电动自行车领域迎来了一家新玩家。Gobao正式发布了多款全新电动自行车驱动系统,其中电子无级变速(eCVT)电机颇为引人关注,但真正可能成为焦点的,或许是其配套的快充电池。
快充技术已成为电动出行领域最重要的突破方向之一,然而电动自行车在这方面长期落后。大多数骑手早已习惯了将车充上几个小时才能充满的现实。Gobao的出现,似乎准备打破这一惯例。
Gobao推出的全新电池产品线涵盖500 Wh、750 Wh和900 Wh三种规格,据称均可实现从0%到80%的快速充电。配合Gobao全新30A超级充电器,500 Wh电池仅需24分钟即可充至80%,750 Wh版本耗时28分钟,即便是容量最大的900 Wh电池也只需32分钟。
这一数据使Gobao在充电速度上远超目前大多数主流电动自行车系统。以竞争对手为例,博世旗下大容量电池充至80%通常需要约2.5至3小时,DJI的Avinox系统也需约1小时45分钟。Gobao的充电速度已接近电动汽车在公共直流快充桩上的补能体验。
这套电池的另一大亮点在于重量表现。Gobao表示,容量最大的900 Wh电池重量仅为3.7千克,比DJI一体化800 Wh Avinox电池略轻,同时还多出100 Wh的容量。
当然,快充只是故事的一半。这些电池专为与Gobao全新X1及X1P eCVT驱动系统搭配而设计。该系统以电子控制的无级变速装置取代了传统拨链器传动结构。
与Pinion MGU等将变速箱集成于中置驱动的方案不同,Gobao的eCVT系统在其变速范围内提供连续可变的传动比。骑手只需选定自己偏好的踩踏节奏,系统便会自动调整传动比,无论地形如何变化,始终保持踩踏频率的稳定。整个过程无级切换,几乎感知不到变速动作。
这项技术依靠驱动单元内部的两台电机实现:一台负责提供驱动力,另一台更小的电机则负责调节内部齿轮转速,从而持续改变传动比,无需经历骑手熟悉的分级换挡过程。
值得一提的是,Gobao表示该系统也可模拟传统档位,供偏好换挡手感的骑手使用。不过,Gobao认为一旦骑手体验过全自动连续模式,大多数人最终都会选择留在这一模式下骑行。
Gobao官方数据显示,X1P驱动系统重量为3.85千克,略轻于Pinion MGU。与传统中置电机加拨链器的组合相比,Gobao的完整系统整体重量仅略有增加,同时还省去了在技术型山地车道上容易受损的外露传动部件。
骑手最终是否会接受无级变速系统,目前仍是未知数。骑行爱好者,尤其是山地车骑手,普遍偏向传统骑行方式,要说服他们放弃机械换挡并非易事。但若Gobao的快充电池能在实际使用中达到宣传所示的表现,这项技术本身或许就足以成为其推动下一代高端电动自行车发展的重要贡献。
Q&A
Q1:Gobao的快充电池充电速度具体有多快?
A:Gobao的快充电池配合30A超级充电器,500 Wh电池从0%充至80%只需24分钟,750 Wh版本需要28分钟,900 Wh大容量版本也仅需32分钟。相比之下,博世同类产品充至80%需要2.5至3小时,DJI的Avinox系统也需约1小时45分钟,Gobao的充电速度已接近电动汽车公共快充桩的补能效率。
Q2:Gobao的eCVT系统和传统拨链器有什么区别?
A:传统拨链器采用分级换挡方式,骑手需要手动操作切换档位。Gobao的eCVT系统则通过两台电机协同工作,实现连续可变的传动比,骑手只需设定踩踏节奏,系统会自动适应地形变化,全程无级切换、几乎感知不到变速动作。此外,该系统也支持模拟传统档位模式,适合偏好手动换挡感觉的骑手。
Q3:Gobao的900 Wh电池重量和竞品相比怎么样?
A:Gobao的900 Wh电池重量仅为3.7千克,比DJI一体化800 Wh Avinox电池还要略轻,但容量却多出100 Wh,在重量与容量的平衡上表现出色,是目前电动自行车电池中较具竞争力的产品之一。
好文章,需要你的鼓励
"影子AI"是指员工在未经公司批准的情况下使用AI工具办公。虽然ChatGPT等工具能提升效率,但将内部文件、客户数据或源代码输入未授权平台,可能导致企业数据失控。IBM报告显示,20%的企业存在未授权AI工具,63%尚无AI治理政策。专家建议,一味封禁效果有限,企业应明确哪些工具可用、哪些数据禁止上传,员工也应主动核查AI输出内容,避免将敏感信息粘贴至公共AI平台。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
Hirebotics联合Fanuc发布首款基于无代码Beacon平台的防爆协作喷涂机器人Cobot Painter。该方案适用于金属制造商,无需专用喷涂房或复杂编程,可在现有人工喷涂环境中数日内完成部署。操作人员通过平板或手机的"点击示教"功能即可引导机器人完成路径学习,实现液体涂料、粉末涂装等高精度重复作业,帮助制造商将涂装业务收回自主管理。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。