走下神壇！Model 3產能陷瓶頸，特斯拉最新財報虧損擴大|數位時代 BusinessNext

亞洲時間11月2日凌晨，特斯拉發布了2017年Q3財報。Model 3的量產推進不力最終成為整個財報最大的負面消息，但同時，特斯拉最壞的時刻正在過去，包括Model 3、Autopilot、能源業務都將在「未來幾週」取得重大突破。以下是財報要點。

整體財報一覽

總體29.85億美元的營收中來自於汽車業務的營收為23.63億美元，較去年同期的21.49億美元成長10%。來自Tesla Energy能源部門的營收為3.18億美元，較去年同期的2,333萬美元成長1363%；來自於服務及其他業務的營收為3.04億美元，較去年同期的1.26億美元相比成長141% 。

特斯拉第三季歸屬於普通股股東的淨虧損為6.19億美元，去年同期淨利潤為2,188萬美元，較去年同起轉虧。該季每股攤薄虧損為3.07美元，去年同期為淨收益0.14美元；基於Non-GAAP，淨虧損為4.88億美元，去年同期淨利潤為1.11億美元，今年三季每股攤薄虧損為3.07美元，去年同期每股攤薄收益為0.15美元。

財報顯示，截至第三季末，特斯拉持有的現金和現金等價物共為35億美元。第三季資本支出為11億美元，大部分資本支出用於Model 3和超級電池工廠的產能增加。

雖然營收創下新高，但虧損同樣超出華爾街預期，包括Model 3產能計劃的大幅推遲使得特斯拉股價收盤前大跌3.15%，今天開盤後，特斯拉股價一度跌超5%。

汽車業務

汽車業務仍然是特斯拉最重要的營收組成部分，第三季，特斯拉一共交付了25915輛Model S/X、222輛Model 3，共計26,137輛汽車，較Q2成長18%，較去年同期成長4.5%。特斯拉強調，Model S/X在北美、歐洲和亞洲的綜合淨訂單均創下了新高。汽車業務毛利率由Q2的27.9%下降至18.7%，特斯拉表示毛利率的下降符合預期，主要是Model 3的前期製造成本顯著上升所致。

Model 3的量產困境細節也被首次公開：特斯拉重申，Model 3的整體供應鍊和生產線沒有根本性問題，例如驅動單元、座椅總成和車漆、沖壓車間的產能已經超過了1,000輛/週，其他生產環節，諸如電池組組裝、車身焊接和總裝的產能為500+輛/週。

最核心的問題出現在電池組環節：「我們的主要生產難題出現在Gigafactory 1的電池模塊裝配線上，21,700電芯封裝成電池模塊——用鋁製外殼封裝4個電池模塊組成Model 3電池組。電池模塊的複雜組合設計及自動化製造的啟動時間超出了預期，其中最大的挑戰在於由製造系統供應商負責的（電池組生產）4個環節中前兩個環節，已經被特斯拉接管並重新設計。」

跟我們預期的一樣，特斯拉最終fire掉了不達標的供應商，透過自主研發加大對生產環節的掌控，推動量產的持續成長。特斯拉為此找來了最優秀的工程人才以微調自動化產線的流程和相關機器人編程技術，儘管如此，Model 3的產能時間表被大幅延後，原定12月底的5,000輛/週產能目標被推遲至明年第一季末。

值得一提的是，特斯拉重申Model 3的生產線自動化水平高於Model S/X或市面上任何車型，這款車在設計之初考慮到「如何能更易於製造」，Model 3的產能將在未來幾週內大幅改善。

Autopilot、售後及超級充電站

所有車主都記得馬斯克的承諾：特斯拉將於今年年底完成從美國東海岸至西海岸長達4,500km全程無人為干預的自動駕駛技術演示。在Q3財報中，這一節點已經由2017年底推遲至「the next several months」。

另一方面，自從新任Autopilot視覺及AI主管Andrej Karpathy入職以來，特斯拉已經連續好幾個月沒有推送大的更新了。好在Autopilot團隊並沒有遇到什麼困難，而是在賣關子：「最近我們對Autopilot做出了重大改進」。特斯拉全球銷售總裁Jon McNeill此前透露，Autopilot團隊取得了令人印象深刻的進展，新功能已經在Autopilot 2.0車型的影子模式下跑了數百萬英里測試以可靠性，預計將很快推送給全球車主。「我們組建了全球最優秀的AI團隊，這為我們實現全自動駕駛的落地提供了底層技術支援。」特斯拉的長遠目標是組建全球最強的軟硬一體化AI團隊。

在第三季度，特斯拉新增18家商店和服務中心，全球商店增至318家，用於售後服務的行動服務車隊規模達到160輛，預計年底翻倍。特斯拉表示，行動服務車隊的回饋非常正面，客戶滿意度接近100%。

超級充電站在Q3新增126個，全球超級充電樁數量已超7,000個，特斯拉特別提到了上海新設的全球最大超級充電站，這部分業務符合官方預期。

Tesla Energy能源業務

自收購Solarcity以來，特斯拉一直致力於扮演「一站式能源解決方案」的角色。第三季，特斯拉共部署了110 MWh的儲能系統，其中能源牆Powerwall增幅達到138%，整體業務營收成長11%。但該業務毛利率反而由Q2的28.9%下降至25.3%，特斯拉預測Q4毛利率將繼續下降，理由是「太陽能產品價格的季節性下調和儲能銷售組合的增加。」我們認為，儲能產品產能不足導致特斯拉轉向三星SDI採購電池也是毛利率下降的原因之一，特斯拉也表示，隨著Gigafactory 1的產能增加，不斷降低的製造成本將改善儲能產品的毛利率。除此之外，特斯拉還部署了109MW的能源發電系統，這部分來自原Solarcity的業務較去年同期大降71.6%，特斯拉在財報中表示公司刻意下調了商業和工業太陽能專案安裝量，原因是這些專案的利潤率較低，獲得的現金有限。

今年早些時候，馬斯克「Twitter談生意」拿下了南澳100 MW/129 MWh的全球最大儲能專案，截至目前，該專案的完成度已達80%，但特斯拉表示完全交付前該專案不會體現在營收上。

延伸閱讀：特斯拉與南澳政府達成合作，馬斯克一億瓦蓄電系統計畫開跑

關於中國

特斯拉中國建廠計劃比媒體的預期更加悲觀，馬斯克表示，中國的Gigafactory建設支出不會在2019年財報中有明顯體現（2020年開始大規模投入），建設週期預計達到3年時間。生產車型包括Model S/X，但更多側重於Model 3和未發布的緊湊型SUV Model Y。跟我們預期一致，這座工廠將服務中國及東南亞周邊市場。

特斯拉終於走下神壇，業務受阻、股價下跌，但最壞的時刻正在成為過去。值得一提的是，特斯拉在財報中再次預告了特斯拉重型卡車Tesla Semi發表會，「我們將展示一些真正令人難以置信的產品」。讓我們期待11月16日的到來。

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。