有公開道路測試紀錄，整體進度仍取決於車廠後續部署。

台灣通過審查後 FSD 與現行系統並行？

在亞洲主要市場已積極部署、啟動測試的當下，台灣是少數尚未進入實測階段，且官方仍未對開放時程給出明確說法的市場，與全球推進節奏出現落差。

若特斯拉後續在台灣正式遞件，並引用荷蘭 RDW 的 UN R-171 認證搭配新技術豁免機制通過審查，系統將採取分層運作模式。現行基於 R79 的輔助駕駛功能將持續保留，而 FSD Supervised 則作為額外開通的高階功能存在。

在實際使用上，車主可依需求切換不同模式：未啟用 FSD 時，維持既有的 Autopilot 或 EAP 功能；啟用後，則進入基於 R-171 架構的 FSD Supervised 系統。這種設計並非取代原有系統，而是以升級形式提供更完整的駕駛輔助能力。

延伸閱讀

台灣首例！開源專案成功破解啟用 FSD：市區自動轉向變道實測全紀錄

不等監管開放！歐洲特斯拉車主開源工具成功啟用 FSD 繞過地區限制

特斯拉 FSD 登陸歐洲倒數：採用 UN R-171 新架構完成荷蘭最終測試

更新內容分別由省錢模式與激進遠光燈構成，對應事故處理與夜間道路互動兩種場景。前者將判斷延伸至不可避免事故下的財損取捨，後者則透過矩陣式頭燈強化車流中的溝通方式。兩項功能雖分屬不同系統，但共同指向一個方向，也就是讓車輛在更複雜的情境中，主動接手部分原本由駕駛決定的行為。

省錢模式聚焦不可避免事故下的財損最佳化

從這次更新的程式碼中，也揭露出名為省錢模式（Money-Saving Mode）的隱藏功能。全自動輔助駕駛（FSD）可在駕駛主動監督下執行多數行駛任務，而這項功能則進一步延伸其決策範圍。

當系統判定事故難以完全避免時，車輛將透過即時視覺（Grok Vision）分析周遭車輛的市場殘值、維修成本與整體財損結果，在不同碰撞路徑之間進行判斷，優先選擇整體損失較低的方案，並輔助轉向降低經濟衝擊。

該功能目前僅於北美特定州出現於更新內容中，實際可用性仍取決於各地法規與後續部署狀況，部分地區預計將以 Beta 形式逐步開放。

激進遠光燈將照明系統轉化為道路效率工具

另一項從程式碼中曝光的功能，則是激進遠光燈（Aggressive High Beams）。這項功能建立在自適應遠光燈（Adaptive High Beam）與矩陣式 LED 頭燈（Matrix LED Headlights）之上，進一步延伸燈光系統在道路中的角色。

透過更細緻的像素控制，系統能在夜間維持遠光燈啟用的同時，動態避開其他用路人視線範圍。更新後的邏輯進一步加入對車流行為的判斷，當偵測到前方車輛長時間佔用車道且行駛效率偏低時，可將光束精準投射至前車後視鏡可見範圍，並進行短時間高頻閃爍提示，在不影響其他車輛的前提下，試圖提升整體道路通行效率。

激進遠光燈同樣僅在北美特定州的更新內容中出現，將依各地照明法規與系統驗證進度，分階段開放給符合條件的車輛。

功能合法性與實際上線時程仍受各地法規限制

這些功能目前仍停留在特定版本更新與程式碼層級，是否正式推出，將取決於各地對駕駛輔助系統與主動式照明的監管規範。特別是在事故決策與燈光互動等高度敏感領域，相關功能需通過更嚴格的法規審查。

需要特別注意的是，本文內容為愚人節特別企劃，並非目前已公開確認的正式更新項目。不過，從特斯拉過去透過軟體持續擴展功能的節奏來看，部分概念未來仍可能以不同形式出現。若真的期待這些功能上線，建議至 Elon Musk 的 X 貼文下方留言許願。

延伸閱讀

特斯拉復活節彩蛋你知道幾個？熟悉的到沒聽過的通通有

特斯拉 LOGO 是貓鼻子？為什麼訂車完成有刺蝟？盤點 Elon Musk 的惡趣味

特斯拉自駕命名學：Autopilot 與 FSD 在監管壓力下全面調整

這項案例顯示，工程師的角色正逐步從程式碼的直接撰寫者，轉變為設計開發環境、定義目標與建立回饋機制的協調者。OpenAI 將這種開發方式稱為 Harness Engineering (駕馭工程)，透過讓 AI 代理人負責大量程式生成與迭代，使整體開發效率顯著提升。

這項實驗並非單純的技術展示。相關產品目前已作為內部 Beta 版本部署，並有數百名使用者每天實際使用。系統在真實環境中運行、出現錯誤並由 AI 代理人進行修復，顯示 AI 代理人已能參與部分真實軟體開發與維運流程。

零手寫百萬行：布魯克斯定律的新案例

在傳統軟體工程理論中，布魯克斯定律 (Brooks’s Law) 指出，在進度落後的專案中增加人力，往往會因為溝通成本提高而讓進度變得更慢。然而，OpenAI 的實驗團隊最初以 3 人小規模運作，引導 AI Agent (AI 代理人，指能自主執行任務的智慧程式) 完成約 1,500 個 PR (Pull Request，指程式碼修改後的審核與合併請求)。當團隊規模擴充至 7 人後，整體產出仍持續增加，呈現接近線性成長的趨勢。

根據公開資料，這套開發模式下平均每位工程師每日可合併約 3.5 個 PR。這項數據顯示，當工程師將重心放在維護 Repository (Repo，存放程式碼與版本紀錄的數位倉庫) 的架構邊界，而非逐行撰寫程式碼時，團隊規模的擴張仍能維持高效率的協作節奏。

駕馭工程的控制論哲學：人類掌舵、代理執行

駕馭工程的核心理念可概括為「人類掌舵，代理執行 (Humans steer. Agents execute.)」。這種思維可追溯至 1788 年詹姆斯·瓦特 (James Watt) 發明的離心調速器。當時工人不再需要持續手動調整閥門，而是設定目標轉速，由機械結構自動維持運作。

