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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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