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
從黑客松到理賠第一線,富邦人壽如何讓 AI 從創新提案變成工作夥伴?
從黑客松到理賠第一線,富邦人壽如何讓 AI 從創新提案變成工作夥伴?

當許多企業還在討論 AI 能做什麼,富邦人壽更關注:AI 如何被第一線同仁使用?而這也是「理賠智慧助理」能從黑客松發想、走進理賠現場,成為真實工作夥伴的原因。

為什麼富邦人壽會選擇從最複雜、也最不易標準化的環節–理賠–切入、嘗試將AI從「回答問題的工具」轉變成進入核心營運流程的「決策輔助夥伴」?

保險理賠為何難以AI化?答案藏在大量非結構化資訊裡

相較於客服問答或行政流程,理賠工作最大的挑戰在於資訊高度分散且缺乏標準格式:從診斷證明、病理報告、手術紀錄到醫療收據,每份文件不同醫院格式都不同,內容還充滿專業醫療術語;理賠人員不僅必須理解文件內容,還需要同步比對保單條款、法規要求以及醫學知識,才能做出適當判斷。

更複雜的是,就算是相同疾病或手術名稱,不同案件背景也可能導致不同理賠結果,因此,理賠長期被視為高度依賴專業經驗與人工判斷的工作,很難透過傳統自動化工具處理。

近年來,隨著理賠案件量持續增加、醫療技術快速演進,以及新舊世代交替帶來的人才培育壓力,如何兼顧理賠品質、作業效率與知識傳承,成為刻不容緩的議題。

富邦人壽開始思考:如果AI無法取代專業判斷,是否能先協助理賠人員更快掌握資訊、縮短搜尋時間,讓專業人才把時間投入在更高價值的分析與決策工作?這個想法在富邦集團導入微軟Copilot Studio並舉辦黑客松活動後獲得實踐機會,理賠團隊將構想轉化為可驗證的AI提案,並在主管支持與跨部門合作下,於2026年1月正式導入理賠現場。

「黑客松讓我們有機會快速驗證想法,也讓AI應用從概念走向實際場景。」富邦人壽理賠部資深襄理郭乃瑀如是說道。

數位時代為此特別專訪富邦人壽黑客松獲獎團隊「ClaimAIngels」的成員,深入了解這項 AI 專案如何從創新提案一路走進理賠第一線,成為同仁日常工作的決策輔助夥伴。

富邦人壽
富邦人壽理賠智慧助理透過黑客松加速落地!數位時代專訪團隊成員郭乃瑀 (左上)、 王羽藍(左下)、陳子聆(右上)、林庭樂(右下),分享過程與收穫。
圖/ 數位時代

AI成功落地的關鍵,不只是模型,還有資料與流程重建

從創意發想到實際上線,最大的挑戰不是技術,而是如何讓AI真正符合第一線需求。

富邦人壽理賠部資深襄理林庭樂指出,團隊一開始便深入訪談理賠同仁,發現大家真正需要的並不是AI幫忙做決定,而是協助整理資訊,因此將理賠智慧助理專案聚焦於三大領域:手術等級建議、病理報告判讀輔助,以及國外醫療文件翻譯與摘要,目標是協助同仁降低資料蒐集與查詢時間,讓理賠同仁可以快速掌握案件重點。

但要做到這一步,必須先建立可信任的資料基礎。

由於醫療資料來源眾多且格式不一,團隊投入大量時間整理歷史案件、建立醫療名詞對應關係、標註資料來源與判斷依據,並透過跨部門討論及醫師顧問協作,逐步建立一致的判讀標準。林庭樂表示:「這項工作看似基礎,卻是AI能否提供可靠建議的關鍵,更重要的是,它讓過去散落在資深同仁腦中的經驗知識,逐漸轉化為可被組織保存與運用的數位資產。」

富邦人壽理賠部專員陳子聆便感受到明顯改變。她說:「過去遇到新的手術名稱,往往需要花費一到兩個小時查閱條款、搜尋歷史案例並向資深同仁請教,現在,透過理賠智慧助理協助,資料搜尋時間縮短50%以上,能將更多心力放在案件分析與專業判斷上。」

理賠部理賠審核科資深襄理王羽藍則形容,理賠智慧助理更像是一位隨身秘書。她說:「它會先幫我們整理案件重點,也能提醒是否遺漏重要資訊。無論是判讀國內外醫療文件、核對醫療收據,或分析病理報告內容,都能快速提供參考依據,讓我們把時間投入更重要的專業決策。」

除了資料基礎建設,金融業導入 AI 的另一個關鍵挑戰是風險與合規。

因應金融監理要求以及個資保護需求,團隊在設計理賠智慧助理時建立多層防護機制與使用護欄,並持續優化提示詞設計,以降低AI幻覺、資料外洩與誤判風險,確保AI始終在可控範圍內運作。

不過,對富邦人壽而言,上線並不代表結束,而是優化的開始。

團隊發現,理賠智慧助理初期使用率表現亮眼,但隨著時間推移逐漸下降,為了找出原因,團隊同仁與第一線理賠同仁召開多場討論會議,讓其了解,生成式 AI 並非一次建置完成就能長期發揮效益,必須持續蒐集使用回饋、改善建議,進而調整功能設計。

郭乃瑀表示:「根據同仁回饋,團隊目前正規劃新增實支實付手術給付比例分析等功能,目標是讓AI更貼近實際工作流程、滿足使用者需求。」

從單一專案到組織能力,理賠智慧助理帶來的真正改變

隨著理賠智慧助理逐步成為理賠同仁的日常工作夥伴,其帶來的影響也不再侷限於效率提升,而是開始擴散至組織文化與創新模式的改變。

郭乃瑀表示,過去AI專案多半由資訊部門主導,但這次經驗讓大家發現,真正了解痛點的人其實是第一線同仁,因為只有其最清楚哪些流程最耗時、哪些資訊最難取得,以及哪些環節最適合導入AI。「隨著理賠智慧助理成果逐漸顯現,愈來愈多部門開始主動詢問專案推動經驗,如資料整理、風險控管、流程設計與使用者導入等做法,加速 AI 創新在組織內部的擴散與落地。」

對富邦人壽而言,理賠智慧助理並不只是單一 AI 工具,而是一次工作方式與文化的改變:從第一線提出需求、跨部門共同打造,到持續優化與回饋機制,AI 不再只是科技部門的工具,而逐漸成為工作現場的一部分,也讓數位轉型成為一種持續發生的創新能力。

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
代理式商務連動百兆商機
© 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