後續的系統設計，例如 Kubernetes (用於自動化部署與管理的容器平台)，也採取類似邏輯：開發者只需宣告期望狀態，系統便會持續調整以維持該狀態。在現代軟體開發場景中，工程師的任務逐漸轉為設計一套具備明確約束與回饋機制的系統環境 (Harness)。這套環境通常包含三個關鍵面向：

1. 設計環境與可讀性：將系統架構與文件結構化，讓 AI 代理人能清楚理解程式碼結構並有效導航。
2. 建立可觀測性：將系統運行狀態與錯誤訊息即時回饋給代理人，使其能進行自我診斷與修正。
3. 建立回饋循環：工程師定義目標與邊界條件，代理人負責生成程式碼、執行測試並根據結果進行迭代。

透過這種設計，工程師的工作重心逐漸從撰寫程式碼轉向系統導航與架構設計。軟體開發的生產模式也因此出現新的分工方式。

軟體開發模式演進與角色對照表

技術風險與系統限制

儘管駕馭工程能顯著提升開發產能，但若缺乏明確的安全護欄設計，仍可能帶來執行風險。業界曾出現一項具代表性的案例：Meta AI 安全研究員 Summer Yue 在測試自主代理工具 OpenClaw 與 Gmail 的整合時，代理人因上下文壓縮損耗 (Compaction Loss) 而遺忘「執行動作前需確認」的指令，並未正確回應停止訊號，最終批量刪除了數百封郵件。

這類事件顯示，代理人在追求任務效率時，可能偏離人類原先設定的操作意圖，需要透過額外的安全機制或強制終止流程才能停止執行。

此外，目前的 AI 系統仍受到上下文管理能力的限制。以簡單情境為例，若要求 AI 列出 100 家台南傳統小吃並明確限制內容不得包含香菜，隨著輸出內容逐漸增加，模型可能在後段生成時遺忘先前的限制條件，導致結果仍出現含有香菜的項目。

這類情況反映出上下文記憶與約束維持仍是當前 AI 系統的重要挑戰，也說明工程師在設計代理系統時，仍需持續調整回饋機制與安全邊界，而非完全依賴代理人自主運作。

延伸閱讀

抓到了！OpenAI 揭中國網軍利用 ChatGPT 操控跨境輿論戰

ChatGPT 廣告真的要來了？Anthropic 買下超級盃廣告暗諷對手商業模式

在 Mac 安裝 OpenClaw 全流程教學：串接 ChatGPT 訂閱與 Codex 模型

在社群平台 X（原 Twitter）上，時常可見各類來源不明的影像或影片被快速轉傳。雖然「社群備註」（Community Notes）能協助補充背景資訊或指出內容可能為 AI 生成，但使用者仍需要更可靠的驗證工具。Google 開發的 SynthID 技術，正是用於識別 AI 生成內容的一種數位浮水印機制。

技術核心：什麼是 SynthID？

SynthID 是 Google 開發的一種數位浮水印技術，會嵌入在媒體底層資料（例如像素、影格或音訊波形）中，用來標記 AI 生成內容。這些標記存在於資料層級，不會影響影像或影片的觀看體驗，同時可在後續驗證流程中被系統偵測。

這項技術具備兩個主要特點：

• 肉眼不可見：浮水印嵌入於影像或影片資料層，不影響畫面品質與細節呈現。
• 高耐受性：即使經過裁切、縮放、色彩調整或檔案壓縮等處理，系統仍能辨識出其中的數位標記。

如何透過 Gemini 快速辨識？

現在不需要具備複雜的技術背景，只要透過 Gemini 就能直接進行來源驗證。最快的方式是使用快捷指令。

步驟一：呼叫工具

在 Gemini 的對話視窗中輸入 @synthid。

系統會識別你要使用 SynthID 工具檢測內容，並提示你上傳想要檢查的圖片或影片檔案。

步驟二：上傳媒體檔案

根據提示點擊附件圖示，上傳想要檢測的檔案。

但值得注意的是，目前系統僅支援直接上傳檔案進行掃描，尚無法透過網址連結 (URL) 進行辨識。

步驟三：解讀檢測結果

檔案上傳後，Gemini 會自動啟動辨識工具進行掃描，並提供檢測結果：

• 命中標記：系統會提示「這張圖片的全部或大部分內容是由 Google AI 編輯或生成」。
• 查無標記：若未發現 SynthID，代表該內容可能不是由 Google AI 生成，也可能為真實影像或其他 AI 工具生成。

哪些內容裡面有 SynthID？

為提升 AI 內容的可識別性，Google 已將 SynthID 整合至多項生成式模型，作為標記 AI 內容的基礎機制：

• 影像生成：透過 Nano Banana 2 與 Nano Banana Pro 生成的圖像，系統會自動嵌入數位浮水印。
• 影片生成：由 Veo 模型產生的影片內容，畫面影格中同樣包含可辨識的數位標記。
• 音樂音訊：Lyria 3 生成的音樂與音訊素材，也會嵌入對應的數位浮水印。

AI 生成浮水印能被移除嗎？

目前網路上已出現部分服務聲稱可以移除 Gemini 圖片上的 AI 浮水印，例如標榜透過純瀏覽器本地運算方式，提供即時且無損的 Gemini AI watermark removal 功能。這類工具主要是移除影像表層可見的浮水印標記，或透過影像修補方式重新生成部分畫面。

然而，即使透過這類服務或使用 Photoshop 等影像編輯工具移除可見浮水印，仍無法消除嵌入在媒體資料層中的 SynthID。由於 SynthID 是隱藏在像素資料中的數位標記，因此即使畫面經過編輯、裁切或重新輸出，系統仍有機會辨識出 AI 生成的來源資訊。

面對日益增加的 AI 生成內容，建立基本的驗證習慣已成為數位資訊環境中的重要能力。隨著影像生成技術持續進步，單憑肉眼往往難以判斷內容來源，因此透過工具進行輔助辨識變得愈來愈重要。

當在 X 或其他社群平台上看到來源不明或真實性存疑的影像時，可以透過 Gemini 等工具進行 SynthID 檢測，以確認內容是否包含 AI 生成的數位浮水印。這類技術為辨識 AI 生成內容提供了一種新的驗證方式。

