当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 马自达CX-6e路测谍照泄露疑似长安深蓝S07换壳

马自达CX-6e路测谍照泄露疑似长安深蓝S07换壳

2025-04-05 17:18:49 0浏览 收藏

近日,马自达CX-6e纯电SUV路试谍照曝光,这款剑指特斯拉Model Y的车型预计于2026年下半年上市,或将成为马自达电动化战略的关键一步。新车外观设计高度还原Arata概念车,延续马自达家族式美学,并采用电子外后视镜等前沿科技。然而,令人意外的是,CX-6e的底盘和动力系统疑似基于长安深蓝S07的EPA1平台打造,或将提供两种电池容量选择和单电机后驱系统。这款国产纯电SUV计划先进入欧洲市场,与Model Y展开竞争,但或将缺席美国市场。

马自达CX-6e:剑指Model Y,马自达电动化新篇章?

马自达在电动车领域的探索之路并非一帆风顺,MX-30的续航里程和CX-60插电混动的驾驶体验都未能达到预期。然而,即将问世的CX-6e纯电SUV或许将扭转这一局面。这款车计划于2026年下半年上市,目标直指特斯拉Model Y,并有望在欧洲市场掀起一股旋风。

马自达CX-6e路测谍照曝光 底盘来自长安 深蓝S07换壳?马自达Arata概念车

近日,Carscoops曝光了CX-6e的路试谍照。新车设计高度还原了2024年发布的Arata概念车,其前脸采用嵌入式保险杠和类似凯迪拉克风格的格栅,搭配分体式大灯,辨识度极高。隐藏在发动机盖下方的细长LED日行灯更增添了几分犀利感。

马自达CX-6e路测谍照曝光 底盘来自长安 深蓝S07换壳?马自达CX-6e谍照

CX-6e的车身线条流畅动感,上扬的腰线和低矮的车顶营造出轿跑SUV的视觉效果。然而,这或许会牺牲一部分后排乘客的头部空间和视野。尾部设计同样吸睛,倾斜的尾窗和类似超跑的C柱通风口进一步强化了运动感。

马自达CX-6e路测谍照曝光 底盘来自长安 深蓝S07换壳?马自达CX-6e谍照

目前谍照中的测试车仍有厚重的伪装,发光“MAZDA”车标是否保留尚不得而知。但鉴于保时捷、大众等品牌已采用这一设计趋势,马自达极有可能沿用。此外,概念车上的电子外后视镜也出现在测试车上,但尺寸有所调整,以适应量产需求。

马自达CX-6e路测谍照曝光 底盘来自长安 深蓝S07换壳?马自达CX-6e谍照

虽然CX-6e在外观设计上延续了马自达一贯的美学风格,但其底盘和动力系统却基于长安EPA1平台打造,与深蓝S07共享平台。预计其车长约4750毫米,轴距约2900毫米。动力方面,或将提供68.8千瓦时和80千瓦时两种电池容量选择,采用单电机后驱系统,最大功率或在215-255马力之间。具体参数和续航里程仍需等待官方公布。

CX-6e计划于2027年前进入欧洲市场,与特斯拉Model Y展开直接竞争。值得关注的是,由于车辆产自中国,美国市场可能无缘这款车型。不过,马自达正在研发另一款面向北美市场的纯电SUV。

今天关于《马自达CX-6e路测谍照泄露疑似长安深蓝S07换壳》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

C++在Linux下的安全编程要点C++在Linux下的安全编程要点
上一篇
C++在Linux下的安全编程要点
PDF添加图片攻略:章在上,字在下,PHP/JS/Python/Go实现
下一篇
PDF添加图片攻略:章在上,字在下,PHP/JS/Python/Go实现
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    388次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    469次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    476次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    420次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    244次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码