網友指責超級充電站還是來自火力發電，特斯拉執行長馬斯克親自回覆|數位時代 BusinessNext

網友指責超級充電站還是來自火力發電，特斯拉執行長馬斯克親自回覆

有人在Twitter上指責特斯拉充電站背後仍是不環保的火力發電，馬斯可則表示，所有的超級充電站都在進行太陽能屋頂、能源牆的改造，最後幾乎所有的超級充電站都將斷開與國家電網的的連接。

特斯拉超級充電站的充電體驗是無法找到破綻的，120kW的輸出功率可以在40分鐘內將一輛Model S 90從0充到80%。如果說有什麼值得詬病的地方的話，在目前依舊以火力發電為主的中國，特斯拉將污染從汽車轉移到發電廠的說法一直不絕於耳。然而特斯拉超級充電站新政策的推出，可能讓車主再也用不到火力發電產生的電了。

日前有位網友在Twitter上tag特斯拉CEO Elon Musk：「呵呵，在特斯拉超級充電站身上我看到了火力發電廠的影子，所有你玩的這些概念遊戲背後（動力來源）都是由煤炭燃燒驅動的。」

Musk旋即回覆稱：「所有的超級充電站都在進行太陽能屋頂+能源牆的改造，隨著時間的推移，幾乎所有的超級充電站都將斷開與國家電網的的連接。」

All Superchargers are being converted to solar/battery power. Over time, almost all will disconnect from the electricity grid.
— Elon Musk (@elonmusk) 2017年6月9日

利用太陽能發電、然後將電儲存在充電站，讓前來充電的特斯拉車主體驗真正的清潔能源，這是特斯拉自2012年底發表超級充電站時就提出的藍圖。但彼時特斯拉尚未收購太陽能企業Soalrcity，太陽能電池板的發電效率和成本都沒有達到大規模部署的臨界點，這成為藍圖遲遲沒有落地的根本原因。最終的結果是，前期超過800個超級充電樁中只有6個鋪設了太陽能屋頂。

去年11月，特斯拉完成了對Solarcity的收購，收購的完成使得兩家企業的溝通成本大大降低。更重要的是，特斯拉相繼發表了新款企業級儲能系統Powerpack和能效比得到改進的太陽能屋頂，換句話說，實現當年太陽能驅動超級充電站藍圖的時機開始成熟。

發布太陽能屋頂後不久馬斯克就曾表示，在陽光明媚的地區，新的太陽能屋頂加上新Powerpack可以為超級充電站提供電力供應，尤其是全年無雪的地區，將超級充電站接入國家電網是完全不必要的。

但注意上面的回應，Musk的話術變成了隨著時間的推移，「幾乎所有（almost all）」的超級充電站都將斷開與國家電網的連接。這是否意味著特斯拉太陽能電池板的能效比得到了突破？

為了迎接Model 3的到來，特斯拉今年4月發布了新的超級充電站擴建計劃。去年Model 3的發表會上，特斯拉宣佈到2017年全球各地的超級充電樁總數能夠達到7,000個，或許是考慮到Model 3不斷高漲的市場需求（訂單已經逼近50萬輛），4月公佈的新計劃將這一指標修正為10,000個。

真正的信息量蘊含在官方公告的渲染圖中，從圖中可以看到，特斯拉第一次將商店和超級充電站建在一起，同時充電口前所未有的達到了80個左右，作為對比，目前全球最大的特斯拉超級充電站僅有20個充電樁。此外，接近一半的充電樁上方都鋪設了太陽能電池板，這可能是特斯拉新建超級充電站的參考設計方案。

具體到中國市場，特斯拉將於2017年新建超過380個超級充電樁，這一數字超過了過去2年內新增超級充電樁數量的總和。考慮到Model 3從美國東海岸輻射至西海岸，然後是歐洲和亞太地區的交付順序和特斯拉的產能，中國市場新增的超級充電樁完全是為Model S & X用戶打造的。

接著來聊聊那位網友提到的問題，如果超級充電站的電力來源是火力發電廠，購買電動汽車有什麼意義？怎麼反駁電動汽車「污染轉移論」？

從兩個角度說明問題，第一，不是所有國家都是以火力發電為主的，例如美國加州的太陽能發電、北部的風力發電已經大規模應用；與此同時，所有的燃油車都會有尾氣排放，這是一定的。

第二，具體到中國這樣以火力發電為主的國家呢？來看看Musk的回應：

「把同類化石燃料，比如天然氣，把它輸送到發電廠發電，會有60%的綜合燃燒效率，但如果放在加天然氣的內燃機中，目前為止最高的綜合燃燒效率只有20%，即使考慮到傳輸過程中電量的損耗，電動汽車加發電廠的方案對內燃機直接燃燒也有著明顯的優勢，這還沒有考慮汽油、柴油、天然氣從石油中提煉過程中所消耗的能源。另外，風電、水電、太陽能發電這些永續能源發電方式對能源的利用率一直在顯著提升，換句話說，他們在總發電量的份額中所佔的比重會越來越大，而內燃機燃燒效率的提升，在很多年前就遇到了瓶頸。」

來自廈門政府官網的一則名為《純電動汽車與普通汽車的能源轉換效率對比》的公告與Musk所說的具體指標有出入，但同樣證實了「電動車更環保」的觀點：

「傳統內燃機汽車效率為38%，又因為汽車在市內行駛中頻繁的停車、低速行駛等，造成內燃機空轉或處在低效率區，其最終效率不過12%。純電動汽車停車時無機器空轉，95%以上的電池能量可轉為汽車的動力，即使考慮到原油的發電效率、送配電效率、電池充放電效率，其最終效率也可達到19%。」

這裡還有一個問題，又是儲能系統又是電動汽車，廢舊電池也很污染環境的，這是特斯拉的原罪！然而——

4月底，美國證券交易委員會披露，特斯拉共同創辦人兼CTO JB Straubel和特斯拉特別專案負責人Andrew Stevenson發起成立了新公司Redwood Materials，用於佈局電池及其他材料的回收和再製造。

JB Straubel在此前的演講中透露，特斯拉會在超級電池工廠中盡可能100%的回收電池原材料。這不同於業內將尚未報廢的舊電池應用於儲能系統或是對能效比要求較低的場景進行二次利用的做法。 Straubel對此嗤之以鼻：「對電池的二次利用既不具備緊急效益，也沒有很好的利用價值。」

成立了新公司Redwood Materials以佈局電池材料回收與再利用領域後，特斯拉也就完成了動力電池從製造、銷售，到回收再製造的產業閉環。

最後，對Musk和廈門市政府都不信的同學，建議特斯拉電動車、太陽能屋頂和家庭儲能係統能源牆一起買，一勞永逸的解決污染源問題，也不枉特斯拉在全球的超級充電站親自上陣示範。

本文授權轉載自：36 氪

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。