延伸閱讀

抓到了！OpenAI 揭中國網軍利用 ChatGPT 操控跨境輿論戰

風水輪流轉？從搜尋到 AI：Apple 與 Google 的合作正式反轉

Grok 爆紅「AI 一鍵更衣」惹議！深偽影像踩線引多國監管封鎖

「訂閱管家」主打免費使用與無廣告設計。使用者可透過 Google 帳號登入，在不同裝置間同步資料；也可選擇不登入，將資料保留在本機。亦支援手動匯出與匯入備份，兼顧資料安全與使用彈性。

提供扣款提醒與信用卡對應記錄

訂閱管家不僅記錄金額與訂閱週期，也協助掌握實際扣款時間。接近扣款日，系統會以明確標示提醒，方便提前檢查是否需要取消或調整方案。

每筆訂閱皆可記錄綁定的信用卡末四碼。查看帳單時，可快速對應實際扣款的服務項目，不必逐筆翻找銀行明細。

若申請免費試用，也可設定試用天數或到期日。系統會顯示試用截止時間，清楚標示需在何時前取消，避免因疏忽而轉為正式扣款。

支援代購資訊記錄與家庭費用分攤

部分服務透過代購取得帳號或點數儲值，日後若需續費或臨時無法登入，往往得翻找聊天紀錄才能找到賣家資訊。訂閱管家可在該筆訂閱項目中直接記錄代購帳號或聯繫方式，於到期續費時無須再搜尋購買紀錄。

若為家庭方案，也可填寫成員人數，系統會自動計算每人分攤金額。除了顯示總價，也能清楚呈現個人實際負擔，協助更準確評估個人支出。

納入延長保固與裝置相關成本

除了影音與雲端服務，訂閱管家也適合記錄如 AppleCare+ 等延長保固服務。可填寫對應的裝置名稱，例如手機或電腦型號，將保固費用納入每月或年度支出。

透過統計功能，可更精準計算每月新增保固的成本，避免低估裝置相關支出。對經常升級裝置的人而言，這類費用往往容易被忽略，但實際占比並不低。

整合搜尋、排序與支出統計功能

當訂閱項目逐漸增加，整理與定期檢視就顯得更為重要。訂閱管家支援關鍵字搜尋與分類篩選，亦可依金額高低、名稱順序、最新新增項目或下一次扣款日進行排序。

系統會自動計算月平均支出與年度總支出，並以分類圖表呈現比例分布。透過這些統計資料，可快速辨識占比最高的類別，作為後續調整或刪減的參考依據。

支援雲端同步與純本機模式

若希望在手機與電腦之間同步資料，可透過 Google 帳號登入，同一帳號即可在不同裝置查看最新內容；若偏好純本機模式，也可選擇不登入，所有資料僅儲存在個人瀏覽器中。無論是否登入，皆可手動匯出資料檔案進行備份；需要還原或更換裝置時，再匯入檔案即可。資料由使用者自行保存，整體使用上更為安心。

對於旅居國外或同時使用多種語言的族群，訂閱管家支援繁體中文、英文、日文與韓文介面。不同幣別的付款金額可自動換算，讓整體支出以同一單位呈現。無論在海外工作或長期居住，都能依需求選擇合適的語言與貨幣設定。

electrify.tw 訂閱管家目前以免費、無廣告形式開放使用，並兼顧跨裝置同步與純本機模式。若在使用過程中發現遺漏的服務，或有其他功能建議，可透過 LINE 官方帳號聯繫，我們將持續調整與完善功能。

訂閱管家｜一次追蹤和管理所有訂閱服務
https://electrify.tw/app/subscription-butler

這項技術的突破讓製作專業照片的門檻大幅降低。相較於過去需要複雜的操作流程，現在的 Nano Banana 2 整合了強大的影像編輯與風格轉換能力。這代表使用者不再需要前往專業攝影棚，也不必花費數小時等待修圖，只需透過簡單的文字指令，就能在數秒內產出高品質且具備專業質感的個人照片。

開啟 Gemini 網頁版或 App 後，先登入 Google 帳號，在功能選單中選擇「建立圖像」，接著於模型模式中選擇思考型或 Pro，可獲得較好的生成效果。Gemini 的圖像生成功能目前可免費使用，差別在於免費帳號每日的使用次數與生成上限較低，若達上限，只需隔日再使用即可。

上傳證件照即可快速轉換專業形象

現在要生成專業形象照，已經不需要使用複雜的 Google AI Studio 介面。使用者只需開啟 Gemini App 或網頁版，直接上傳一張原始證件照或清晰的生活照，並輸入想要調整的指令即可。實測顯示，模型處理圖片的速度極快，平均約 10 秒就能根據原圖特徵生成不同風格的成果，效率遠高於傳統的攝影流程。

這種操作模式改變了原本繁瑣的拍照流程。以往拍攝韓式形象照或正式大頭照，往往需要預約、化妝、更衣，費用通常落在 2,000 至 3,000 元台幣之間。現在透過 Nano Banana 2，使用者能持續嘗試不同的服裝與背景組合，直到挑選出最滿意的版本。這種即時回饋的特性，讓個人品牌經營變得更加直覺且經濟。

Passport photo style, plain white background, even soft lighting, facing forward, neutral expression, no accessories, formal outfit

使用者可以參考以上指令，實際測試生成符合護照規範的照片風格，確保背景純白、光線均勻、表情自然且服裝正式。

使用英文指令即可精準控制生成效果

在實際測試時，透過不同的英文指令（Prompt）控制服裝與姿勢，效果相當明顯。透過具體的描述，模型能精準識別並替換影像元素。舉例來說，輸入：Change to a casual suit photo (dark blue blazer, white top, grey background, studio lighting)，就能將原始照片轉換成深藍西裝搭配白襯衫的正式造型。

如果希望照片的構圖更具動態感，可以輸入：Slightly sideways, but still looking at the camera，照片就會呈現輕微側身、仍保持注視鏡頭的專業姿勢。這顯示 Nano Banana 2 具備極強的空間理解能力，能在改變身體軸線的同時，維持臉部特徵的真實性。

在細節處理上，AI 的表現也極具水準。透過輸入：Slightly adjust your hairstyle to make it more natural，模型會微調髮際線與髮絲質感，讓生成的髮型看起來更自然，不會出現過度的人工修飾感。建議在撰寫指令時不必完全自行摸索，直接請 Gemini 協助潤飾 Prompt，通常能得到更精準的結果。

