這次我們一樣透過 Turo 租用 2026 全新 Model Y，行程從舊金山出發，橫跨優勝美地、太浩湖、灣區與南加州。10 天實際行駛約 1,595.33 英里，也就是約 2,567.43 公里，幾乎剛好壓在 Turo 提供的 1,650 英里里程限制內。這篇就不再只談 FSD，而是把租金、保險、充電、油車成本、超級充電站、第三方充電與美國電動車補能經驗一次整理。

Turo 不一定最便宜，但車型與配備更可控

這次我們選擇 Turo，最主要的原因不是它一定比 Hertz、Avis 等大型連鎖租車公司便宜，而是它能在出發前就確認車型、年份、配備與車主評價。

傳統租車公司常見的問題是，即使預訂頁面顯示某款車，實際到現場仍可能被分配到「同級車」。對一般旅客來說，這可能只是從一輛中型 SUV 換成另一輛中型 SUV；但如果你是為了體驗特斯拉、FSD、Tesla App 權限或特定年份車型，這個不確定性就會很大。

Turo 的好處是，你可以直接看到這輛車本身。車型、年式、照片、里程限制、取還車方式、車主評價、是否支援 Tesla App、是否包含 FSD，通常都能在預訂前先確認。對想要完整體驗特斯拉的人來說，這比單純比較租金更重要。

這次我們租到的是 2026 全新 Model Y，車輛本身已經購買 FSD 套件，也有訂閱頂級連線功能。換句話說，從取車開始，我們就能完整使用 FSD V14、車機導航、娛樂功能與 Tesla App 控車，不需要另外加購或額外處理帳號設定。

為什麼還是選 Model Y？

Turo 在加州的特斯拉選擇非常多，從早期 Model S、Model 3、Model X，到 Cybertruck 都有機會租得到。這次其實也可以選擇其他車型，但最後還是再次選擇 Model Y。

原因很簡單：這趟是三個人出遊，而且有三個大型行李箱。Model Y 在空間、舒適度、價格與長途旅行實用性之間，仍然是最平衡的選擇。

如果行程包含國家公園、長途移動、行李很多，又想要舒適坐姿與較好的空間彈性，Model Y 仍然是最不容易出錯的選擇。Turo 上特斯拉價格差異其實很大，即使是同年份、同車型，不同車主開出的價格也可能差很多。以這次 10 天租期來看，價格差距甚至可能到 200–300 美元。這次租到的 2026 全新 Model Y，剛好是在我們行程時間內價格最佳的選擇。

10 天租車與充電成本：平均一天約台幣 3,162 元

這次租車本身費用為 776.47 美元，信用卡實際扣款為台幣 24,380 元；租車期間超充費用為 224.01 美元，信用卡實際扣款為台幣 7,243 元。

也就是說，這趟 10 天 Model Y 自駕，租金、保險與超充費用加總約台幣 31,623 元。換算下來，平均一天約台幣 3,162 元。如果以三個人一起分攤，每人每天大約只要台幣 1,054 元左右，以這次租到 2026 全新 Model Y、包含 FSD、頂級連線功能與完整 Tesla App 體驗來看，實際上相當划算。

當然，這裡指的是這次實際租車與充電支出，不代表所有 Turo 特斯拉都會是這個價格。不同車主、不同日期、不同保險方案、不同取還車地點，都會影響最後費用。不過以 10 天美西長途自駕來看，這次的成本並沒有想像中誇張。

行駛 1,595 英里，幾乎用滿里程限制

這次 Turo 提供的包含里程是 1,650 英里，而我們實際行駛約 1,595.33 英里，約 2,567.43 公里，最後剩下約 54.67 英里。

這點其實很重要，因為 Turo 不同車主提供的每日里程限制不同。看起來租金便宜的車，不一定真的比較划算，如果每日里程太低，長途旅行很容易超過限制，最後還要支付額外里程費。

這趟行程包含舊金山、優勝美地、太浩湖、灣區與南加州，對一般美西自駕來說已經算是相當完整的長距離路線。最後能壓在 1,650 英里內，算是剛剛好。如果你的行程還要加入更多國家公園、拉斯維加斯、大峽谷或更長距離移動，里程限制就更需要事先算清楚。

充電總額約台幣 7,243 元

從 Turo 顯示的 Supercharging sessions 來看，這趟旅程的超充紀錄從 4 月 17 日一路到 4 月 27 日，包含 Vacaville、Pollock Pines、Tahoe City、Mariposa、El Portal、Tesla Diner、Seaside、Atascadero、Gilroy 與 San Francisco 等站點，最後超充小計為 224.01 美元。

Turo 帳單中顯示的旅途中充電費（On-trip charging）為 224.01 美元，信用卡實際扣款為台幣 7,243 元。以帳單扣款金額回推，這次超充費用換算下來約為每英里台幣 4.54 元，或每公里台幣 2.82 元。

Turo 另外也會針對代墊充電費收取處理費（Reimbursement Processing Fee），但這裡以信用卡針對租車充電費的實際扣款金額為準，避免和 Turo 介面中的超充小計混在一起計算。

Turo 的充電結算方式也很直覺。租車期間使用特斯拉超級充電站時，費用會先記在車主帳戶，旅程結束後再由 Turo 向租客收取。也就是說，使用上不需要每次刷卡或另外輸入付款資訊，實際體驗就跟一般特斯拉車主使用超充很接近。

與同級汽油 SUV 成本比較

這次剛好遇到美國油價偏高的時期。2026 年 4 月中旬，加州 Regular 平均油價大約落在每加侖 5.65–5.73 美元左右，4 月底後更突破 6 美元。對台灣旅客來說，如果同樣租一輛 Model Y 級距的中型汽油 SUV，燃油成本就會明顯增加。

以同級汽油 SUV 綜合油耗約每加侖 28 英里、行駛約 1,595 英里、加州油價約每加侖 5.70 美元粗估，整趟旅程大約需要 56.98 加侖汽油，燃油費約 324.79 美元，約台幣 10,199 元。

相較這次 Model Y 超充費用信用卡實際扣款台幣 7,243 元，電動車補能成本大約省下台幣 2,956 元，約 29%。

這次行程也跑了不少山區，包含優勝美地與太浩湖周邊路段，而電動車在山路還有一個油車沒有的優勢：下山可以靠動能回收補回一些電量。實際開起來會很明顯感受到，下坡路段電量消耗變慢，有時甚至會短暫回補續航。這不一定會讓整趟充電費大幅下降，但在長距離山區自駕時，能把原本煞車浪費掉的能量拿回來用，多少也是替旅程省下一點電費。

當然，實際金額會依車型油耗、超充費率、油價、開車習慣與路線不同而變動。但以這次實際行駛約 1,595 英里的結果來看，在加州油價偏高的背景下，租特斯拉跑長途確實有一定補能成本優勢。

充電體驗：幾乎沒有等待充電的體感

這次旅程中，我們很少特別為了充電而前往超級充電站。大多數情況都是剛好要上廁所、吃飯、購物或休息，就順便把車插上充電。對長途自駕來說，這點比單純看充電速度更重要，因為真正影響旅行體驗的不是車能充多快，而是充電會不會打斷行程。

在長距離移動時，如果依照特斯拉導航中途規劃充電，我們通常也會順便下車休息、買東西或吃點東西。充電策略基本上也是夠用就走，不會刻意把電量充到 90% 或 100%。多數時候維持在 10–20% 充到 80% 這段效率最高的區間，補到下一段路線夠用就離開。

也因為這樣，整趟旅程幾乎沒有「在等充電」的體感。它比較像是把補能藏進原本就會發生的休息時間裡，讓充電變成行程的一部分，而不是額外被迫停下來的任務。

這也是特斯拉目前在美國長途自駕最明顯的優勢之一。不是只有充電站多，而是導航、車輛電量、預估抵達電量、超充站空閒度與充電功率都整合在一起。像是同一區域有 72 kW 城市超充與 250 kW 超充時，特斯拉導航通常會優先安排更有效率的站點。對不熟悉當地的旅客來說，這會少掉很多規劃壓力。

超充費率：不同地點與時段差異很大

這次旅途中也能明顯感受到，美國不同地區、不同時段的超級充電費率差異不小。從 Turo 充電紀錄來看，這趟旅程站點橫跨舊金山、太浩湖、優勝美地周邊、中加州與南加州，最後超充小計為 224.01 美元。

以實際遇到的費率來看，優勝美地周邊的 El Portal、Mariposa，以及太浩湖周邊的 Tahoe City、Pollock Pines，大多落在 0.47 美元 / kWh 左右；Vacaville 約 0.48 美元 / kWh，Santa Clarita 約 0.48 美元 / kWh，McFarland 約 0.51 美元 / kWh。舊金山市區的 Geary Boulevard 則明顯更高，來到 0.59 美元 / kWh。

不過也不是所有加州超充都很貴。這次在 Seaside, CA 晚間 8 點後充電，剛好遇到離峰時段，費率只有 0.31 美元 / kWh，是這趟看過相對便宜的站點。這也代表在美國開特斯拉長途旅行時，如果行程剛好配合得上，充電時間與地點確實會影響整體補能成本。

但實際外出旅遊時，最珍貴的往往不是每度電便宜多少，而是時間成本。特斯拉導航規劃的充電站，通常已經綜合考量距離、抵達電量、充電時間、站點空閒度與路線效率；有些站點每度電可能只差 0.0 幾或 0.幾美元，如果為了省一點電費刻意繞路，反而會浪費更多時間。

所以這趟實際跑下來，我們並沒有特別費心挑選充電站。除非剛好遇到像 Seaside 晚間離峰這種明顯便宜、又順路的站點，否則大多數時候只要讓特斯拉自行安排行程中的補能點即可。對旅客來說，充電站選得夠順、夠快、夠不打斷行程，通常比單純追求最低 kWh 單價更重要。

Tesla Diner：充電、吃飯與休息結合

這次比較特別的充電地點，是好萊塢的特斯拉餐廳 Tesla Diner。這個地點不只是一般超級充電站，而是結合餐廳、休息與充電的示範場域。

以當時費率來看，平日時段 08:00–00:00 都算尖峰時段，充電費率為 0.52 美元 / kWh。單看費率不算特別便宜，但它的優勢不在最低價格，而是可以把充電、吃飯與休息整合在一起。

另外，Tesla Diner 的閒置費規範與一般超級充電站略有不同，寬限期明顯更長。如果車輛在 35 分鐘內駛離，就不會被收取閒置費。這點很合理，畢竟大家到 Tesla Diner 不只是單純插上充電槍，通常也會想進去吃點東西、看看場地、稍微休息一下。如果車剛充完電就馬上開始計算高額閒置費，大家大概也很難安心坐下來體驗。

