都是新「完全自動駕駛套件」生產延遲的緣故?特斯拉未達2016年出貨預期
都是新「完全自動駕駛套件」生產延遲的緣故?特斯拉未達2016年出貨預期
2017.01.04 | 交通運輸

特斯拉2016年究竟能否交付8萬輛車的懸念終於落下。

今天凌晨,特斯拉發布了2016年Q4和全年財報。財報顯示,特斯拉在上季交付2.22萬輛車,包括1.27萬輛Model S和9,500輛Model X,略低於Q4交付2.5萬輛的預期。2016年全年,特斯拉總共交付7.623萬輛車,相比去年全年5.05萬輛的交付量較去年成長50.7%,但略低於特斯拉的8萬目標。消息公佈,特斯拉股價下跌2%。

在36氪之前的文章中就已經提到,2017年,特斯拉要量產Model 3、擴建Gigafactory、推進Autopilot自動駕駛技術的研發、整合Solarcity⋯⋯是的,全是燒錢的,需要大量資金投入的專案,這讓特斯拉的第四季財報變得特別重要,漂亮的財報數據會推動股價上漲,穩定投資者信心,讓特斯拉在2017年的生產運營中更為主動。

為此,特斯拉也採取了一系列促銷活動,力促Q4交付量。這包括在各個市場調高車輛售價、以及推出2017年1月1號(後寬限到2017年1月15號)後買車在超級充電站充電需要交費等政策。

Tesla Taina Sohlman Shutterstock.com
Tesla Taina Sohlman Shutterstock.com
圖/ ShutterStock

提高車輛售價:

在美國市場,特斯拉於11月11日宣布將從11月22日開始,提高入門級車型Model S 60的起步價,在原來的基礎上增加2000美元,從6.6萬美金變成6.8萬美元。考慮到在美國並沒有匯率問題,同時11月22日是特斯拉能在年底完成發貨的最後一天,因此始於11月22日的漲價,更多像是驅使潛在車主早點下單的刺激因素。

在中國市場,特斯拉曾在11月24號上調了Model S全系車型價格及選裝配件價格,最高漲幅達3.71萬,調整後的售價區間為68.69萬-131.52萬。又在25日零時宣布再次上調Model X全系車型價格及選裝配件價格,最高漲幅約9.48%,漲價後Model X全系售價92.07萬元至141.39萬元(含增值稅)。雖然特斯拉表示售價上調並不是因為別的,而是因為人民幣與美元的匯率波動導致,但特斯拉這樣動輒七、八萬的上調幅度,無疑能刺激準車主提早下單。

推出超級充電站收費政策:

去年11月7日,特斯拉宣布2017年1月1日(後推遲到1月15號)之後下訂單的特斯拉汽車在使用超級充電站充電時實行有條件的收費政策。特斯拉表示,

「2017年1月1日之後下訂單的特斯拉汽車,每年可在超級充電站免費充電400千瓦時(約行駛1600公里)。超出400千瓦時的部分,我們會收取一筆小費用⋯⋯由於電價的不同,充電的價格會因時間、地域的不同而有所差異。特斯拉現有車主,及在2017年1月1日前完成訂單、並於2017年4月1日前完成交付的特斯拉車主,不會受到這項收費調整的影響。」

此外,在去年11月份的一封郵件中,特斯拉還表示其「完全自動駕駛套件」Autopilot 2.0是一個有著「未來意義」的因素,對特斯拉的Q4銷量也將起到槓桿作用。

特斯拉Q4未達預期,出貨2.22萬輛,但比去年Q4車輛出貨高了52%

信.png
11月11日表示美國要漲價的郵件中提到了Autopilot。
圖/ 36 氪

可現在回頭看,特斯拉交付沒達標,特斯拉給出的原因也恰恰是這個Autopilot。

特斯拉表示已經實現了生產目標(生產和交付是兩個概念),在第4季生產了2.48萬輛汽車,但新自動駕駛硬體帶來的生產挑戰讓生產線順利量產的時間更接近季度末,這意味著一些已經生產的汽車——約2,750輛(加上還是達不到8萬輛的預定目標?)——不能在年底前交付。不過特斯拉強調,第四季車輛需求特別強勁,淨訂單比去年高出52%,比第三季高24%,這創下了他們有史以來最高的訂單紀錄。

這是完整的新聞稿:

2017年1月3日,特斯拉(納斯達克:TSLA)在第4季生產24,882輛車,總計2016年生產83,922輛車。這比2015年成長了64%。

特斯拉在第四季交付了大約22,200輛車,其中12,700輛Model S,9,500輛Model X。 2016年全年出貨量約為76,230輛。我們的第四季交貨數量略為保守,因為我們只把交付給客戶,並完成了文件簽署工作的訂單計入了交付數量。 (就是說,其他已經付款,生產完畢的訂單因為「賣家發貨慢」導致了財報交付數據不好看?)

特斯拉解釋出貨量不達預期的原因官方版:

由於從10月底開始並持續到12月初的過渡到新的自動駕駛儀硬體的短期生產挑戰,Q4車輛生產在季度末比我們原來計劃的權重更重。我們最終能夠恢復量產規模。雖然我們達到了我們的生產目標,但生產的延遲造成了給季度交貨帶來了不良影響,包括歐洲和亞洲的汽車訂單未達運輸臨界值等問題。雖然我們試圖完成這些交付,在季度末加快交付速度,但很遺憾,我們最終沒能交付所有的訂單給客戶。總共,由於運輸的最後一分鐘延誤或由於客戶無法實際交付,約4,750輛車未能計入第4季度的交付量。即使這些客戶已經完全支付了他們的訂單,我們仍然沒有在第4季度把它們視為交貨。

除了第四季度交貨外,截至本季度末,還有約6,450輛車正在向客戶轉運。這些將在2017年第一季計為交貨。

第四季車輛需求特別強勁。 Model S和Model X的Q4淨訂單創造了我們的歷史記錄,比2015年第四季高52%,比我們上一季的2016年第三季高24%。

特斯拉汽車交付僅代表公司財務業績的一個衡量標準,不應作為季度財務結果的指標,這取決於各種因素,包括銷售成本,外匯流動和直接租賃車輛的組合。

本文授權轉載自:36 氪

關鍵字: #財報 #特斯拉
往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