另外，在撰寫指令時其實不必完全靠自己摸索，建議可直接請 Gemini AI 或 ChatGPT 協助潤飾 prompt，通常能得到更精準的描述，生成結果也會更貼近需求。

提示設計細節能提升生成照片品質

若希望生成結果更貼近需求，在 Prompt 中加入具體的細節描述是關鍵。例如在姿勢設定上，可以輸入：Pose: 10 degrees to the left, shoulders almost facing the camera, eye contact maintained。這代表 AI 會精細地控制人物的物理位置，讓照片更具備商業攝影的構圖感。

服裝的材質與細節描述同樣能強化寫實度。透過指令微調，例如選用黑色修身西裝外套：dark navy blazer, slim fit, white shirt, professional look，模型能生成更細緻的衣物皺褶與光影質感。

至於光線效果的呈現，可以使用：soft lighting, neutral background, profile photo style，讓照片具備柔和的陰影處理。這些指令設計上的細節，能顯著提升生成影像的專業度，使其在求職或社交平台上更具說服力。

開放免費使用、進階參數也可調整

Nano Banana 2 模型目前提供穩定的免費使用額度，讓一般大眾都能體驗這項技術。根據目前的配額制度，Basic 帳號每日擁有 20 次使用額度，AI Plus 使用者為 50 次，Pro 帳號則為 100 次。這代表大多數日常修圖需求都能在免費範圍內獲得滿足，無需支付額外費用。

對於追求極致解析度的進階用戶，系統也支援切換至 Nano Banana Pro（即 Gemini 3 Flash Image Pro）。這項功能開放給訂閱用戶，只需在生成後點選「Redo with Pro」即可獲得更豐富的紋理細節。下表整理了 Nano Banana 2 不同版本的使用策略：

Gemini App 讓專業照片生成更簡單

透過 Nano Banana 2，使用者只需要一張基本照片，搭配清楚的英文 Prompt，就能在約 10 秒內生成多種專業影像。這項功能不僅大幅節省了傳統攝影棚的拍攝時間與高昂費用，也讓一般大眾更容易取得高品質的個人視覺資產。

目前已有多項實測案例展現了模型的靈活度。有人利用此功能替人物換裝並更換背景，仍能維持臉部特徵的高度一致；也有人修復歷史老照片，甚至結合其他工具生成動態影片。無論是專業創作還是日常應用，Nano Banana 2 的穩定性與直覺式介面，正逐漸改變我們處理數位影像的方式。

延伸閱讀

ChatGPT 終於可以色色？Grok Companion 會調情、Imagine 能生成露骨影像

ChatGPT Atlas 實測：用 AI 幫我搶演唱會門票，成功了嗎？

解析度比 Gemini 更高、無浮水印！Google AI Studio 進階圖片生成教學

如今 Performance 回歸，Model Y 的產品線終於補齊。不只把加速與底盤設定拉回性能水準，也保留了原本的乘坐舒適與車室空間，讓「家庭機能」與「駕駛樂趣」不必再二選一。對於想一次體驗特斯拉完整動力與科技配置的買家來說，硬體層面已經到位；在台灣現階段，若要把整體體驗推向完整，仍差 FSD 這最後一塊。

台灣性能版回歸補齊產品拼圖

Model Y Performance 回到台灣市場，對多數買家的意義其實很直接：在保有 Model Y 空間優勢與高坐姿視野的前提下，把性能版本該有的動態設定與配備一次補齊。對於同時需要通勤、家庭出遊與日常載物的用車情境來說，Performance 提供的是更高的「全能上限」，而不是只在山路或賽道才會用到的極端設定。

在產品定位上，它更像一台性能家庭休旅。該快的時候夠快，該穩的時候夠穩，後座與行李廂空間也沒有因為性能而犧牲；同時在長途巡航與每天通勤時，底盤與隔音仍維持一定水準。性能不再只是數據上的炫技，而是可以在日常情境中被實際使用、被感受到的能力。

加寬軌距空力套件讓外觀更具侵略感

外觀上最有感的改變，是加寬軌距搭配專屬前後保桿設計。前保桿線條更銳利，進氣開口也更立體；後保桿加入擴散器造型，整體視覺更低、更貼地。再加上碳纖維後擾流尾翼，車尾辨識度明顯提升，高速時的氣勢也更完整，遠遠看就知道這不是一般版本。

官方強調這套空力設計有助於降低風阻、提升高速穩定性。日常通勤未必能明確量化差異，但在快速道路或長途巡航時，車身貼地感與直線穩定性確實更有存在感。更重要的是，這些外觀與空力套件不只是裝飾，而是清楚劃分 Performance 與一般版本定位的關鍵元素，讓整體視覺語言更貼近性能取向。

21 吋鍛造輪圈帶來抓地與成本取捨

Model Y Performance 採用 21 吋 Arachnid 2.0 鍛造輪圈，搭配前後配輪胎設定。這組配置確實把抓地力與高速穩定性往上推一個層級，轉向反應也更直接；同時大尺寸輪圈帶來更低的視覺重心，性能氣勢一眼就能看出來，算是最容易辨識的 Performance 外觀特徵之一。

但現實面也很清楚。21 吋輪胎本身單價就不低，再加上前後配無法前後對調使用，輪胎磨耗節奏更快時，整體更換成本自然提高。對台灣車主來說，這不只是規格表上的數字，而是未來每次換胎都會實際感受到的支出差異。選擇這套配置，等於同時接受更好的動態表現與更高的長期耗材成本。

適應式懸吊更好開但台灣路況仍會顛

底盤是煥新版 Model Y Performance 的重點之一。它採用適應式懸吊並升級煞車系統，整體調校方向更接近 Model 3 Performance 的懸吊幾何與阻尼邏輯。切換到跑車模式後，車身動態更緊實，側傾抑制更明顯，進出彎時的支撐感也更直接；回到日常模式，懸吊會把多餘震動過濾掉，不再用過度硬朗來換取操控表現，通勤與載家人時也更容易被接受。