第三方超充與免費超充限制

先前特斯拉已經開始開放第三方投資與建置超級充電站，因此對於擁有免費超充的車輛來說，只有到「原廠超充」才適用免費充電。也因此，特斯拉選單的充電設定中，也出現是否要規劃第三方充電地點的選項。

不過對 Turo 租車來說，所有充電費用最後都會由租客自行支付，因此是否為第三方超充其實沒有太大差異。

實際使用下來，特斯拉旅程規劃器似乎在行駛距離、充電站空閒度相近的情況下，已經會自動挑選價格較低的充電站點，因此不太需要特別擔心。對一般旅客來說，只要照著導航走，整體體驗就已經很順。

J1772 與第三方充電：轉接頭幾乎只用一次

比較有趣的是，台灣開電動車很常需要準備的充電轉接頭，這趟在美國反而幾乎用不到。這次在美國實際跑下來，特斯拉超級充電站的車種已經非常多元，不只特斯拉，甚至連 KIA 都已經能用原生 NACS 介面在超級充電站充電。這也能明顯感受到，北美 NACS 生態系已經和過去很不一樣。

本次雖然仍有準備 J1772 轉接頭，但實際使用機會很少。對特斯拉車主來說，美國長途移動主要還是以超級充電站為主，J1772 比較像是飯店、商場或目的地慢充的備用方案，而不是整趟旅程的主力補能方式。

Rivian Waypoints：第三方充電體驗仍有不順

這次也嘗試使用 Rivian Waypoints，但實際體驗就沒有那麼順。我們下載 App、綁定付款後，仍然無法正常啟用充電。

現場比較困擾的是，充電樁螢幕標示編號與 App 內顯示不完全一致。App 內顯示的是完整編號，但充電樁上則僅標為 1、2、3，導致辨識與啟用都不太直覺。

這也是目前第三方充電還可能遇到的小麻煩。不是每個充電網路都像特斯拉超充一樣，上車導航、到站插槍、結束後自動結算。對旅客來說，如果只是短期租車，當然會更希望整個補能流程越少 App、越少帳號、越少不確定性越好。

租特斯拉不只看油電成本，還有旅行便利性

如果只看租金，Turo 上的特斯拉不一定永遠比一般汽油 SUV 便宜。不同車主、車齡、取還車地點、保險方案與里程限制，都會影響最後價格。有時候同樣 10 天租期，特斯拉 Model Y 與一般中型 SUV 的總價可能相差不大。

但如果把整趟旅行體驗算進去，特斯拉的價值就不只是租一輛車而已。最明顯的差異，是一般汽油車完全沒有 FSD。以這次長途旅行來說，FSD 幾乎等於多了一位「受監督的代駕司機」，可以在大部分高速公路、山路與城市道路中分擔駕駛疲勞。

Tesla App 控車也很適合旅行。像是在炎熱天氣下，可以先遠端開啟冷氣預冷，上車時不用面對悶熱車廂；也可以直接用手機查看車輛位置、電量與充電狀態。這些智慧功能在一般汽油租車上幾乎都不會有。

另外，哨兵模式會讓市區停車更安心，前行李箱也能在臨時下車時提供更隱密的置物空間。一般 SUV 後車廂通常有玻璃可以看進去，即使有遮板也不一定完全隱密；但 Model Y 的前行李箱從外觀幾乎看不出裡面有放東西，對短暫停車來說更有安全感。

所以這次租 Model Y 的價值，不只是補能成本比汽油車低，而是整體旅行體驗更完整。FSD 降低長途駕駛疲勞，Tesla App 控車提升便利性，哨兵模式與前行李箱則增加停車時的安全感。對台灣旅客到美國自駕來說，這些功能加總起來，會比單純比較租金更有意義。

美國租特斯拉自駕划算嗎？

如果只看租金，答案不一定。Turo 上的特斯拉價格浮動很大，不同車主、不同車況、不同里程限制，最後總價都會不同。傳統租車公司有時也可能提供看起來更低的價格。

但如果把車型可控性、FSD、Tesla App、冷氣預冷、哨兵模式、前行李箱、超級充電網路與加州偏高油價一起算進去，這次租 Model Y 的整體價值就不只是租金高低而已。

這趟 10 天行駛約 1,595 英里，租金、保險與超充費用加總約台幣 31,623 元，平均一天約台幣 3,162 元。如果三個人分攤，每人每天約台幣 1,054 元，就能開著 2026 全新 Model Y 跑完美西長途旅行，還能完整使用 FSD、Tesla App 與超級充電網路，實際體驗比單純看租金更有價值。

單看補能成本，這次 Model Y 超充費用實際扣款台幣 7,243 元；若以同級汽油 SUV 粗估，燃油成本可能約台幣 10,199 元，Model Y 約省台幣 2,956 元。若再把 FSD 分擔長途駕駛疲勞、Tesla App 預冷車廂、哨兵模式與前行李箱安全感一起算進去，這趟租特斯拉的價值就更明顯。

對想去美國自駕、又想體驗特斯拉與 FSD 的台灣旅客來說，租 Model Y 不一定是最低成本選項，但如果在意車型可控性、FSD、Tesla App 與超級充電網路，整體體驗確實比單純租一輛同級汽油 SUV 更完整，也更接近真正的「美國電動車長途旅行」。

延伸閱讀

FSD V14 真的快能無人監督了嗎？最後 0.1% 難題解析

美西實測 FSD V14！Turo 租 Model Y 挑戰山路全自駕

舊金山 Robotaxi 初體驗！美國旅遊不自駕比 Uber 便宜？

大多數超級充電站平常不一定會排隊，但在熱門城市、尖峰時段或車流量高的站點，誰先到、誰該先充，過去常常要靠車主自己協調。隨著更多非特斯拉電動車加入超級充電網路，這類排隊問題也會更常被遇到，因此特斯拉開始用系統來處理充電候位順序。

特斯拉超充等候名單五站率先開放

特斯拉充電團隊近期宣布，已在 5 個超級充電站開放等候名單功能。當站點沒有可用充電樁時，系統會將車輛加入等候名單，並顯示前方還有幾輛車，以及預估等待時間。

目前開放站點包含加州洛思加圖斯 Los Gatos Boulevard 超級充電站、山景城 El Monte Avenue 超級充電站、舊金山 Lombard Street 超級充電站、聖荷西 Saratoga Avenue 超級充電站，以及紐約布朗克斯 East Gun Hill Road 超級充電站。

這些站點多位於城市或車流量較高的區域，本來就比較容易在尖峰時段遇到滿位。特斯拉也鼓勵使用者透過 Tesla App 提供回饋，協助調整這項功能；若運作順利，未來才可能擴大到更多超級充電站。

導航到滿位站點才會加入等候名單

從特斯拉示範畫面來看，這項功能不是只要導航到超級充電站就會自動排隊，而是在車主導航至指定站點，且該站目前沒有可用充電樁時，系統才會將車輛加入等候名單。

畫面會顯示類似「無可用充電樁，已加入等候名單」的提示，並同步提供預估等待時間與排隊位置，例如「少於 5 分鐘，前方有 2 輛車」。若車主不想繼續等，也可以點選「離開等候名單（Leave Waitlist）」退出排隊。

這項功能把原本靠車主在停車場內互相確認的排隊順序，改成直接由系統顯示。對現場駕駛來說，等候名單能降低插隊爭議，也能避免車輛在停車場或道路旁反覆繞行找位置。

非特斯拉車主可透過 App 加入排隊

這項等候名單功能不只特斯拉車主用得到，非特斯拉電動車駕駛也會受惠。隨著北美越來越多品牌接入超級充電網路，熱門站點一旦滿位，排隊順序就不能再只靠現場默契。

依目前開放方式，非特斯拉電動車駕駛也可透過 Tesla App 加入等候名單。差別在於，特斯拉車主可透過車上觸控螢幕與 Tesla App 操作；非特斯拉車主無法從特斯拉車內系統操作，主要會依賴 Tesla App 查看站點、加入排隊與接收提示。

不過，實際可用範圍仍需依各站點與 App 支援狀態而定。不同車款的充電口位置、轉接頭需求與停車方向，也可能影響現場排隊與充電效率，這些都是特斯拉後續需要觀察的地方。

特斯拉超充開放後更需要虛擬排隊

超級充電排隊雖然不是每天都會發生，但一旦發生，現場很容易出現順序爭議。尤其部分超充站位於商場、飯店、城市道路旁或狹窄停車場，車輛很難排成清楚的一列，後到車輛也可能誤以為自己先取得空位。

過去這種情況常靠駕駛自行溝通，但排隊順位往往沒有明確依據。若遇到尖峰時段、夜間充電或跨品牌車主使用同一站點，爭議更容易放大。

隨著特斯拉超級充電網路開放給更多品牌電動車使用，充電站不再只是特斯拉車主的封閉系統。虛擬排隊功能可以把順序交給系統處理，讓車主在車上觸控螢幕或 Tesla App 看到自己的位置，也讓「誰該先充」有更清楚的依據。

目前這項功能僅在 5 個站點開放，尚未全面推出。後續觀察重點將包含等候名單、導航、Tesla App、充電樁狀態與非特斯拉車主流程能否順利整合，讓熱門超充站的使用體驗更接近餐廳候位系統，而不是靠車主臨場默契。

延伸閱讀

特斯拉推出超充虛擬排隊功能！同步更新兒童偵測等功能

特斯拉推出 MultiPass 充電漫遊！Tesla App 整合第三方充電

哪裡充電最便宜？全台電動車快充品牌與優惠一次看

就公開時程來看，特斯拉對中國 FSD 較大範圍推出的目標仍落在 2026 年第 3 季，關鍵變數是監管審批。若能進一步擴大測試範圍，特斯拉也將需要驗證中國道路場景、資料合規與本地化能力。

HW4 員工車率先測試 FSD V14.x

多方消息指出，特斯拉中國區員工車輛在 2026 年 4 月底至 5 月初陸續收到 FSD V14.x 內部測試版本。外傳版本號包含 FSD V14.3.2，也有消息稱部分員工車收到的是 V14.2.2.5，可能與分批推送、測試分支或不同用途車輛有關。

目前較一致的說法是，這次內測主要面向中國區搭載 HW4.0 的員工車，規模約 1,000 輛上下。由於 2024 年後中國新車已逐步導入 HW4.0，這也讓特斯拉能以較新硬體作為中國 FSD 測試基礎。

這類員工內測通常不等於消費者版本即將立即上線。對特斯拉來說，員工車測試可以協助蒐集本地道路、標線、號誌、駕駛習慣與交通場景資料，但真正對一般車主開放，仍需要取得中國主管機關核准。

