特斯拉發布第三季財報：Model 3產量不如預期、Model S/X創下新高|數位時代 BusinessNext

特斯拉第三季度車輛交付數據分析

根據特斯拉公告，今年第三季，特斯拉汽車交付量達到了26,150輛，包括14,065輛Model S、11,865輛Model X和220輛Model 3。較前期、2017年Q2成長17.7%，較去年同期成長4.5%。同時也創下了特斯拉季度交付數據新高。

從Model S/X來看，特斯拉在最近兩個月停產了Model S/X 75後驅版、不斷提升豪華車型消費門檻的情況下交付量創下新高實屬不易。我們先前分析過，第三季適逢首批Model 3交付，媒體的鎂光燈都聚焦在這款短期無法起量的平價車型上；此外特斯拉官方為區分產品線定位在不斷的提升Model S/X消費門檻，這可能導致部分入門款Model S/X潛在客戶紛紛轉向Model 3高配版。但交付數據證明，Model S/X成功頂住了種種不利因素，創下了銷量新高。

如果說還有什麼其他值得一提的點，雖然26,150輛創下了特斯拉季度交付數據新高，但拆分開看，Model S交付量僅排在歷史第三；而Model X才是名副其實的創下新高，較此前的最高季度銷量11,550輛高出了300多輛。從市場角度看，加上第三季，Model S在美國本土已經連續5個季度銷量在7,000輛以上。這也意味著，Model S單款車型的銷量已經連續15個月高於保時捷Panamera＋賓士S級+奧迪A8＋BMW6/7系之和。成績超級亮眼的背後是成長遇到天花板。好在Model X如期頂了上來，特斯拉在Q2交付公告中曾提到，Model X初期飽受詬病的生產品質和可靠性問題已經得到解決，新出廠的Model X很少會出現品質問題，特斯拉預計Model X的銷售潛力仍然很大。

然後是交付僅220輛的Model 3，7月28日的首批Model 3交付儀式上，特斯拉CEO Elon Musk曾給出了官方預期的產能提升圖，預計Model 3的產能會在8月達到100輛/月，9月份達到1,500輛/月。

但特斯拉公告確認Q3 Model 3產量只有260輛，特斯拉回應稱：

由於生產瓶頸，Model 3產能低於預期，儘管特斯拉加州汽車工廠和內華達州超級工廠的絕大多數製造子系統都能保持高效運行，但一小部分子系統的啟用超過預期時間。

需要強調的是，Model 3的產線或供應鏈沒有根本的問題。我們已經了解到需要修復的製造環節，有信心在短期內解決製造瓶頸問題。

最後，截至Q3末，仍有4820輛Model S/X由於地域、時間關係尚在交付到客戶途中，這些車型Q3下單、Q4完成交付，最終將被計入Q4交付數據。

銷售前景和產能提升向好，特斯拉提高全年銷量預測

在特斯拉Q2交付公告中，官方提到「如果全球經濟狀況不會惡化，我們有信心下半年Model S和Model X的交付量超過上半年的47,077輛。」今天發布的Q3公告中，相關表述為「此前我們下半年交付量可能會超過上半年，現在我們預測交付量還會增加幾千輛。總而言之，特斯拉預計2017年全年將交付約10萬輛Model S/X，較2016年同期成長31%。」

除此之外，一些跡象表明，特斯拉在Model 3產能瓶頸上的表述沒有撒謊。到9月底，Model 3的部分產能問題疑似已經解決。

「一小部分子系統的啟用超過預期時間。」哪些系統？有消息來源指出，在早期的生產中，由於修正了焊縫，特斯拉不得不更換7月份生產的Model 3電池組；同樣遇到更換對待還有8月份生產的Model 3的接地端子螺栓。

車輛識別號（VIN）可以用來識別車輛的幾個特定特徵，如製造時間和地點、其動力配置等等，特斯拉車輛工程師Suraj Nagaraj此前表示，擁有VIN的車型均為SOP（量產）車型。 NHTSA官網VIN查找發現，Model 3 序列號為1134的VIN已經在NHTSA註冊。 VIN不是監控產能攀升的絕對穩妥方式，但它是一個相當有代表性的方法來確定進度。另一些工廠流出的圖片也顯示，VIN至少已經排到了900+。

特斯拉未對Model 3的產能預測做出更新，可能是因為此前的預測已經足夠激進（到12月的某個時候產能達到10,000輛/月）。

加上Model 3，特斯拉2017年全年銷量樂觀預計應該落在11萬輛左右。真正的銷量激增還要看2018年。

本文授權轉載自：36 氪

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。」

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。