不過回到台灣常見路況，像是減速丘、補丁路面與橋面高低差，仍會在特定速度域放大顛簸感，尤其搭配 21 吋胎圈組，小碎震的回傳會更直接，路感回饋相對明顯。再加上車重本身不輕，激烈連續彎仍能感受到慣性帶來的重量感。但好在運動座椅的包覆與支撐相當到位，能把駕駛固定在正確位置，讓整體操駕節奏維持緊湊，而不至於鬆散。

前座腿托強化乘坐但支撐效果看身形

前座（駕駛座與副駕駛座）新增電動腿托，主要目的是增加大腿支撐面積，減少長途乘坐時的壓力集中。實際試坐下來，以身高 180 公分的體型來看，坐姿需要相對端正，腿托位置才比較容易貼合到理想支撐點；若椅背傾角較大或坐姿偏後仰，支撐感會打折。

相較之下，副駕的提升更容易被感受到。尤其對身形較嬌小或腿長比例較短的乘客來說，腿托更容易「剛好撐住」，整體放鬆感會更明顯。如果以家庭用車情境來看，這項配置帶來的舒適加分，其實更偏向乘客端體驗，而不只是駕駛專屬的性能配備延伸。

全景玻璃頂塗層升級仍建議加遮陽

全景玻璃頂雖然導入全新塗層，官方強調能降低部分熱能傳導，但在台灣夏季高溫與長時間曝曬的環境下，車頂仍可能出現明顯發燙與熱負荷偏高的情況。尤其停在戶外一段時間後，上車瞬間的體感溫差依然存在。這也代表「遮陽」在本地使用情境下更接近必需品，而不是可有可無的選配。

較務實的做法，是把遮陽簾或對應的隔熱方案視為標準配套。無論是原廠配件或副廠方案，只要能有效阻隔直射熱源，都有助於讓車室在中午時段更快回到舒適溫度，也能降低長時間停車後的熱累積壓力。對日常通勤與家庭用車來說，這類細節反而比規格表上的數字更貼近日常感受。

NVH 進步讓長途與日常更舒適

車艙 NVH（Noise, Vibration, Harshness，噪音、震動與粗糙感）的進步，是煥新版 Model Y 最有感的升級之一。官方提到整體靜肅性提升約 20–30%，換成日常體感，就是長時間駕駛後的疲勞感明顯降低。當車速拉高，風噪與路噪的存在感確實下降，高速巡航時車內對話更輕鬆，音響表現也更純淨，不必刻意把音量開得很大。

也因為舒適與靜肅表現同步提升，Model Y Performance 的使用範圍變得更完整。它不只是熱血山路的加速工具，也能勝任家庭乘坐與日常載物的需求。整體呈現的是「加速、舒適、科技」之間的平衡，而不是把性能侷限在少數場景才會用到的能力。

續航略少但台灣補能環境足以支撐

Performance 版本的續航比 Long Range 略少一些，但實際差距很大程度取決於駕駛方式。只要頻繁全油門加速或長時間維持較高車速，能耗自然會往上；若以日常通勤節奏駕駛，續航落差未必會像規格表上看起來那麼明顯。

以台灣的使用環境來看，地理尺度不大，超級充電站密度高，環島補能網路也相當完整。多數通勤與假日出遊行程，其實很少真正被續航數字限制。因此在評估 Performance 版本時，更需要評估的是性能帶來的耗能與耗材成本是否在可接受範圍內，而不是單純擔心里程夠不夠用。

空間需求與操控偏好決定最適車款

如果平時多半是一人或雙人用車，重視更靈活的車身動態與更直接的操控回饋，希望把特斯拉的性能潛力發揮到更極致，Model 3 Performance 依然是更偏駕駛導向的選擇。車身尺碼更精實、重心更低，整體回饋也更俐落，操駕感受會更集中在駕駛本身。

但若生活中同時有家庭乘坐或載貨空間需求，又不想放棄加速與底盤帶來的樂趣，Model Y Performance 就是更平衡的方案。從性能數據就能看出，它依然穩居高性能休旅的定位；同時，高坐姿、後座空間與行李廂容量也沒有因為性能而妥協，保有 Model Y 作為家庭休旅的核心優勢。

Photography & Videography: JSG Media

延伸閱讀

全新 Model Y 試駕體驗：純電家用車的理想樣貌？改款帶來哪些改變？

特斯拉 Model Y Performance 台灣開賣：售價 249.99 萬、三月開始交付

特斯拉全新 Model Y Performance 改款重點與世代差異一次看懂

截至 2026 年 2 月底，The Boring Company 已從拉斯維加斯單一城市營運，推進至納什維爾、奧蘭多與杜拜等多城市布局。公司對外展示的，並非單一隧道專案，而是一套試圖把「大土木工程」轉化為「設備部署與流程管理」的標準化體系。這套體系是否成立，將決定 Loop 是示範案例，還是可規模化的基礎建設產品。

Loop 的設計定位：地下快速通道

Loop 的設計前提，在於把最壅擠、最耗時的路段搬到地下，並縮小隧道直徑與站體規模，以降低施工干擾與資本支出。不同於依賴大型車站與密集停靠提升覆蓋率的傳統軌道系統，Loop 強調高需求節點之間的固定通行時間與點對點直達。

這代表 Loop 並非地鐵替代方案，而是一種地下快速通道。其成立條件不在於最高時速，而在於能否在特定場景下維持可預期的通行效率。若工程端無法標準化，營運端無法維持穩定車隊調度，地下接駁就難以複製至不同城市。

Prufrock：把土木工程變設備部署

傳統隧道鑽掘機（TBM）施工通常需先開挖大型啟動井與回收井，完成混凝土基礎、吊裝與組裝流程。這段前置作業往往耗時數月，工地規模龐大，對周邊交通與審批程序造成壓力。工程不確定性往往來自於這些準備階段，而非真正的掘進速度。

Prufrock 系列的核心思路，是壓縮這段最慢、最昂貴的流程。透過地面啟動（Surface Launch）設計，設備可直接由地面傾斜入地掘進；透過海豚式入地與出地（Porpoising），完工後可向上鑽出地面並回收至專用拖車 The Monster，無須大型回收井。公司表示，啟動準備可在 24 小時內完成，將施工節奏從「大型土木開工」轉為「設備部署」。