內測版功能接近海外 FSD V14

這次外傳測試版本被形容為較完整的 FSD 版本，功能架構更接近北美與部分海外市場已測試或開放的 FSD V14，而不是中國先前較受限的輔助駕駛版本。

依照目前流出的說法，內測版整合城市道路自動輔助駕駛、無保護左轉、智慧召喚、自動倒車與停車輔助等能力，也可能包含為 Robotaxi 相關功能預先準備的模組。不過，這些功能是否會原封不動進入中國正式版本，目前仍沒有官方確認。

若特斯拉在中國推出消費者版本，實際功能清單、可用場景與駕駛模式，仍會以當地法規與官方釋出版本為準。較完整的員工內測版本，未必等於未來正式版會完全保留相同功能。

中國 FSD 仍需等待監管核准

FSD 在中國能否正式開放，關鍵仍在監管審批。特斯拉過去已多次表達希望在中國推動更完整的 FSD 功能，但中國市場涉及資料安全、地圖測繪、道路測試資格與智慧駕駛功能宣稱等多項要求。

公開資訊顯示，特斯拉先前在中國已取得部分測試或有限功能授權，但尚未等同於完整 FSD 對一般車主全面開放。近期市場關注點則轉向 2026 年第 3 季，這被視為特斯拉目前對中國 FSD 較大範圍核准的目標時間。

Elon Musk 先前曾對中國 FSD 審批時程表達樂觀看法，但實際時間仍取決於監管進度。從目前狀況來看，員工內測消息顯示技術與本地化測試持續推進，但正式商用仍取決於中國主管機關是否核准。

中國版功能可能依監管調整

即使員工內測版本接近海外 FSD V14，中國正式版仍可能和北美或荷蘭版本不同。原因不只是語言或道路標誌，而是整套監管環境、交通行為與本地道路資料要求都不同。

中國城市道路場景包含密集電動二輪車、複雜路口、臨停車輛、非標準標線、行人與外送車流，這些都會讓 FSD 本地化難度提高。特斯拉若要在中國開放更完整功能，除了模型能力，也需要證明系統能處理本地交通型態。

另外，中國智慧駕駛監管通常較重視功能邊界與駕駛責任。未來正式版可能會保留多種駕駛風格選項，但較激進模式是否開放，仍需等待官方版本說明。

智慧駕駛競爭推動本地化進度

中國是全球智慧駕駛競爭最激烈的市場之一。小鵬、理想、蔚來、華為合作車系與多家中國品牌，近年都把高速與城市輔助駕駛列為重要賣點，部分功能甚至已經以低價或標配形式推向市場。

相較之下，特斯拉在中國長期受限於 FSD 完整功能尚未正式落地。對已購買 FSD 套件的中國車主來說，等待時間已經拉長；對新車銷售來說，FSD 若能取得更完整核准，也將影響特斯拉在中國智慧駕駛市場的產品競爭力。

延伸閱讀

台灣首例！開源專案成功破解啟用 FSD 市區實測全紀錄

特斯拉財報揭 FSD v15 相容限制！HW 3 無法支援全自駕

荷蘭正式登陸！台灣 FSD 何時開放？全球自駕法規一次看

70 毫秒聽起來很短，但在高速碰撞中，乘員身體可能已經因慣性開始前移。傳統安全氣囊多半是在碰撞感測器確認撞擊後才啟動；特斯拉則利用純視覺系統，透過攝影鏡頭與 AI 在碰撞發生前提供預測訊號，讓安全氣囊與安全帶預縮器更早進入保護流程。

Tesla Vision 提前判斷，安全氣囊早 70 毫秒啟動

特斯拉近期在 X 發文表示，若車輛偵測到無法避免的碰撞，Tesla Vision 可讓安全氣囊提前最多 70 毫秒啟動。特斯拉在影片中指出，這段時間差可能影響乘客是在事故中受到嚴重傷害，或能相對安全地走下車。

這項功能並非 2026 年全新推出，而是來自 2025 年 2025.32.3 軟體更新中的正面安全氣囊系統強化。依更新說明，這項升級會在正面碰撞情境中使用 Tesla Vision，協助前座安全氣囊更早開始充氣並約束乘員。

Tesla Vision 過去主要用於 Autopilot、FSD、主動安全與停車輔助。這次正面安全氣囊系統強化，則把視覺系統納入被動安全防護流程，讓車輛在碰撞發生前就先進入乘員保護流程。

純視覺負責預測，傳統感測器仍負責確認

這項功能容易被誤解成車輛只靠攝影鏡頭就會讓安全氣囊爆開。較精準的說法是，Tesla Vision 會提前提供碰撞預測訊號，既有約束系統則依照車身感測器、碰撞判斷與控制模組一起決定安全氣囊啟動時機。

傳統車輛的安全氣囊系統，主要依靠車身加速度感測器、碰撞感測器與約束控制模組判斷事故是否發生。當車輛實際受到撞擊，系統偵測到足夠大的減速度與碰撞條件後，才會觸發安全氣囊與安全帶預縮器。

Tesla Vision 的作用，是在碰撞真正發生前，先透過攝影鏡頭與 AI 判斷前方碰撞是否已無法避免。若系統確認風險成立，安全氣囊與安全帶預縮器就能更早開始進入保護流程。

這種設計並不是讓視覺系統取代傳統感測器，而是讓車輛多一層碰撞前的判斷能力。安全氣囊屬於高責任的被動安全系統，仍需要傳統碰撞感測器與約束控制系統參與最終判斷。

OTA 更新導入安全升級，既有硬體不需更動

這項功能透過空中下載更新（OTA）導入。一般車輛的被動安全升級多半仰賴硬體，例如車體結構、安全氣囊數量、感測器位置或約束系統設計；特斯拉這次則透過軟體更新調整安全氣囊啟動時機。

2025.32.3 更新說明提到，這項功能建立在法規與產業碰撞測試基礎之上，並讓前座安全氣囊能更早開始充氣與約束乘員。對已符合條件的車輛來說，這項升級不需要額外安裝新硬體。

這也是特斯拉純視覺路線較少被討論的一面。外界談到 Tesla Vision 時，通常會聚焦在 Autopilot、FSD、停車輔助或移除雷達與超音波感測器；但這次安全氣囊系統強化，則把攝影鏡頭與 AI 判斷帶進乘員防護流程。

實際適用車款與市場仍需以車輛收到的更新說明為準。公開資訊顯示，這項功能主要出現在較新的 Model 3、Model Y 等車款，但不同年份、硬體版本與地區可能有所差異。

正面碰撞優先套用，實際範圍依版本而定

從更新名稱來看，這項功能主要對應正面安全氣囊（frontal airbag）系統強化。特斯拉近期 X 影片也聚焦在不可避免碰撞與安全氣囊提前啟動，並未宣稱所有碰撞方向都已套用相同邏輯。

這項功能不應被理解為所有事故都能提前 70 毫秒部署所有安全氣囊。比較精準的說法是，在符合條件的正面碰撞情境中，Tesla Vision 可協助車輛更早啟動前方乘員保護流程。

Tesla Vision 不只用於輔助駕駛，也開始被納入正面碰撞防護。車輛周圍攝影鏡頭提供碰撞前影像資訊，AI 判斷是否存在無法避免的碰撞風險，約束系統再結合傳統感測器完成安全氣囊與安全帶預縮器啟動。

對車主來說，這項功能不會改變日常操作，也不需要額外設定。若車輛已收到對應軟體更新，系統會在符合條件的正面碰撞情境中自動啟用；實際作動仍取決於車輛硬體、軟體版本、碰撞角度與事故條件。

延伸閱讀

特斯拉公布 FSD 最新安全數據：重大事故率低於全美平均 8 倍以上

特斯拉最不可靠？召回次數與權威滿意度報告為何出現反差

國道連環追撞存活率最高？碰撞安全測試特斯拉 Model 3 獲優秀評級

但越是接近無人監督，最後那一小段差距就越值得仔細看。因為真正卡住 FSD 的，往往不是一般道路上的跟車、轉向或變換車道，而是施工管制、惡劣天氣、圖資錯誤、私人停車場、人類互動、機場接送與臨時停靠這些「現實世界不照規則來」的狀況。也就是說，FSD 距離無人監督真正難的地方，往往不是前面 99.9%，而是最後那 0.1%。

FSD 已經很會開，但無人監督難在例外情境

如果只看一般道路行駛，FSD V14 的進步已經非常明顯。它能穩定跟車、轉彎、變換車道、處理 STOP SIGN，也能在山路中維持相當高的穩定性與舒適度。對長途旅行來說，這已經足以大幅降低駕駛疲勞。

但無人監督自駕的標準不是「大部分時間都能開」，而是車上沒有駕駛可以接手時，系統要怎麼處理那些不完美、不標準、不在地圖上的狀況。

這趟美西自駕讓我們更清楚看到，FSD V14 的挑戰可以大致分成幾類：臨時施工與手勢管制、雨雪與能見度問題、鏡頭髒污與硬體維護、目的地停車與專用車格、私人停車場圖資、取票口與人工售票互動，以及未來 Cybercab 或無方向盤車型如何讓乘客手動微調。

這些都不是單純「會不會開車」的問題，而是「能不能理解現實世界正在發生什麼」。

臨時道路狀況：看得懂指令，不一定懂整段情境

FSD V14 對道路標線、號誌、STOP SIGN 與一般車流判斷已經相當成熟，但真實道路並不總是照著標準規則運作。施工路段、封閉道路、臨時交通錐、人員手勢與現場管制，往往才是最考驗自駕系統的地方。

施工路段：看得懂 STOP，也未必知道管制何時結束

這次前往優勝美地途中，我們遇到一段施工路段，現場採用「單線雙向機動管制」。這種場景在山區或郊區道路很常見，施工人員會在一端手持 STOP 牌，讓一個方向的車流停下，等對向車輛通過後，再用手勢放行。

FSD 在這個場景的前半段表現其實相當好。施工人員手拿 STOP 牌時，FSD 可以正確識別並停車；當施工人員開放通行時，FSD 也能識別手勢，並正確駛入施工中僅開放的對向車道。

這代表 FSD 並不是看不懂施工人員，也不是不能處理臨時指揮。它已經可以理解「有人叫我停」、「有人讓我走」這類明確訊號。

真正的難點出現在通過施工路段之後。當時順向車道仍擺放著相距較遠的交通錐，FSD 便判斷可以駛回順向車道，但問題是順向車道末端仍然有施工，單線雙向路段其實還沒有結束。

