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
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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
台達電全解讀
© 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