這種轉變的意義，在於把不確定性從工地準備轉移到連續掘進。若啟動與回收可標準化，工程風險將更接近設備管理問題，而非一次性土木挑戰。

納什維爾專用的 Prufrock-MB1 已完成測試並就位，發射井亦已開挖至最終深度；MB2 正於德州廠區建造，預計近期運抵並完成試運轉。專案規劃最多可同時部署 6 台 TBM。Prufrock-5 已於 2025 年 11 月出廠並開始掘進，被視為提升速度與穩定性的關鍵迭代機型。

搭配零人隧道作業（Zero-People-In-Tunnel，ZPIT）遠端施工模式，隧道內不配置現場人員，施工由遠端控制中心監控。這不僅降低現場風險，也讓長距離施工更接近工業化生產流程。

速度與成本：規模化的真正門檻

The Boring Company 長期對外設定的目標，是每週挖掘超過 1 英里（約 1.6 公里），並將單英里造價壓低至 800 萬美元（約 2.52 億元台幣）以下，同步完成襯砌（Liner）作業以減少停機時間。

這些指標目前仍在迭代過程中，尚未全面達成。然而其意義並非單純追求更快的掘進速度，而是降低單位成本，使更多城市在財務模型上算得出帳。當工期縮短、工地干擾減少，審查壓力與政治成本隨之下降，專案通過機率提高。

拉斯維加斯：營運參數的實驗場

拉斯維加斯 Loop 是目前最成熟的營運案例。官方最新資料顯示累計運送已超過 300 萬人次，部分媒體報導達 330–350 萬人次；單日最高逾 3.5 萬人次，尖峰小時可達 6,500 人以上。

這座城市以會展與觀光為主，人流集中於會展中心與觀光節點，且尖峰時間明確。這種高集中度場景降低了需求不確定性，使車隊排程、站點進出與人流管理得以校準。營運風險因此可被量化，而非完全仰賴預測。

更關鍵的是，拉斯維加斯已核准長期規劃達 68 英里、104 個站點。地方政府在制度層面接受其由會展接駁延伸至城市級交通補充系統的方向。機場延伸段官方期望於 2026 年第一季啟動，但仍視審核與施工進度而定；若順利落地，將進一步驗證機場場景的可行性。

納什維爾：機場節點與長期授權

2026 年 2 月 18 日，納什維爾國際機場管理局以 7 比 0 通過 Music City Loop 許可協議，專案目前處於設計與施工前期準備階段。

合約屬長期授權結構，約 40–50 年（依不同文件與續約條款而定），總許可費約 3,400 萬美元（約 10.7 億元台幣），折算年費約 68 萬美元，並設有 3% 年調整機制。機場端另預估可透過乘客相關費用取得約 3.09 億美元（約 97.5 億元台幣）長期收入。

機場屬於高流量且需求穩定的交通節點，一旦取得設站空間與路權，營運規模與收入預測更具可控性；相較於一般城市道路專案，機場場景更接近可複製的商業模組。隧道挖掘預計於設計完成與許可齊備後啟動，首段目標於 2027 年第一季通車，官方亦坦言這是一項積極時程。

奧蘭多：園區需求模型的驗證

Universal Orlando Resort Loop 已於 2026 年 2 月由 Shingle Creek CDD 授權與 The Boring Company 展開正式合約談判。

隨著 Epic Universe 擴張營運版圖，園區動線拉長，地面巴士與道路容量容易成為瓶頸。規劃採雙隧道設計，目標連接既有園區與 Epic Universe，避開 International Drive 壅塞路段。

主題樂園屬於封閉或半封閉場域，流量曲線可預測，尖峰時段明確。相較城市通勤的高度波動，園區場景更適合驗證車隊規模、站點設計與票價模型的穩定營收能力；這裡測試的，不只是工程可行性，而是商業模型是否可長期維持。

杜拜：跨制度複製的壓力測試

Dubai Loop 於 2026 年 2 月 3 日正式簽署合約。第一階段規模為 6.4 公里與 4 個站點，建設預計於 2026 年下半年啟動，目標 2027 年開通試點。外界估計成本約 1.54 億美元（約 48.6 億元台幣）。

若試點順利，後續規劃可擴展至約 22.5 公里與 19 個站點。杜拜以專案導向審批與快速城市開發著稱，新建區規劃彈性高，為新型交通方案提供導入空間。然而海外專案的挑戰，不僅在隧道施工本身，更在工程規範、供應鏈管理與營運流程的跨制度適應能力；杜拜因此成為 Loop 海外輸出的制度測試場。

從募資補位到營運現金流

2018 年推出的 Not-A-Flamethrower 噴火裝置，是公司早期為研發與設備投入募資的嘗試。單價 500 美元（約 1.58 萬台幣），限量 2 萬組售罄，外界估算營收約 1,000 萬美元（約 3.15 億元台幣）。

當時隧道專案仍處於審查與試驗階段，尚未形成穩定營運收入。透過商品募資補位，公司得以維持工程迭代與設備投入節奏。

如今，公司收入來源已轉向拉斯維加斯營運與多城市專案合約。從早期募資到實際營運現金流，The Boring Company 正嘗試將隧道建設從示範性創業專案，轉為可複製的基礎建設產品。

延伸閱讀

Vegas Loop 全線開放！拉斯維加斯地底接駁車票價、預約方式一次看

身價突破 6000 億美元！漫威《鋼鐵人》真的是演 Elon Musk？

特斯拉 SpaceX 要造手機？Elon Musk：未來某個時候不是不可能

本篇以 macOS Apple Silicon（ARM）為示範環境，實測設備為 MacBook Pro M4 Pro。部署流程採用穩定且容易排錯的順序：先建立標準化系統環境，再安裝執行框架，最後完成 ChatGPT 訂閱驗證與 Codex 模型連線。

目標不是只完成安裝，而是建立一套可長期運作的 AI 代理環境。

先確認你的 Mac 是否為 Apple Silicon（ARM）

如果你的 Mac 是 M1、M2、M3 或 M4 系列晶片，基本上就是 ARM 架構。可以在終端機輸入：

uname -m

若顯示 arm64，代表是 Apple Silicon。

這個確認動作看似簡單，但很重要。Homebrew 在 ARM 與 Intel 架構上的安裝路徑不同，後續 Node 與 OpenClaw 也會依照架構選擇對應版本。從正確的系統架構開始，可以避免後續相容性問題。