FSD 已經能處理單一指令，但要理解一整段臨時交通管制的開始、延續與結束，仍然是更高一層的判斷。不是每個規則都畫在車道線上，也不是每個現場狀況都有清楚的地圖資料。

圖資錯誤：導航知道路，但不一定知道門關了

圖資問題同樣是 FSD 無人監督化必須面對的挑戰。

例如 Motel 6 Monterey 旅館，FSD 可能因為圖資關係導航到後門出口。問題是，該後門出口在夜間已經關閉，但系統仍可能依照導航資料前往該出口。

這種情境對人類來說很好處理，看到門關起來，就改走別的出口。但對自駕系統來說，它需要先辨識「這條路不可通行」，接著理解「這不是暫時障礙，而是目前無法使用的出口」，再重新規劃路線。

同樣在 Spooner Lake Visitor Center，FSD 抵達時停在入口收費處，但收費處沒人。車輛等待一段時間後，自動倒車，改往下一個導航點，並沒有進入停車區。離開時遇到封閉道路，FSD 則能繞開並轉一圈後重新找到正確出口。

這些案例代表 FSD 已經有一定的重新規劃能力，但圖資與現場狀態不一致時，仍然會帶來很多不確定性。

天氣與視覺限制：不是軟體進步就能完全解決

很多人討論 FSD 時，會把重點放在軟體版本、模型能力與決策邏輯，但自駕車要真正進入無人監督階段，天氣與硬體狀態同樣重要。因為再好的 AI，也需要看得清楚、判斷得穩定，才有辦法持續自駕。

惡劣天氣：FSD 會降級，也可能要求駕駛接管

這次行程中，優勝美地剛好遇到一場強大的春季風暴，當時甚至發布了冬季風暴警報。雨雪天氣下，FSD 的表現就會變得更保守。

在雨雪、濃霧或能見度不佳的環境中，FSD 的速度上限會降低，車機也會顯示「FSD 全自動輔助駕駛（受駕駛監督）可能已降級，偵測到惡劣天氣」。這時候 FSD 仍然可能繼續行駛，但速度會明顯比一般天氣更保守，有時甚至略低於一些比較勇敢的人類駕駛。

如果能見度低於一定程度，系統也會跳出紅色方向盤，要求駕駛接管。這是目前 FSD 仍然存在的明確邊界：當系統判斷自己無法穩定掌握環境，就會交出主控權，退出自駕功能。

比較特別的是，FSD 和傳統 Autopilot 的接管邏輯不完全一樣。在一些一般路況中，即使系統短暫跳出紅色方向盤、要求駕駛接管，FSD 仍可能在 1 秒內重新掌握狀況，接著繼續執行自駕。這和一般 Autopilot 一旦跳出接管警示、自駕功能就完全停止的體驗不太一樣。

這代表 FSD 的異常處理更動態，也更像是在嘗試自我恢復。但對無人監督來說，只要仍然存在「需要人類接手」的情況，這就是必須被解決的核心問題。

視覺受影響：車會自己揉眼睛，但鏡頭髒污仍是硬傷

這次租到的 Model Y，前鏡頭區域內部疑似有髒污。平常開起來不一定有明顯影響，但遇到逆光時，就會出現更頻繁的注意力監控提示，車機也曾顯示「自動輔助駕駛期間偵測到鏡頭能見度不佳。請透過 Tesla 應用程式安排清潔服務。」

有趣的是，目前 FSD 在前方視覺受影響時，會自動噴灑雨刷水，並快速刷動攝影機區域。從車內看起來，真的很像車子在自己「揉眼睛」。這趟旅程中，這個動作出現得相當頻繁，推測也和前方玻璃內部髒污有關。

但問題是，這類髒污不是駕駛在路邊擦外側玻璃就能解決，而是需要清潔前鏡頭區域車內玻璃。對一般租車使用者來說，這幾乎無法自行處理；對未來 Robotaxi、Cybercab 或大規模無人車隊來說，這也代表自駕可靠度不只取決於 AI 模型與軟體版本，車輛硬體維護品質同樣會變成關鍵。

一台車能不能自駕，不只是看它有沒有最新 FSD，也要看鏡頭、玻璃、感測器與整車維護是否保持在良好狀態。當車隊規模變大，這件事可能會比一般人想像中更重要。

停車場才是真實世界最難的一關

如果說道路行駛是 FSD V14 已經明顯進步的地方，那停車場就是它仍然最容易遇到現實世界細節的地方。

停車場看起來速度低、風險低，但其實充滿不規則動線、模糊標線、臨時標誌、行人、推車、專用車格、不同入口與出口。對人類來說，這些很多時候只是「看現場感覺」；但對自駕系統來說，每一個都可能是判斷題。

停車場離場：能啟動，不代表路線最佳

FSD 現在幾乎在所有地點都能直接啟動，包含賣場停車格內。這代表它已經不只是道路上的輔助駕駛，而是能從停車場開始接手，嘗試自己找路離開。

但能啟動，不代表離場路線一定最佳。實際使用下來，FSD 離開停車場時有時會繞一大圈。這可能和圖資有關，也可能代表特斯拉仍需要長時間累積各地場域資料，替不同停車場建立更完整的路線檔案。

換句話說，在特斯拉數量多、資料累積多的大城市，體驗可能會比較好；但在特斯拉數量少的地區，停車場內的表現可能就不一定穩定。

專用車格：會避開身障車位，但可能停進 Curbside Pickup

停車位判斷也是另一個細節。FSD 目前已經知道不該占用身障車位，這點很重要。不過北美許多速食餐廳都設有 Curbside Pickup 或 Mobile Order 專用車格，讓使用者透過 App 點餐後，把車停在指定車位，再由服務員將餐點送到車上。

這類車格不是身障車位，但也不是一般停車格。而目前 FSD 仍有一定機率會停進這些專用車位。

無人監督要處理的，不只是「有沒有格子」，而是「這個格子是不是適合現在這台車停」。

自動停車：停得進去，不代表乘客好下車

這次也觀察到另一個很細的停車問題：車子停得進去，不代表乘客一定好下車。

例如部分 V4 超級充電站的停車布局，可能會讓 FSD 自動停車後，後座乘客沒有足夠空間下車。從車輛角度看，它可能停得正確，甚至也能順利插槍充電；但從乘客角度看，旁邊空間太窄，實際上下車並不方便。

路邊停車也可能出現類似情況。車輛停得合法、位置看似正確，但如果沒有考量後座乘客、行李、路邊障礙物或上下車動線，體驗仍然不理想。

這是 FSD 從「把車停好」走向「把人送好」之間的差距。真正的無人監督自駕，不只要知道哪裡可以停，也要知道人要怎麼上下車、乘客有沒有空間開門、行李能不能拿出來。

Apple Visitor Center：最後停對了，但過程浪費時間

Apple Visitor Center 停車場也是一個很有代表性的案例。

當時 FSD 沒有從正門入口進入停車場，而是繞了半圈到後側入口。停車場內其實有很多車位，但 FSD 仍然持續往內探索，最後停在靠近正門入口的車位。

嚴格來說，最後停的位置是合理的，甚至還算方便。但整個過程浪費了時間。對人類駕駛來說，可能一進停車場看到前方有空位就停了；但 FSD 似乎仍在尋找它認為更適合的車位或路徑。

這種案例很適合用來理解目前 FSD 的停車邏輯：它不是不能停，而是有時不一定用最有效率、最符合人類直覺的方式完成停車。

私人停車場：到得了地址，不一定找得到入口

在洛杉磯 Airbnb 的場景也很典型。該地址雖然有停車場，但 FSD 導航到地址後，並不知道停車場入口在哪裡，因此只會在路邊停靠。

這可能是因為私人停車場的入口沒有被記錄在 FSD 圖資中。對人類來說，到了地址附近可以觀察招牌、閘門、車道出入口，再自己判斷要從哪裡進去；但對 FSD 來說，如果圖資沒有足夠資訊，它可能只知道「目的地到了」，卻不知道「車應該從哪裡進去」。

更有趣的是，如果在該停車場地下開啟 FSD，系統判斷環境後似乎會先往右前方行駛，但前方其實是死路，出口位於左側。

這也讓我們想到，未來 FSD 個人化可能會變得很重要。它是否能記住使用者常去的停車場入口？是否能記錄進出動線？甚至能不能指定固定車格？對一般住家、公司、飯店、Airbnb 或私人停車場來說，這些都會影響無人監督自駕的實用性。

人類互動場景：FSD 還不懂流程何時結束

除了停車場，另一個很關鍵的難題，是 FSD 對人類互動流程的理解還不夠完整。

車子知道要停，知道柵欄升起後要走，知道前方車流開始移動後要跟上，但它不一定知道「票拿到了沒」、「護照還回來了沒」、「找錢結束了沒」、「乘客是不是真的準備好下車」。

這些對人類來說很自然，對自駕系統卻是很難的社會判斷。

取票口、售票口與得來速

FSD 對「車輛應該停下來」的理解已經不差，但對「人與人之間的互動是否完成」仍然不夠完整。

例如多數停車場即使有車牌辨識，仍需要在入口取票。FSD 目前會知道要在取票口停車，也會在柵欄升起後自動再開。但問題是，停車距離取票機可能太遠，駕駛手可能搆不到，這時候就需要手動接管，讓車更靠近取票機。

國家公園人工售票口也有類似情況。FSD 可以正確停車，但付款完成後，如果對方還沒有遞回證件或護照，車輛可能就準備自動開走。

這是目前 FSD 很重要的邊界：它能理解道路與車輛動作，但還不完全理解人類互動的流程。

臨停與手動微調：Cybercab 未來要怎麼聽懂乘客需求

在自駕旅行過程中，很多時候我們需要臨時停靠路邊，甚至有些情況會稍微偏離道路。例如國家公園路側暫停、風景點臨停、拍照點下車，或只是想讓乘客先下車再找停車位。

這些情境目前勢必需要駕駛接手，手動停靠。

但如果未來 Cybercab 或更多無人監督自駕車型真的販售給一般消費者，問題就會變得很有趣：乘客要怎麼告訴車子「靠右一點」、「往前 10 公尺」、「停在那個空位」、「不要停這裡」、「我想在這裡下車」？

這些需求可能透過 App、語音、車內螢幕、地圖拖曳，甚至遠端人工協助來完成。但不管是哪種方式，無人監督自駕都不能只會照導航開，它還需要理解乘客臨時改變心意、現場狀況不如預期，以及目的地不是一個點，而是一段可被調整的空間。

