电动越野摩托车市场迎来了一位新玩家,而这个名字对许多骑手来说并不陌生。哈雷戴维森旗下电动摩托车品牌LiveWire今日宣布,已完成对电动越野摩托车初创公司Dust Moto相关资产的收购。
此次收购是LiveWire成立以来的首次重大并购,标志着该品牌将从目前以公路电动摩托车为主的产品线,向更广泛的细分市场扩张。
过去几年,LiveWire持续深耕公路电动摩托车领域,推出了Del Mar和Mulholland等车型。而如今,公司显然已将目光投向了快速增长的电动越野摩托车市场。近年来,该市场发展势头强劲——高端方面有Stark Future等品牌带来的轻量化高性能越野车型,入门端则有Sur Ron、Talaria等更亲民的进口产品,吸引了从专业越野赛手到普通青少年骑手的广泛关注。
LiveWire表示,此次收购将把Dust Moto的越野技术专长与LiveWire在工程研发、生产制造及销售渠道方面的能力相结合,从而加速推动Dust Moto电动越野摩托车平台进入量产阶段。
LiveWire首席执行官卡里姆·多内兹将这次收购定性为公司发展的自然延伸,并援引哈雷戴维森此前收购儿童电动平衡车品牌STACYC的成功经验作为参照——那笔收购距今已近十年。
公司指出,越野市场的增长动力来自于骑手对高扭矩、强劲性能的追求,同时他们也看重电动车的低噪音、低维护成本以及更简便的驾驶体验。最后这一点在越野骑行中尤为突出——电动摩托车无需操作离合器和换挡,大幅降低了新手入门门槛。
Dust Moto首席执行官科林·戈德比将此次收购称为"激动人心的新篇章",并表示两家公司在美式性能摩托车设计理念上高度契合。
LiveWire方面表示,关于即将推出的电动越野摩托车的更多详情,将于今年下半年陆续对外发布。
对LiveWire而言,此次布局颇具吸引力,市场时机也较为理想。该公司已确立了其作为美国领先电动摩托车品牌的市场地位,即便其销量规模尚不算庞大。而目前,电动越野摩托车市场正是行业内增长最活跃、最受关注的细分领域。
与哈雷戴维森传统的重型巡航摩托车受众不同,越来越多的年轻骑手正转向轻量化电动越野摩托车——这类产品骑行感受更自由灵动、上手门槛更低,价格也更为亲民,与LiveWire的品牌气质也颇为契合。
眼下最关键的问题是:面对已日趋拥挤的电动越野摩托车市场,LiveWire能否推出足够有竞争力的产品,在激烈的角逐中脱颖而出?
Q&A
Q1:LiveWire收购Dust Moto的目的是什么?
A:LiveWire收购Dust Moto的核心目的是加速进入电动越野摩托车市场。通过将Dust Moto的越野技术专长与LiveWire在工程研发、生产制造和销售渠道方面的优势相结合,双方能够更快地将电动越野摩托车平台推向量产。这也是LiveWire从公路电动摩托车向越野细分市场扩张的关键一步。
Q2:电动越野摩托车市场为什么增长这么快?
A:电动越野摩托车市场近年来快速扩张,主要原因有几点:电动车具备高扭矩和强劲动力输出,同时噪音更低、维护成本更少;更重要的是,无需操作离合器和换挡的驾驶方式大幅降低了入门门槛,吸引了大量新手骑手。此外,部分品牌提供更亲民的价格,进一步拓展了市场受众群体。
Q3:LiveWire目前在电动摩托车市场处于什么位置?
A:LiveWire目前被认为是美国领先的电动摩托车品牌,旗下已有Del Mar和Mulholland等公路车型。不过,其整体销量规模尚不算大。此次进军电动越野摩托车市场,是LiveWire吸引更年轻骑手群体、拓展品牌影响力的重要战略举措,也有助于在当前增长最快的电动摩托车细分领域中占据一席之地。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。