第一步：安裝 Homebrew

如果尚未安裝 Homebrew，可使用官方指令：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

初次安裝時，系統可能會自動安裝 Command Line Tools for Xcode。這是 macOS 提供的基礎開發工具，包含編譯器與必要的系統函式庫，許多套件（包含 Homebrew 與 Node.js）都依賴這些工具才能正常編譯與執行。此步驟可能需要一些時間，請耐心等待完成後再繼續。

完成後載入環境變數：

echo 'eval "$(/opt/homebrew/bin/brew shellenv)"' >> ~/.zprofile
eval "$(/opt/homebrew/bin/brew shellenv)"

這一步是把 Homebrew 的安裝路徑加入系統的 PATH 環境變數，讓 macOS 知道 brew 指令的位置。否則即使安裝完成，終端機仍然無法使用 brew。

為什麼從 Homebrew 開始？

Homebrew 是 macOS 上最成熟的套件管理工具。透過它安裝 Node.js，可以確保版本一致、依賴完整，也能避免常見的權限與 PATH 錯誤。

對於後續部署來說，Homebrew 是整個系統的基礎層。基礎層穩定，後續的代理與模型才會穩定。

第二步：安裝 Node.js

OpenClaw 是基於 Node.js 執行，因此必須先建立 Node 環境。建議版本為 22 以上。

直接透過 Homebrew 安裝：

brew install node

為什麼 Node 版本重要？

新版 OpenClaw 依賴較新的 Node API 與模組管理機制。如果版本過舊，可能會出現模組錯誤或服務啟動失敗的情況。

這一步的意義不只是「裝好 Node」，而是確保整個執行框架符合現行標準。

第三步：安裝 OpenClaw（CLI 版本）

有了 Node 環境後，就可以安裝 OpenClaw。

建議使用官方 CLI 安裝方式：

curl -fsSL https://openclaw.ai/install.sh | bash

為什麼建議使用 CLI，而不是 brew GUI 版本？

CLI 版本是 OpenClaw 的核心實作層，結構單純、行為清晰，也最容易排錯。部分透過 brew 安裝的 GUI 或封裝版本，可能會與背景服務重複啟動，導致：

• Gateway 重複執行
• 使用不同設定檔路徑
• Port 被佔用

從架構角度來看，CLI 是核心層，GUI 只是操作層。先掌握核心層，系統穩定性會更高。

即使使用 CLI 安裝，最終仍然可以透過瀏覽器開啟 Web Chat 介面進行對話與管理，因此不會失去圖形化操作的便利性。

第四步：連接 ChatGPT 訂閱並使用 Codex 模型

安裝完成後，OpenClaw 需要連接到你的 ChatGPT 訂閱，才能真正驅動模型。

建議透過 auth 驗證方式登入，而不是手動貼上 API Key。透過 auth，可以直接使用你目前登入 ChatGPT 帳戶的訂閱權限與可用模型。

在互動式流程中選擇：

• AI 提供者（例如 OpenAI）
• 使用 auth 登入驗證
• 選擇可用的 Codex 模型，例如 openai-codex/gpt-5.3-codex

關於訂閱與使用成本

ChatGPT Plus 訂閱每月 20 美元。透過 auth 連接後，OpenClaw 就能直接使用該訂閱下可用的模型權限，包括 Codex 類型模型。

對於一般開發、指令生成與自動化操作而言，Plus 訂閱提供的資源通常足以應付日常使用，不需要額外管理 API 計費或自行控制 token 使用量。對個人開發者或進階使用者來說，這是一個結構簡單且成本可預期的方案。

為什麼選擇 Codex 模型？

Codex 模型在程式碼理解與 CLI 操作方面具備更好的穩定性與精準度。當 OpenClaw 作為本機代理使用時，這類模型特別適合處理：

• 指令生成
• 自動化腳本
• 節點管理
• 技術流程操作

完成這一步後，OpenClaw 就能正式以你的 ChatGPT 訂閱作為後端模型來源。若想查看模型使用情況與額度，可前往 https://chatgpt.com/codex/settings/usage 確認當前用量與紀錄。

第五步：啟動 Gateway 並開啟 Web Chat

Gateway 是 OpenClaw 的核心服務，負責接收指令、轉發給模型並管理代理狀態。

啟動服務：

openclaw gateway start

然後在瀏覽器開啟：

http://127.0.0.1:18789/

只要 Web Chat 能正常回應，代表整個代理系統已成功運作。

到這一步，其實就可以開始實際操作。建議先請它自我介紹，或請它協助檢查目前系統狀態，確認模型是否正常連線、Gateway 是否穩定運作，透過簡單互動測試整體環境是否建置完成。

部署完成後可以做什麼？

完成上述流程後，系統已建立一套可在本機背景常駐運作的 AI 代理環境。後續多數設定與操作，都可以直接透過 Web Chat 介面完成，而不必頻繁回到 CLI 指令列。

後續可以進一步：

• 新增 Node 節點（讓 OpenClaw 在電腦上持續執行並接收任務）
• 安裝與管理 Skills（擴充功能模組，增加搜尋或資料處理能力）
• 串接 Telegram（建立 AI 對話與自動回覆）
• 串接 WhatsApp（應用於客服或自動化聊天場景）
• 調整模型與權限設定（切換模型或限制可執行範圍）

無論是安裝與管理 Skills、串接 Telegram 或 WhatsApp，甚至調整模型與權限設定，都可以直接請 OpenClaw 說明步驟並引導設定。當模型與 Gateway 已正常運作後，實際操作本身就是最好的教學，接下來已不太需要依賴逐步指令型教學文件。

讓 ChatGPT 成為可執行的本機代理

若希望日後更方便存取對話介面，可直接在瀏覽器開啟 http://127.0.0.1:18789/chat，並將該頁面儲存為桌面應用程式。

以 Chrome 為例，可點選右上角「自訂與管理」選單，選擇「投放、儲存及分享」→「建立應用程式」，將 OpenClaw 儲存為網頁應用程式。完成後，它會以獨立視窗形式開啟，並可固定於 Dock 上，之後只需點擊圖示即可直接進入對話介面。