召喚功能：不是車不會動，而是距離限制讓它斷線

召喚功能也是這趟旅程中很有趣的一個案例。美國現行車主必須位於車輛方圓約 65 公尺，也就是 213 英尺範圍內，才能啟動並維持召喚功能。

這次在 Walmart 停車場，我們的位置剛好在 65 公尺範圍邊緣。從手機畫面來看，車輛仍在藍色圓圈內，理論上還在最大可操作距離內。

但問題是，當 FSD 遵守停車場地面標線，選擇順向移動再繞回來時，車輛反而越開越遠，直接超出 65 公尺範圍，導致召喚中斷。

召喚中斷後使用者就無法繼續控制車輛，只能走近車子。最尷尬的是，當我們走近車輛重新開始召喚後，車輛又再次依照停車場順向動線往外繞，結果再一次把自己開出 65 公尺範圍。它不是不會開過來，而是太遵守停車場動線，反而把自己帶離召喚範圍。

即使命名為「Actual Smart Summon」，也就是「真正的智慧召喚」，實際使用上仍然很依賴手機 GPS、圖資、停車場動線判斷與網路連線。使用者也必須全程按住 Tesla App 操作、監控車輛與周遭環境，並承擔操作責任。換句話說，它不是車子真的能自己來找你，而是車輛在使用者持續監督下，嘗試從停車位移動到指定位置。

這也讓 Actual Smart Summon 距離真正的無人監督還有一段距離。它可以在停車場中移動，也能在某些情境下繞過障礙物，但只要遇到 GPS 邊界、停車場動線、圖資判斷或網路連線不穩，就很容易被現實世界卡住。更不用說 Elon Musk 先前提過的「Banish」功能，也就是乘客下車後讓車輛自行去找車位停好，至今仍沒有真正成為一般車主可用的成熟功能。

機場接送：Robotaxi 與 Waymo 都還在避開最混亂場景

如果要討論無人監督自駕，機場接送一定是重要場景。因為機場不是單純開到目的地，而是要處理上下客、行李、臨停、路邊車潮、旅客穿越與大量併排停車。

目前 Robotaxi 仍未開放機場接送，而 Waymo 在機場場景也相對保守。近期美西太太上傳的影片也提到，Waymo 在機場附近會設定專屬上下車地點，可能避開一般航廈接送區。

這樣做的好處是場域更可控、停靠空間更寬敞，但可以預期，步行距離也會比一般車輛直接接送更遠。

其實在 SFO，我們也觀察到機場已經設有 Ride App Pickup 區域，也就是 Uber、Lyft 等共乘叫車服務的專屬上下車區。實際叫車時，App 會提供路線引導，帶乘客走到指定上車點；現場也有類似月台編號的分區概念，讓車輛與乘客更容易對應。

這或許也提供了未來自駕車接送的一種可能方向。當自駕車普及後，機場未必會讓每輛車都直接擠進現有航廈接送區，而是可能像現在 rideshare 一樣，劃出有編號、有動線、有管理規則的專屬自駕車上下客區域。這樣乘客可能要多走一段路，但對無人駕駛來說，會是更可控、也更現實的落地方式。

如果以桃園機場為例，錯過接送區後重新繞一圈，可能就要多花 10–15 分鐘。這類場景真正困難的地方，不是車子知不知道怎麼開到機場，而是到了機場之後，該怎麼停、停多久、能不能臨停、乘客在哪裡、行李在哪裡，這些才是無人監督必須解決的問題。

最後 0.1%，其實是現實世界的複雜度

這趟美西自駕後，我們對 FSD V14 的看法其實更正面，但也更清楚看到它距離無人監督還差在哪裡。

FSD V14 已經很會開車。它能處理絕大多數長途道路、山路、城市道路與充電站場景，也能在很多情況下比人類更早偵測行人、自行車、減速丘與緊急車輛。對一般駕駛來說，它已經能大幅降低長途旅行疲勞。

但無人監督的門檻不只是在 99.9% 的正常路況中表現良好，而是要在最後 0.1% 的例外場景中，也能做出足夠安全、足夠合理、足夠像人類理解現場的判斷。

施工臨時管制、惡劣天氣、鏡頭髒污、私人停車場、取票機距離、人工售票互動、專用車格、機場接送、路邊臨停與乘客微調，這些看似瑣碎的小事，才是真正決定無人監督能不能自然融入日常生活的關鍵。

FSD V14 已經讓我們看到無人監督自駕的輪廓，但最後那 0.1%，不是單純再多訓練一點路線就能解決，而是要讓車更懂真實世界裡那些不完美、不標準、甚至有點混亂的人類規則。

延伸閱讀

美西實測 FSD V14：Turo 租 Model Y 挑戰優勝美地、太浩湖山路全自駕

舊金山 Robotaxi 初體驗：美國旅遊不自駕，價格比 Uber 便宜一半？

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

目前 Model 3 Long Range 後輪驅動與 Model Y 全車系可選配海軍藍，選配價格為 4.8 萬台幣；Model 3 Performance 則新增冰霜藍，選配價格為 7.5 萬台幣。兩款新色都已出現在特斯拉台灣官網訂車頁面。

Model 3/Y 海軍藍加價 4.8 萬台幣

Model 3 Long Range 後輪驅動這次新增海軍藍選配，價格為 4.8 萬台幣。從目前官網配置來看，海軍藍取代先前深藍色，成為 Model 3 Long Range 後輪驅動新的藍色系選項，並與曜石黑、珍珠白同屬 4.8 萬台幣選配級距。

Model Y 這次則是全車系新增海軍藍選配，價格同樣為 4.8 萬台幣。也就是說，不論目前訂車頁面開放哪一款 Model Y，都能選擇海軍藍，補上深藍色下架後的藍色系選項。

Model 3 Performance 冰霜藍加價 7.5 萬台幣

Model 3 Performance 則新增冰霜藍，選配價格為 7.5 萬台幣。這款車色目前並未開放給 Model 3 Long Range 後輪驅動或 Model Y，而是 Performance 車型專屬的新藍色選項。

從目前官網選配級距來看，冰霜藍與烈焰紅、閃電銀同屬 7.5 萬台幣選配。這也讓 Model 3 Performance 在車色選擇上，與 Model 3 Long Range 後輪驅動及 Model Y 形成更清楚的區隔。

Model 3/Y 新色價格整理

這次 Model 3 與 Model Y 新增藍色系選項後，各車型可選車色也更清楚。Model 3 Long Range 後輪驅動與 Model Y 全車系可選海軍藍，Model 3 Performance 則可選冰霜藍。

若以選配價格來看，海軍藍屬於較入門的加價車色，冰霜藍則被放在高階烤漆級距。對想在黑、白、灰以外多一點辨識度的買家來說，這次更新讓 Model 3 與 Model Y 的藍色系選擇更明確。

Model 3/Y 深藍色同步下架

這次更新後，先前的深藍色已不再出現在 Model 3 與 Model Y 訂車頁面。特斯拉近年持續調整不同市場的車色配置，台灣市場這次則改由海軍藍與冰霜藍接續藍色系選項。

以目前官網選項來看，低調夜幕灰仍為標配車色；曜石黑、珍珠白與海軍藍屬於 4.8 萬台幣選配；烈焰紅、閃電銀與冰霜藍則屬於 7.5 萬台幣選配。不過不同車型可選顏色並不完全相同，仍需以特斯拉台灣官網訂車頁面為準。

Model 3/Y 優惠方案同步進行

除了新增車色，特斯拉台灣目前也持續針對 Model 3 與 Model Y 推出購車方案。依目前資訊，即日起至 6 月 30 日前訂購並完成交付，Model 3 與 Model Y 可享零頭款入主方案。

Model 3 指定車款另提供 0.99% 超低月付利率方案，不限品牌換購則可享 3 萬台幣加碼補貼。相關方案可與滿電出門套裝及車主推薦計畫搭配使用，實際適用條件、核准資格與活動期間仍以特斯拉台灣官網公告為準。

延伸閱讀

Model X 小改款正式登台！冰霜藍首現身、不甩關稅漲 30 萬

如何自訂特斯拉車身外觀：中控螢幕與 Tesla App 同步顯示車體包膜

特斯拉 Model 3 加拿大大降價！中國製車型約 92 萬台幣起

這筆算力合作已經直接反映在 Claude 使用限制上。Anthropic 表示，Claude Code 的 5 小時用量限制已加倍，Pro 與 Max 方案不再因尖峰時段降低 Claude Code 額度，Claude Opus API 的速率限制也同步提高。

Claude Code 與 Opus API 用量同步放寬

Anthropic 這次宣布的重點，不只是新增資料中心算力，也直接改善 Claude 的使用體驗。官方表示，Claude Code 的 5 小時用量限制已經加倍，適用 Pro、Max、Team，以及以席次計費的 Enterprise 方案。

這對重度開發者來說相當有感。Claude Code 近來已成為許多工程師用來寫程式、重構專案、檢查錯誤與處理大型程式碼庫的重要工具，但使用限制也常成為工作中斷的主因。

除了 Claude Code 用量加倍，Anthropic 也取消 Pro 與 Max 帳號在尖峰時段的 Claude Code 限制下調。過去在使用高峰期間，系統可能會降低可用額度或縮短可連續使用時間；調整後，付費使用者在高峰時段的體驗會更穩定。

Claude API 也同步受惠於新增算力。Anthropic 表示，這次大幅提高 Claude Opus 模型的 API 速率限制，主要針對按 token 計費的開發者與企業客戶。

API 速率限制提高後，開發者可以在更短時間內送出更多請求，對需要大量呼叫 Claude Opus 的產品、代理工作流程、自動化工具與企業內部應用都更有幫助。

Colossus 1 帶來 300 MW 新增運算容量

Anthropic 這次包下的是 SpaceX 的 Colossus 1 資料中心全部運算容量。官方公告指出，這將帶來超過 300 MW 的新增容量，並包含超過 220,000 張 NVIDIA GPU。

Colossus 1 位於美國田納西州孟菲斯，是 Elon Musk 旗下企業體系中規模最大的 AI 運算基礎設施之一。這座超級電腦資料中心與 xAI 的 Grok 訓練和推論需求密切相關，也因此成為 AI 產業中最受關注的算力設施之一。

Anthropic 取得這批算力後，將能快速補足 Claude 在使用需求成長下遇到的容量瓶頸。對 Claude Code 與 Claude API 來說，這類大型資料中心容量不是背景資訊，而是使用限制能否放寬、尖峰時段能否穩定的核心原因。

這筆合作也顯示，AI 產業競爭已經從模型能力延伸到資料中心與能源規模。模型要變強、使用者要更多、API 要更穩定，背後都需要大量 GPU、電力、網路與資料中心資源支撐。

