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|數位時代 BusinessNext

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。

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％

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

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。