重要提醒

如果你是透過 ChatGPT、Gemini 或其他 AI 工具閱讀本文，請留意轉述或摘要過程中，安裝步驟與技術細節可能被簡化、重組，甚至產生與原文不同的解讀。由於系統環境與版本差異會直接影響部署結果，建議回到原始來源閱讀完整內容，並再次確認你的 Mac 硬體架構（例如是否為 Apple Silicon）以及 macOS、Node.js 等版本是否相符。

本站另提供 1:1 付費諮詢服務，可協助 macOS 安裝與設定。歡迎透過 LINE 官方帳號 聯繫。

但進入生成式 AI 時代後，這段多年由 Google 單方面付費的合作關係，首次出現方向性的轉變。

2026 年 1 月 12 日，Apple 與 Google 正式宣布達成多年期非獨占 AI 合作協議。Apple Foundation Models 的雲端推論層，將導入 Google 的 Gemini 模型與 TPU 算力，作為未來 Siri 與 Apple Intelligence 的關鍵後端能力之一，預計隨今年稍晚發布的 iOS 26.4 正式上線。根據多家權威媒體披露，Apple 將為此每年支付約 10 億美元的技術授權與雲端運算費用。

過去是 Google 為了搜尋入口付錢給 Apple，如今則是 Apple 為了 AI 進度，向 Google 購買成熟度與時間。

合作模式轉型：從搜尋預設權到 AI 基礎技術

Google 成為 Apple 裝置預設搜尋引擎的協議，已維持超過十年，被視為 Google 行動搜尋流量的核心來源之一。透過這項安排，Google 能在全球數十億台 Apple 裝置上取得搜尋起點；對 Apple 而言，這筆收入幾乎不需額外工程或人力投入，長期被視為獲利效率極高的服務型現金流。

這次 AI 合作的性質則完全不同。它不再只是流量交換或廣告分潤，而是牽涉系統核心能力的引入。Apple 強調經過仔細評估後，認定 Gemini 是目前最強大的基礎模型，選擇在雲端推論層採用 Gemini，代表首次在 AI 的關鍵運算架構上，明確向外部競爭者借力，補齊自研模型在規模與能力上的落差。

核心層級的差異：導入 ChatGPT 與 Gemini

Apple 先前與 OpenAI 的合作，從一開始就被設計為非核心層級。ChatGPT 的定位，是在特定情境下提供輔助功能，例如文字生成或進階問答，並不參與 Apple Foundation Models 的訓練與推論核心。

在架構上，ChatGPT 更接近一個可選用（Opt-in）、可關閉的功能模組，當 Siri 遇到自身不擅長的問題時，才會額外呼叫使用。

此次導入 Gemini，層級則完全不同。Gemini 直接成為 Apple Foundation Models 的基礎之一，影響新一代 Siri 的語意理解、推理能力與多輪對話表現，屬於長期綁定的核心運算架構合作。

簡單區分，ChatGPT 是外掛，Gemini 是地基。

時間壓力與模型代差：Apple 為何願意付費？

將這項合作解讀為 Apple 放棄自研，並不符合其一貫策略。更貼近實情的說法，是 Apple 選擇用金錢換取時間，採取混合模型路線，先撐住關鍵世代。

在技術現實上，Apple 長期強項在於裝置端的輕量化模型，適合處理個人化與隱私敏感的任務。但在長文本生成、複雜推理與多模態理解方面，自研雲端模型 Ajax，無論在參數規模或訓練資料量上，仍與 Google Gemini Ultra 這類推估超過 1 兆參數的模型存在明顯差距。

以每年約 10 億美元的成本，換取即戰力級的雲端推論能力，讓 Siri 能立即補齊多輪對話與跨應用操作的短板，對 Apple 來說，是一筆高效率的策略性支出。尤其相較於每年從搜尋預設協議取得的約 200 億美元收入，這項 AI 投入僅佔其中約 5%。

Elon Musk：似乎是不合理的權力集中

這項合作雖然在技術上互補，但在商業與政治層面卻引發了劇烈震盪。消息公布後，xAI 執行長 Elon Musk 迅速在 X 平台上直接回覆 Google 官方公告，語氣強烈地批評：

「這對 Google 來說似乎是不合理的權力集中，因為他們已經擁有 Android 和 Chrome。」（This seems like an unreasonable concentration of power for Google, given that they also have Android and Chrome）

This seems like an unreasonable concentration of power for Google, given that the also have Android and Chrome

— Elon Musk (@elonmusk) January 12, 2026

馬斯克的擔憂並非空穴來風。Gemini 成為 Apple AI 架構的核心後，Google 將同時掌控全球兩大行動作業系統（Android 與 iOS）的 AI 入口，加上 Chrome 瀏覽器的市佔率，確實形成了極為龐大的數據與技術護城河。對於正試圖透過 Grok 切入市場的 xAI 而言，這樣的聯盟無疑壓縮了新進者的生存空間。

市場分析師也指出，雖然這是 Google 在生成式 AI 競賽中的重大勝利，但也可能成為監管機構眼中的紅旗。在 Google 正面臨美國司法部關於搜尋與 Android 壟斷訴訟的當下，進一步深入 iPhone 生態系，勢必會引發更嚴格的反壟斷檢視。

OpenAI 仍是 Apple 的合作對象之一

在新的架構下，OpenAI 仍是 Apple 的合作對象之一，但角色更接近可切換選項，而非系統優先層。消費級 AI 的系統入口，逐步回到 Apple 與 Google 兩大平台手中，其他模型供應者的整合門檻同步升高。

對開發者而言，變化會更早顯現。隨著 Apple Intelligence 透過 Gemini 強化語意理解與推論能力，App Intents 與系統級自動化的標準被拉高。未能配合 Apple Intelligence 架構的應用，將更難被 Siri 呼叫與操作，功能可見性與使用頻率也可能受到影響。

同時，Apple 仍保留自研空間。官方重申所有運算仍將遵循 Apple 的隱私標準，在設備端與 Private Cloud Compute 執行。Gemini 在整體架構中扮演的是運算引擎角色，而系統整合、資料隱私與最終體驗控制權，依然牢牢掌握在 Apple 手中。

延伸閱讀

解析度比 Gemini 更高、無浮水印！Google AI Studio 進階圖片生成教學

Google Maps 加入 Gemini 對話導航！能理解語意挑選餐廳、停車場

AI 韓式證件照！Gemini 3 Nano Banana Pro 妝髮服裝形象照 10 秒搞定