Anthropic 分散押注多方 AI 基礎設施

SpaceX 不是 Anthropic 唯一的算力合作來源。Anthropic 也提到，近期已宣布多項大型運算基礎設施合作，包括與 Amazon、Google、Microsoft、NVIDIA，以及 Fluidstack 等夥伴的資料中心與 AI 運算合作。

Anthropic 表示，Claude 訓練與推論會使用多種 AI 硬體，包括 AWS Trainium、Google TPU 與 NVIDIA GPU。這代表 Anthropic 並不把算力押在單一供應商，而是透過多方合作提高整體容量與供應彈性。

這樣的策略對 Claude 產品線很重要。當 Claude Code、Claude API、Claude Pro、Claude Max 與企業方案需求同步成長，如果基礎設施跟不上，使用者很快就會遇到排隊、限制、降速或無法呼叫模型的問題。

Anthropic 也提到，已表達與 SpaceX 合作開發多 GW 等級軌道 AI 運算容量的興趣。這仍是長期構想，但也反映大型 AI 公司對算力需求已經高到開始探索地面資料中心之外的方案。

Claude 用量限制調整整理

這些調整已在 Anthropic 公告當天生效。對 Claude Code 使用者來說，最明顯的改變會是可連續工作的時間更長，尖峰時段被限制的機率降低；對 API 使用者來說，則是更高的請求處理量與更好的產品部署彈性。

AI 競爭關鍵轉向算力基礎設施

Anthropic 與 SpaceX 的合作，再次說明 AI 競爭已不只是模型排名之爭。當 Claude、ChatGPT、Gemini、Grok 等模型都進入企業、開發者與一般使用者日常工作流程，真正限制產品體驗的，往往是背後有多少算力可以穩定供應。

Claude Code 用量加倍，對使用者來說是功能限制放寬；但對產業來說，背後代表的是資料中心、GPU、電力與能源調度競爭。誰能取得更多穩定算力，誰就更有能力支撐更長上下文、更高請求量、更低延遲與更多付費使用者。

這也讓 AI 競爭從模型能力，延伸到誰能取得穩定、便宜且大規模的運算資源。對 Anthropic 來說，Claude Code 用量加倍只是最表層的變化；真正的關鍵，是 SpaceX、Amazon、Google、Microsoft、NVIDIA 與 Fluidstack 等算力合作，能否支撐 Claude 在開發者與企業市場持續擴張。

延伸閱讀

矽谷最強自導自演？Claude Code 原始碼外洩始末：是真出包

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

試驗評選招標？美國防部授予 Google、OpenAI、Anthropic、xAI 各 2 億美元合約

經過這次 FSD V14 的體驗，我們再次感受到 Elon Musk 過去提到「march of nines」的意涵。FSD V13 已經像是能代勞自駕旅程中 99% 的路程，而這次從舊金山一路開往優勝美地、太浩湖，再回到灣區與南加州，FSD V14 則可說是再往前推進到 99.9%。它並不是完全沒有問題，也不是可以真正放手不管，但在多數長途道路、山路、城市道路與充電補能情境中，FSD 已經從「輔助駕駛功能」變得更像是一位真的能陪你完成旅程的駕駛。

Turo 租 Model Y：再次選擇 2026 全新 Model Y

這次跟去年 9 月一樣，我們選擇透過 Turo 租用特斯拉，而且同樣選擇 2026 全新 Model Y。Turo 在加州的特斯拉選擇非常多，從非常早期的初代 Model S，到最新的 Cybertruck 都有機會租得到，車型選擇比想像中豐富許多。

不過考量到這次是三個人出遊，而且有三個大型行李箱，最後還是再次選擇 2026 全新 Model Y。以空間、價格、舒適度與長途旅行實用性來看，Model Y 仍然是最平衡的選擇。

Turo 上特斯拉的價格差異其實很大，即使是同年份、同車型，不同車主開出的價格也可能差很多。以這次 10 天租期來看，價格甚至可能差到 200–300 美元。這次租到的 2026 全新 Model Y，剛好是在我們行程時間內價格最佳的選擇。

車輛與版本資訊

這次租用的車輛基本資訊如下：

－車型：特斯拉 Model Y 2026
－租用平台：Turo
－里程：19,919 英里
－車輛軟體版本：2026.2.9.7
－FSD 版本：全自動輔助駕駛（受駕駛監督）v14.3.1

跟上次不同的是，這位車主的 Model Y 本來就已經購買 FSD 套件，因此我們不需要額外加購或訂閱 FSD。更棒的是，這輛車甚至連頂級連線功能也有訂閱，所以導航、娛樂與車機連線體驗都很完整，這也讓我們從取車開始，就能完整使用 FSD v14.3.1 進行這趟長途旅行。

實際開了幾天後，也會感覺這輛 Model Y 應該不是單純放著出租的車，而是車主平常可能也有在使用、維護狀態相對穩定的車。這位車主名下除了 Model Y，目前還有 Chevrolet Corvette、Lucid Air 和 Cybertruck；在 Turo 上 12 年內累積出租超過 1,500 趟行程，評價也有 4.9 分，算是讓人滿放心的車主。

Turo 不一定最便宜，但車型與配備更可控

Turo 不一定會比 Hertz、Avis 等大型連鎖租車公司便宜，但它最大的優勢，是車型、年份、車況與配備都能事先確認，不會到現場才被櫃檯告知「同級車」調整，最後拿到一輛和原本預期不同的車。

對這次旅程來說，這點特別重要。因為我們不是單純想租一輛中型 SUV，而是希望確定租到特斯拉 Model Y 2026，並且能確認這輛車是否已經具備 FSD 套件。若透過傳統大型租車公司，即使預訂時看到的是某款車，實際取車時仍可能被分配到同級汽油 SUV、其他電動車，或是不含 FSD 的特斯拉。

因此 Turo 的價值不只是價格，而是更高的可預期性。你可以在出發前確認車型、年份、里程限制、是否支援 Tesla App、是否包含 FSD、取還車方式，以及車主提供的配件。對想要完整體驗特斯拉與 FSD 的旅客來說，這比單純比價更重要。

無接觸取還車：全程透過 Turo 與 Tesla App 完成

這次租車過程也很順利，全程都是透過 Turo 訊息與車主溝通。車主直接發送 Tesla App 連結，讓我們可以透過手機取得車輛控制權。

取車方式是在指定地點路邊取車，還車也是路邊還車。整個租車過程中，我們完全沒有見到車主本人。這種模式對旅行者來說很方便，不需要配合車主面交時間，也能更彈性安排班機與行程。

當然，Turo 取車與還車一樣都需要拍照上傳。取車時要拍車輛外觀、內裝、里程與現況，還車時也要再拍一次，作為雙方確認車況的依據。

這次車輛基本上都很乾淨，車主也有附上手機架與 J1772 轉接頭。對於在美國開特斯拉旅行來說，J1772 轉接頭算是很實用的配件，因為除了超級充電站之外，部分飯店、商場或公共充電站仍可能使用 J1772 規格。

Tesla 帳戶同步：自己的設定一秒帶到租車上

對特斯拉車主來說，到美國租特斯拉最方便的一點，莫過於 Tesla 帳戶整合。只要車主透過 Tesla App 發送車輛連結，我們登入後，原本在台灣車輛上的大多數設定幾乎都能同步到租車車輛上。

實際使用上，唯一比較需要手動調整的，主要是顯示語言，以及把公里改成英里。其他包含溫度、座椅、駕駛偏好等設定，都會自動同步，對熟悉特斯拉介面的車主來說，上車後幾乎不需要重新適應。

不過這裡也有一個小問題。因為這次租的是 Model Y，回到台灣再開自己的 Model 3 時，發現座椅位置變得太靠後。這代表特斯拉在不同車型之間同步駕駛設定時，仍有改進空間。畢竟 Model 3 和 Model Y 的坐姿、座椅高度與駕駛位置本來就不同，如果完全同步同一組座椅設定，反而可能造成另一台車不適合駕駛。

手機、筆電與車輛充電：旅行必備配件

雖然車主有附手機架，但由於旅行時手機用量很大，我們還是換上 JOWUA 的 MagSafe 快充手機架。這幾乎是每次出遊必帶的配件，尤其是長途自駕時，手機要同時處理導航、拍照、通訊與查資料，電量消耗非常快。

另外，這次因為我們和朋友都需要遠端工作，所以也額外帶上 165W PD3.1 高效能車充。這樣在車上不只是手機可以充電，筆電也能直接供電，對長途移動、臨時處理工作與車上補電來說都很實用。

飯店與機場的部分，這次也帶上 JOWUA 65W GaN 伸縮線充電器，以及 65W 旅行萬國插頭氮化鎵充電器。這類配件可以同時支援手機、筆電與其他設備，尤其每天拍照、導航、遠端工作後，晚上回飯店幾乎所有設備都需要補電，有高功率、多孔位與萬國插頭會方便很多。

比較有趣的是，台灣開電動車很常需要準備的充電轉接頭，這趟反而幾乎用不到。這次在美國實際跑下來，特斯拉超級充電站的車種已經非常多元，不只特斯拉，甚至連 KIA 都已經能用原生 NACS 介面在超級充電站充電。

FSD V14 的最大改變：更像真的在幫你開完整趟旅程

這次使用 FSD 的過程中，最大的感受是駕駛者會自然變得比較放鬆。因為大部分道路行駛、跟車、轉向、變換車道、路口判斷與導航路線，FSD 都能穩定完成，所以我們會更專注在欣賞路途上的風景，而不是像傳統自駕一樣全程高度緊繃。

雖然這次 FSD V14 已經能勝任大約 99.9% 的全程自駕，但這並不代表旅程就失去駕駛樂趣。如果想要自己開、想要享受山路與車輛操控，仍然可以隨時接手，好好享受駕馭本身。FSD 比較像是把「不得不開」的疲勞路段接過去，而不是剝奪駕駛樂趣。

但這也帶來一個很有趣的心理落差。當 FSD 突然做出比較大的動作，例如大幅避讓行人、自行車、路邊車輛，或是遇到後方緊急車輛時快速變道，直覺反應還是會嚇到，甚至會想立刻接管。

不過實際情況往往是，FSD 的動作是正確的。例如路旁有單車騎士、行人突然衝出、後方有緊急車輛要通過，FSD 的反應基本上都是為了避開風險。如果這時候駕駛者因為被嚇到而介入，反而可能破壞系統原本正在執行的安全動作，甚至造成更危險的情況。

這是 FSD 和過去一般人使用輔助駕駛最大的不同。以前我們習慣把輔助駕駛當成「維持車道與跟車」的工具，只要它有異常動作就立刻接管。但 FSD V14 已經不只是單純沿著車道開，它會主動處理複雜情境，因此使用者也需要重新理解「什麼時候該接管、什麼時候不應該干擾」。

