Model 3訂單破40萬!特斯拉打算加碼25億美元投資生產、再拓建3座超級工廠
Model 3訂單破40萬!特斯拉打算加碼25億美元投資生產、再拓建3座超級工廠

為了加速特斯拉第一款平價電動車Model 3和儲能電池等關鍵新品生產,特斯拉執行長馬斯克(Elon Musk)今日宣布,未來將再蓋至少3座「超級工廠(gigafactory)」,預計今年內完成選址。算上位於內華達州的超級工廠1號以及位於紐約水牛城的太陽能電池工廠,特斯拉將共計有5座超級工廠。

Tesla_Gigafactory.jpg
Tesla Gigafactory

Model 3將在7月正式生產、9月量產

特斯拉今日發表2016年第四季財報,不過相較營收表現,大家更關注旗下第一款平價電動車Model 3的生產進度。

馬斯克在股東信中表示,自2016年3月發布Model 3以來,已收到40萬筆訂單,且目前Model 3的生產進度符合時程,將在7月開始生產、9月量產,並設下初期產量每周達5千輛、2018年每周達1萬輛的目標。在那之前,特斯拉預計在資本投資再加碼20億至25億美元,以提升生產效能。不過,特斯拉並未公布2017年的總計預期出貨量和交車輛。

Tesla Model 3
特斯拉第一款平價車款Model 3。
圖/ Tesla

雖然要燒掉更多錢,但特斯拉想蓋更多超級工廠的原因並不難理解。

超級工廠可解決過去電池供應不及的問題

根據特斯拉2016年第4季出貨報告,儘管訂單數量較去年同期成長52%、創下歷史最高訂單紀錄,不過,交車數僅為7.6萬輛,未達之前設下的8萬輛目標,當時的官方解釋是「受到轉換到新的完全自動駕駛套件」影響。有了交貨延遲的前車之鑑,特斯拉勢必得想辦法解決量產問題,而超級工廠將在這之中扮演關鍵角色。

特斯拉第一座位於內華達的超級工廠已於1月正式開工,除了生產家用儲能系統Powerwall和商用儲能系統Powerpack、用於Model 3的電池「2170」,目前也已開始組裝Model 3。馬斯克表示,超級工廠1號將於2018年全面運行。

對特斯拉而言,電池供給不及一直是其生產遇到的問題,馬斯克還曾形容2016上半年簡直就是處於「生產地獄(Production hell)」,而超級工廠或許能緩解此問題。根據特斯拉估計,超級工廠的產能將在2020年超越全球現有的鋰電池產能,其不需再耗費2至3周的時間等從日本海運的電池,更能掌握生產進度。

雖然馬斯克拒絕透露更多關於新超級工廠的細節,但他曾在11月表示,第二座超級工廠可能位於歐洲。

2016年第4季虧損1.21億美元、少於去年同期

在營收部分,特斯拉在2016年第4季虧損1.21億美元、少於去年同期的3.2億美元虧損,也優於華爾街預期;營收達到22.8億美元、高於去年同期的12.4億美元。整體而言,2016年的年度總收入為70億美元,較2015年成長73%。

由於現階段財報除了反映出現有車款Model S和Model X的銷售表現,還要減去特斯拉在新產品的巨額投資,因此分析師指出,只要虧損不要太誇張,都在可接受範圍。

發表財報的同時,馬斯克也宣布,特斯拉財務長Jason Wheeler將於4月離職、轉向公共政策領域,至於財務長職位空缺,將由特斯拉首任財務長Deepak Ahuja回鍋擔任。

資料來源:TeslarecodeArstechnica

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