買不到乾脆自己做？訂製MASERATI Quattroporte Shooting Brake即將拍賣

e48585

MASERATI 旗下最受矚目的車款，除了近期的首款 SUV 車型 Levante 外，旗下大型房車 Quattroporte 也是討論度很高的車款，近日外國的拍賣網站上出現一台 2015年出產的 Quattroporte 引起網友討論，車頭看似與目前販售車型並沒有差別，不過到了車尾一看竟是一台 Shooting Brake 車型。


MASERATI 旗下目前沒有製作 Shooting Brake 的車款，不過在 2012年原廠曾以第五代 Quattroporte 車型為基礎，推出 Quattroporte Bellaqio Fastback 相似的車型，推出當下在車壇上引起熱烈討論，但全球僅四台相當稀少，而這次出現在拍賣會上的 Quattroporte Shooting Brake 則是前車主為滿足自己的渴望，特別委託車體設計師訂製的車型。

根據可靠消息指出，前車主因為在2013年的拍賣會上錯過競標感到失落，所以他決定自己做一台！為了製作出夢寐以求的 Shooting Brake 車型，他尋求許多英國車體製造商協助，最終由設計師 Adam Redding 接手，耗費 1500個小時才完成這部訂製車，並且於2016年在英國註冊。

這部 Quattroporte Shooting Brake 是以 2015年車身架構為基礎，動力方面也是使用原本的 3.0L V6柴油引擎，而不同的地方，除了換上 20吋 Mercurio 輪圈以及金屬灰車身烤漆外，車尾已經換成 Shooting Brake 造型的電動尾廂，雖然 B柱之後是採用全新的設計，但設計師也很巧妙的將車身線條延伸至車尾，保留 MASERATI 獨特的車身線條。

















BMW打造自駕車高性能3D平台，將能應付多變的交通達到Level 4自駕目標


誰將是最先推出完全自動駕駛汽車的車廠? 有可能是BMW，因為他們已打造了超強的運算平台，讓自駕車能應拿瞬間萬變的道路狀況。


在邁向全自動駕駛之路，各主流大廠相互較勁，有的車廠會結合3C新創公司或車主大廠合作，如賓士結合BOSCH，BMW則是找了KPIT 和TTTech等軟體合作夥伴，練就深厚的內力，共同打造自動駕駛平台，BMW今日在官網上宣布，啟用全新開發稱之為3D的高性能自動駕駛平台，這將是BMW研發的iNEXT等自動駕駛汽車未來要能真正安全地在公路自走，所憑藉的基礎。

全自動駕駛汽車絕不是設計出一台炫目的自駕車，更需要有強大的運算能力，以處理和參考龐大的數據，目前各汽車大廠面臨的挑戰，就是如何對此類大數據資料進行分類和分析，以便更有效地利用此類資料，並和其他自動駕駛汽車共用。為此，BWM建造了自己的IT平台，D3高性能平台(High Performance D3 platform)。

所謂的D3，指的是「資料-驅動-開發」（Data-Driven Development），是研發寶馬自動駕駛汽車以及驗證寶馬自動駕駛汽車資料的基礎。全新D3平台的推出，是BMW邁向高度自動駕駛道路上的一個重要里程碑。該平台是一個不可或缺的工具，可確保將於2021年底推出的BMW iNEXT能夠具備安全可靠的Level 3自駕系統。

按BMW所說，早在 2 0 0 0年，BMW集團就已著手自動駕駛汽車的研發，6年後，2006年，BMW首度推出一台無人車在霍根海姆賽道上行駛。自2011年以來，BMW集團在慕尼黑和紐倫堡之間的A9號高速公路上，展開高度自動駕駛的車輛在公路上實驗行進，2014年在美國拉斯維加斯的CES消費電子展，BMW在拉斯維加斯賽道上，展示他們的高度自動化駕駛的性能極限。這些都是BMW前進度自動駕駛的重要里程碑。

接下來的目標是，BMW將在2021年推出量產的iNEXT電動車，它在2018年亮相，它也將是BMW第一部具備Level 3三級自動駕駛能力的電動車，將在高速公路上以時速最高130公里小時的速度行進，該車款容許駕駛有更長的時間把開車這件事交給車子。同時，另一則測試車將在2021年底開始運作，它將展開沒有司機干預開車的Level四級自動駕駛。

要達到此一理想，多年來，BMW一直在努力運用「資料-驅動-開發」的方法，去收集來自全球各個大陸所收集到複雜多樣的交通狀況大量資料，而這也意味它需要一個很寬闊的數據庫(data pool)，來驗證自動駕駛的演算法和整體操作。而他們的第一步就是去收集來自測試車隊大約行駛500萬公里的真實駕駛資料。並從收集的資料中，提取200萬公里（約為125英里）的與駕駛場景和環境因素最相關的資料。由於BMW採用資料限定條件和過濾法挑選定性資料，因此他們收集的資料的相關性正不斷提高。

之後的開發過程中，有200萬公里的駕駛資料會定期進行再處理，也就是當有新的控制單元完成集成，可投入使用時，為評估新集成的單元在性能上是否提高，就會對資料進行再處理。

這200萬公里的資料不斷擴大，還增加了2.4億公里（約合1.5億英里）的類比生成的資料，此類類比資料主要基於相關的駕駛場景，並確保在開發過程中適當考慮到現實駕駛的多樣性。處理200萬公里的真實駕駛資料以及2.4億公里類比駕駛資料需要一個高性能的資料平台，該平台需要具備230 petabytes的存儲容量，10萬多核和處理200多個GPU（影像處理單元）的計算能力。

而BMW所打造的這個高性能D3平台，每天可收集量體超過1500TB的原始資料，存儲容量超過230PB，並有10萬多核和處理200多個GPU的計算能力，每兩周會有50PB資料進入硬體在環（HiL）模擬站。聽起來複雜，但是這說明了BMW的自駕車已具備應付複雜多變的道路狀況，讓未來車子可以完全自駕而不需再有人力的干預。

此外，BMW也和IT服務公司DXC Technology合作，DXC在2017年成立，由美國電腦科學公司（CSC）和惠普公司的企業服務部合併而成。DXC主要負責設置和運行資料中心，研發支援自動駕駛開發的應用程式，目的是要讓自動駕駛系統上市之前，降低其成本和研發時間。DXC的應用程式可讓寶馬的研發團隊收集、存儲和管理車輛感測器的資料，還能在幾秒鐘時間內訓練自動駕駛機器學習演算法。

lvcworldwar

看起來挺好看的, 但不知道車體剛性如何 ?  這類問題比較令人擔心