安全反應更積極：行人、自行車與緊急車輛都會主動避讓

這次最明顯的感受之一，是 FSD 對弱勢用路人的反應非常積極。

當路邊有行人或自行車騎士時，FSD 通常會提早避讓，而且距離拉得很開。有些情況下，避讓幅度甚至大到會跨過雙黃線。從乘客角度來看，這種動作有時候會讓人有點緊張，但回頭看場景，FSD 的意圖通常是拉開與弱勢用路人的安全距離。

在市區也遇到行人穿越馬路的情況，FSD 的減速避讓力度很明顯。這類狀況人類駕駛有時可能會因為 A 柱遮蔽、路邊車輛或注意力分散而忽略，但 FSD 對突然進入道路範圍的人反應相當敏感。

另外，這次也遇到後方緊急車輛鳴笛。FSD 會快速變道閃避，並在路中暫停，實際觀察應符合美國遇到緊急車輛需要讓道的規範。這種反應如果由人類駕駛操作，可能也需要一些時間判斷緊急車輛從哪裡來、自己該往哪邊讓，但 FSD 的處理相當果斷。

低高度障礙識別更成熟：減速丘幾乎都能正確處理

根據近期網路上的測試，FSD 現在對於路面上低高度的障礙已經有非常好的識別能力。而這次實際旅途中，我們也能明顯感受到它對減速丘的處理。

路面上的減速丘幾乎都能正確減速並通過，即使是一些不太明顯、一般人類駕駛可能忽略的減速丘，FSD 仍然會提早放慢速度。這種設定對舒適性與車輛保護都有幫助。

而這次駕駛的是全新 Model Y 2026，有可能是搭配電子懸吊的關係，整體乘坐舒適性感受非常好。FSD 能提前減速，加上車輛本身懸吊處理得更成熟，讓乘客在長時間移動中比較不容易感到疲勞。

優勝美地與太浩湖山路：FSD V14 最驚艷的地方

如果要說這次 FSD V14 最讓人印象深刻的部分，我會選優勝美地與太浩湖沿線的山路。

本次造訪優勝美地、太浩湖，途中經過不少山路，尤其是優勝美地山區段的 CA-41 Wawona Road，以及奧克赫斯特至佛雷斯諾（Oakhurst to Fresno）這段路線。這些路段彎道多、坡度變化明顯，對駕駛者來說其實相當消耗精神。

但在這段山路中，可以感受到 FSD V14 的山路轉向非常精準。它面對彎道時能維持一定速度，轉向也很穩定，不會有過度修正或不自然晃動的感覺。

更有趣的是，FSD 在部分路段經常開到每小時 50–60 英里，但實際體感並沒有那麼快。這可能和轉向控制、車身穩定性與電子懸吊都有關係。相較之下，如果改成手動駕駛，尤其是在連續彎道中，側傾與晃動感可能反而會更明顯。

這也是這次最能感受到 FSD V14 進步的地方。它不只是可以在高速公路直線行駛，也不只是能在城市道路跟車，而是在真正有駕駛負擔的山路中，仍然能提供相當高的穩定性與舒適性。

想享受駕馭：Model Y 舒適，但 Performance 會更有感

雖然 FSD 可以勝任 99.9% 的全程自駕，但如果你本來就喜歡開車，仍然可以在旅途中好好享受駕馭本身。尤其是在美國西岸長途旅行中，沿途有高速公路、山路、海岸線與國家公園道路，不一定每一段都要交給 FSD。

由於我們在台灣平常開的是 Model 3 Performance，因此這次租到 Model Y Long Range，操駕上沒有太強烈的新鮮感。Model Y 給人的主要差異是坐姿更高、視野更好，腿部空間也更舒適，對長途旅行來說確實比較輕鬆。

不過，同行平常開 RAV4 的朋友，對特斯拉的操駕體驗仍然讚譽有加。這也代表如果平常不是開性能電動車，第一次在美國長途駕駛特斯拉，仍然會很容易感受到電動車即時扭力、低重心與加速反應帶來的差異。

因此如果你本身喜歡開車，又想體驗 FSD，或許可以考慮在 Turo 上租 Performance 系列。這樣平常可以交給 FSD 處理長途與疲勞路段，遇到山路或想自己開的時候，也能保留更熱血的駕馭體驗。

充電導航整合成熟：長途旅行仍是特斯拉最大優勢

這次旅途中，特斯拉導航與充電站整合也再次展現優勢。大部分充電站，FSD 都可以正常識別車位並停入；在超級充電站，它也會找尋與其他車輛間隔的充電樁，而不是一定停在最近或最擁擠的位置。

這趟旅程幾乎沒有額外為了充電安排等待時間。大多數時候，我們都是利用吃飯、逛街、上廁所的空檔順便充電，行程上沒有太明顯的充電負擔。所到之處包含太浩湖、優勝美地周邊，也都有超級充電站可以使用，對長途旅行來說非常方便。

這次也遇到同一個充電區域內，同時有 72 kW 城市超充與 250 kW V2 超充的情況。特斯拉導航知道要選擇比較快的 250 kW V2 超充，而不是把車帶去功率較低的 72 kW 城市超充。也有超級充電站位於賣場頂樓樓層的情境，特斯拉導航知道正確入口，也能正確由車道行駛到頂樓超級充電站，整體表現相當成熟。

比較特別的一次充電經驗，是在 Google Visitor Experience 使用 ChargePoint 慢充。透過 J1772 轉接頭充電，這也是這趟旅程唯一一次實際用到轉接頭；而且停車免費、充電也免費，只能說感謝 Google。

除了充電之外，這次也更明顯感受到特斯拉導航不只是單純把車開到目的地，而是會開始把路線效率、車道選擇與乘客條件一起納入判斷。這點在高乘載車道與付費車道上特別明顯。

高乘載與付費車道：FSD 比想像中更聰明

去年 9 月體驗 FSD V13 時，就已經注意到一個很有趣的地方。加州多數高乘載 HOV 車道，只要車內兩人以上就可以行駛，但部分高流量路段會出現 FasTrak 付費車道。當時如果把 FSD 速度設定選在「迅速」模式，V13 仍然會非常從容、自然地向內駛入這類快車道。

這次使用 FSD V14，則發現選單中已經可以選擇是否避開付費車道，也能自動偵測車內人數，判斷是否選擇高乘載車道。這點相當聰明，因為它不只是單純看導航路線，而是開始把車內乘客數、道路規則與路線效率一起納入判斷。

值得一提的是，在舊金山周遭路段，FSD 仍然一路駛入付費車道。我們後來查到，三人以上（3+ occupants）的車輛在大部分 Express Lanes，也就是高快速公路快車道，確實可以免費通行。不過這次車上其實並沒有 FasTrak Flex，也就是標籤上有一個可以撥動開關的裝置，最後車主也沒有向我們收費，因此我們無法完全確認 FSD 是否真的能根據條件識別免費通行路段。

對台灣旅客來說，美國高速公路付費車道、HOV 車道、Express Lanes，以及舊金山、洛杉磯市區停車規則，其實都是自駕時比較複雜的地方。像是哪些時間可以停車、哪些地方要付費、哪些車道需要 FasTrak，光看現場標誌就不一定能馬上理解。這部分在這篇先簡單提到，後續可以再放到 FSD 問題與美國自駕注意事項篇中整理。

FSD V14 已經接近旅程代駕，但問題留到下一篇談

這次 FSD V14 的長途體驗，讓我們更明確感受到「march of nines」的進展。FSD V13 已經能完成旅程中大部分駕駛任務，而 FSD V14 在穩定性、山路轉向、道路風險反應與充電導航整合上，又往前推進了一步。

尤其在長途旅行中，FSD 的價值不只是「幫你開車」，而是大幅降低駕駛疲勞。當你不需要全程緊盯每一個彎道、每一次跟車與每一段高速公路，旅程本身會變得更輕鬆，也更能專注欣賞沿途風景。

不過，這並不代表 FSD 已經沒有問題。這次行程中，優勝美地確實遭遇了一場強大的春季風暴，當時氣象局甚至發布冬季風暴警報（Winter Storm Warning）。而 FSD 遇到雨雪天氣時仍然出現一些狀況。

除此之外，目的地停車、圖資錯誤、人工售票口、得來速、取票機、臨時交通錐、車格線不清楚等場景，也都還是目前 FSD 需要駕駛密切監督的地方。

因此這篇先聚焦在 Turo 租車過程，以及 FSD V14 在優勝美地、太浩湖與美西長途路線中帶來的整體自駕體驗。至於這趟旅程中 FSD 仍然遇到的各種問題，以及這些問題如何延伸到未來無人監督 FSD 的落地難題，會在下一篇再完整整理。

延伸閱讀

舊金山 Robotaxi 初體驗：美國旅遊不自駕，價格比 Uber 便宜一半？

美西國家公園之旅！Turo 租特斯拉 Model Y 三千公里 FSD 全自駕

美西國家公園「遊園車」體驗？橫跨四大州實測 FSD 全自駕

這個方向和特斯拉純視覺路線不同。Rivian 選擇的是相機、雷達與 LiDAR 組成的多感測器架構，再搭配自家 AI 晶片與軟體模型。對 Rivian 來說，LiDAR 不只是增加一組感測器，也牽涉到自主駕駛核心零組件的供應鏈控制。

Rivian 評估在美國製造低成本 LiDAR

Rivian 目前仍處於討論階段，尚未公布確定合作對象、投資規模、量產時程或實際生產地點。比較精準的說法是，Rivian 正評估透過合作取得低成本 LiDAR 技術，並把製造放在美國。

RJ Scaringe 提到，中國在低成本 LiDAR 技術上已經取得明顯進展。Rivian 若能把低成本 LiDAR 光達感測器技術導入美國製造，就有機會降低感測器成本，同時避免直接依賴中國供應鏈。

LiDAR 過去價格偏高，很難進入大量銷售的車款；但近年中國供應商快速壓低車用 LiDAR 成本，讓它從自動駕駛計程車等高成本平台，逐漸變成量產車也能考慮的配備。

R2 後續批次將導入 LiDAR 與新硬體

Rivian 先前已確認，R2 將成為新一代自主駕駛平台的重要車型。不過，早期生產的 R2 並不會立刻搭載 LiDAR。依照目前資訊，Rivian 規畫在 2026 年底之後的後續批次，導入第三代自主駕駛硬體與 LiDAR。

這點對準備下訂 R2 的消費者很重要。Rivian 目前沒有公布替早期 R2 車輛加裝 LiDAR 的原廠後續改裝計畫，因此若消費者重視完整第三代自主駕駛硬體與 LiDAR，後續批次也將成為 R2 自主駕駛能力的真正完整版本。

Rivian 選擇 LiDAR 的原因，是希望替自駕系統增加 3D 空間資料與感測冗餘。相機負責辨識標線、交通號誌與物件語意；雷達提供距離與速度資訊；LiDAR 則能建立更清楚的空間輪廓，協助系統判斷周遭環境。

自研 AI 晶片成為 Rivian 自駕核心

Rivian 在 AI 與自駕技術活動中，公開自家車用晶片 Rivian Autonomy Processor，首款晶片為 RAP-1，將作為下一代自動駕駛平台的核心。這顯示 Rivian 不想只靠外部供應商提供運算平台，而是要把車端運算納入自家設計。

自研晶片的好處，是 Rivian 可以依照自家感測器組合、模型架構與車隊資料需求，打造更適合自身車輛的平台。若未來 LiDAR 也納入自製或深度合作範圍，Rivian 的自主駕駛堆疊就會更完整。

以下整理 Rivian 目前自主駕駛布局的主要方向：

這套策略的重點，是讓 Rivian 把自駕功能變成車輛平台的一部分，而不是單純外加選配。未來如果 R2 車隊規模擴大，Rivian 也能透過更多實際道路資料訓練 AI 模型。

LiDAR 供應鏈與美國監管仍是關鍵

Rivian 評估自製 LiDAR，核心目的在於降低關鍵感測器對外部供應商的依賴。更精準地說，Rivian 想做的是利用中國低成本 LiDAR 技術，但把製造與供應鏈控制放在美國。

這條路線同時指向兩個核心問題：LiDAR 成本，以及美國對中國智慧車供應鏈的監管壓力。自動駕駛感測器涉及道路資料、地理環境與車輛行為資訊，美國政府近年對相關供應鏈愈來愈敏感，合作形式與審查速度都可能影響導入時程。

Rivian 若能把技術、製造與資料控制拆開處理，就有機會兼顧成本與安全要求。不過目前計畫仍在評估階段，距離量產導入仍需要更多合作、投資與監管細節。

Rivian 用多感測器路線和特斯拉區隔

Rivian 目前正在加速建立自動駕駛技術差異。自研晶片、R2 後續導入 LiDAR，以及評估在美國自製 LiDAR，都是為了讓 Rivian 在未來電動車競爭中建立更完整的技術平台。

相較於特斯拉強調純視覺與大規模 FSD 資料，Rivian 選擇相機、雷達與 LiDAR 的多感測器融合路線。這條路線成本較高，工程整合也更複雜，但優勢是感測冗餘更完整，理論上能在惡劣天候、低能見度或複雜道路環境中提供更多判斷依據。

Rivian 尚未讓 LiDAR 自製計畫定案，但目前方向已經很清楚。從自研晶片到 LiDAR 供應鏈，Rivian 顯然不想只停留在電動車品牌，而是開始建立自己的完整自駕平台。

延伸閱讀

不用手扶方向盤！Rivian 開放第二代 R1 車主啟用免手控輔助駕駛

率先回應隱藏式門把安全疑慮！Rivian 計畫重新設計 R2 車門把手

特斯拉應該收購 Rivian？Elon Musk：祝福他們，但市場競爭極為艱難

幾乎同一時間，哈佛醫學院與 Beth Israel Deaconess Medical Center 團隊也在 2026 年 4 月 30 日於 Science 發表研究，顯示 OpenAI o1 在真實急診病例文字資料中的診斷表現，於初期分診階段高於兩位資深醫師。兩項進展合在一起看，顯示 AI 醫療輔助正在從民眾自發查症狀，進一步走向醫師工作流程與臨床測試階段。

ChatGPT for Clinicians 免費開放美國醫護使用

OpenAI 推出的 ChatGPT for Clinicians，是專為臨床工作設計的 ChatGPT 版本，目前免費提供美國通過驗證的個別臨床醫護人員使用。

支援對象包括醫師、執業護理師、醫師助理與藥師。醫護人員可透過美國國家提供者識別碼等方式完成驗證，不需要由醫院或大型醫療機構統一採購，也能以個人身分使用。

OpenAI 對這項產品的定位相當明確：ChatGPT for Clinicians 不是取代醫師診斷，而是協助臨床醫護人員更快整理資訊、找到醫學資料，並減少文件與行政工作的時間負擔。目前這項服務仍限美國驗證醫護人員使用，台灣與其他國家醫護尚未全面開放。

臨床工作可用於查證與文件整理

ChatGPT for Clinicians 的核心功能，主要集中在臨床資訊整理與日常工作支援。對醫護人員來說，它比較像是一個可查證來源、可整理文字、可協助草擬文件的臨床助理，而不是直接下診斷的工具。

OpenAI 提到，這個版本可提供來自可信醫學來源的即時引用答案，也能支援醫學研究整理、臨床文件草擬、照護建議討論、先前授權文件，以及符合條件的繼續醫學教育學分。

繼續醫學教育學分是 OpenAI 宣稱的特色之一，但實際是否能取得仍需符合特定資格，並依相關醫學會與教育單位認定。對臨床現場來說，這類功能的價值不只在於回答問題，也在於減少醫護人員查資料、寫紀錄與整理文件的時間。

預發布測試 99.6% 回應被評為安全準確

OpenAI 也公布 ChatGPT for Clinicians 的預發布測試結果。在產品正式推出前，醫師顧問在日常臨床工作、文件撰寫與醫學研究情境中，測試了 6,924 個對話，其中 99.6% 的回應被評為安全且準確。

這組數據需要放在正確脈絡理解。它不是獨立大型臨床試驗，也不是 AI 直接面對真實病患的診斷測試，而是醫師顧問在預發布階段，針對臨床工作相關對話進行的安全性與準確性評估。

在需要引用醫學來源的 355 個案例子集中，ChatGPT for Clinicians 引用醫師指定來源的表現，也高於參與比較的人類醫師。這對臨床工具來說很關鍵，因為醫療 AI 不只要回答看起來合理，還必須能指出資料來源，讓醫護人員可以追溯與驗證。

哈佛研究顯示 AI 急診推理具優勢

除了 OpenAI 推出臨床醫護版 ChatGPT，哈佛醫學院與 Beth Israel Deaconess Medical Center 團隊也在 2026 年 4 月 30 日於 Science 發表研究，進一步驗證新一代推理模型在急診情境下的表現。

研究團隊使用 OpenAI o1 推理模型，分析波士頓 Beth Israel Deaconess Medical Center 的 76 個真實匿名急診病例。研究將病例依照急診流程分成不同資訊階段，包括初期分診、醫師初步評估後，以及後續臨床管理決策，再比較 AI 與醫師的表現。

在資訊最少、時間壓力最高的初期分診階段，OpenAI o1 正確或非常接近實際診斷的比例約 67%。兩位資深醫師在同一階段的表現分別約 55% 與 50%。當提供更多患者資訊後，AI 準確度提升至約 82%，醫師則約落在 70% 至 79% 之間。

不過在後續資訊較完整的階段，AI 與醫師之間的差異未必達到統計顯著，因此不應解讀為 AI 在所有急診情境都全面優於醫師。這項研究更適合視為 AI 已具備成為第二意見與輔助工具的潛力，而不是取代急診醫師的證據。

AI 輔助急診仍需臨床驗證

哈佛研究的重要性，在於它不是一般醫學考題，而是使用真實急診病例文字資料，測試 AI 在資訊不完整情境下的推理能力。這正是急診現場最困難的部分之一：醫師必須在有限時間、有限資料與高壓環境下，快速判斷哪些病人可能存在嚴重風險。

不過，研究限制也相當明確。AI 使用的是文字化病例資料，並沒有實際面對病患，也沒有進行床邊理學檢查、影像判讀或即時醫病互動。急診判斷不只看文字，還包括臉色、姿勢、疼痛反應、觸診結果、病人敘述可靠度與現場壓力。

因此，這項研究更適合解讀為：AI 已經達到值得進一步臨床測試的階段，而不是 AI 已經可以取代急診醫師。真正進入醫療流程前，仍需要更多驗證、監管配套與責任界線。

一般民眾也開始用 AI 整理症狀

在醫療體系之外，生成式 AI 也已改變一般民眾查詢健康資訊的方式。先前 2025 年一則個案中，一名男子分享自己在急診被診斷為胃酸逆流返家後，腹痛持續惡化，於是將症狀輸入 Grok AI 進行比對。

Grok 推論其症狀可能符合穿孔性潰瘍或非典型闌尾炎，並建議他立刻回急診要求 CT 掃描。男子照著 AI 整理出的症狀與推論內容，向急診醫師更明確說明自身情況與檢查需求。後續 CT 檢查發現闌尾已高度發炎、接近破裂，醫師緊急安排手術，最後順利排除風險。

這起事件仍屬個案層級，不能用來證明 AI 一定比醫師更準確，也不能反推初診必然有疏失。但它說明一種真實趨勢：當症狀持續惡化、病患對初步診斷不放心時，AI 可能協助整理症狀時間線、提出可能風險，並讓病患更清楚地向醫師描述問題。

AI 醫療輔助不等於取代醫師

從 ChatGPT for Clinicians、哈佛急診研究，到一般民眾使用 AI 整理症狀，可以看出 AI 醫療應用正在分成兩條路線。第一條是給醫護人員使用的臨床輔助工具，協助查資料、整理文件、提供第二意見；第二條是一般民眾用來整理症狀與就醫問題的健康資訊工具。

這兩條路線都不能取代醫師。醫療判斷仍需要結合病史、身體檢查、檢驗數據、影像資料、臨床經驗與醫病溝通。AI 可以幫忙找出疑點、整理資訊、提供可能方向，但不能承擔最終診斷與治療責任。

未來更可能出現的不是 AI 單獨看診，而是醫師、病患與 AI 共同參與的照護流程。AI 協助整理資訊與提示風險，醫師負責判斷、確認與治療，病患則能用更清楚的方式參與自己的健康決策。

目前這些工具仍有明確限制，包括樣本規模有限、文字資料與真實臨床現場落差、模型可能出錯，以及責任歸屬尚未明確。即使 AI 在研究中表現優於部分醫師基準，真正進入臨床仍需要更多測試、監管與醫療體系配套。

延伸閱讀

ChatGPT Atlas 實測：用 AI 幫我搶演唱會門票，成功了嗎？

OpenClaw 安裝 Mac 佈署教學：串接 ChatGPT 付費訂閱使用 Codex 模型

抓到了！OpenAI 揭中國網軍利用 ChatGPT 操控跨境輿論戰