股東訴苦、馬斯克吐槽⋯⋯特斯拉股東會開成了脫口秀
股東訴苦、馬斯克吐槽⋯⋯特斯拉股東會開成了脫口秀

馬斯克站在山景城電腦歷史博物館舞台的紅色布幕前,再度扛起特斯拉年度股東大會的大型脫口秀現場。

這類大會往往集合了馬斯克天馬行空的吐槽和許諾,然後由特斯拉股東/車主俱樂部表達崇拜。

但這次,雙方都倒出了許多苦水。

Musk.png
圖/ PingWest

 

在這個「大型粉絲見面會現場」,身背草帽的「黑粉」Jing Zhao,手握12股普通股再次發起投票提案。去年他要求撤去馬斯克董事會主席一職,今年要求成立委員會監察特斯拉事務。但也一如既往被其他股東投票否決。不過美國證券交易委員會已經實現了Jing Zhao的願望,起訴馬斯克誤導投資人,迫使他辭去董事會主席職位,僅擔任CEO。

提議趕下馬斯克下台的股東.png
曾提議將馬斯克趕下董事長位置的Jing Zhao再次提案。
圖/ PingWest

一名股東表達完要買第三輛特斯拉車的忠誠後,話鋒一轉直戳眼前困境:

特斯拉在美國主流媒體上的形象已經是品質低劣、汽車自燃、公司站在破產邊緣。他的朋友受此影響不願買特斯拉,馬斯克能做點什麼嗎?比如找彭博社CEO那些媒體大亨合作一下?

但馬斯克認為,「電池和完全自動駕駛,」才是最重要的兩件事。馬斯克吐槽說,現在去買沒有自動駕駛功能的燃油汽車,就如同騎著馬用翻蓋手機一樣,「不明智吧?」

但這剛好都是特斯拉目前難解的問題。

完全自動駕駛困難重重。馬斯克曾於2018年11月在Twitter上宣布:特斯拉高階召喚功能準備就緒,還有6週發布。這項功能旨在實現「遙控」汽車自動行駛到車主身邊,尤其適用於在茫茫停車場從來記不起停車位置的車主。

但半年過去,高階召喚功能至今仍未問世,此次馬斯克在股東大會上遭遇追問:已經31週過去了,對延誤有什麼細節說法嗎?怎麼去對未來的完全自動駕駛系統有信心呢?

馬斯克在股東大會上自嘲:「我有時候對時間表過分樂觀,你是時候知道這點了。」

馬斯克解釋,他發現停車場其實很複雜,在開闊的空地上,自動駕駛系統把車開向車主輕鬆簡單。但是如果在停車場裡,如同在有很多障礙物的「迷宮」中,周圍有行人和汽車移動,「這就很難搞了。」

馬斯克抱怨分寸難以把握,如果讓自動駕駛系統過於敏感謹慎,那麼汽車會「謹慎」到無法移動,但過於激進撞到人也很危險。汽車還需要達到一定的行駛速度,不然還不如車主直接走到車邊方便。

但馬斯克還是做出了承諾,在今年年底,特斯拉的自動駕駛功能將會趨於完備(自動駕駛等級不明,且需要大規模測試)。該系統仍需要在人工監測下工作,但能夠實現「從你家車庫開到辦公室停車場的自動駕駛,全程無需人工干預。」

自動駕駛之外,還有電池的問題。

馬斯克把電池量產視為製約特斯拉產量的關鍵問題,尤其是在幾個新車型都計劃投入量產的時刻。但解決方案仍舊是一個迷,馬斯克對這個問題最有信息量的回應只是大家並沒有閒坐著無所事事,而是在採取一切可能的行動,「可能會進軍採礦業⋯⋯我不知道⋯⋯可能一點點。」

馬斯克同時也許下了一些不知能否按時兌現的承諾:

2020年量產Model Y和電動卡車Semi,將推出充一次電能行駛400英里的電動汽車,還有一支由100萬輛自動駕駛特斯拉組成的出租車車隊。特斯拉將在近期推出保險,只待一項小收購完成。特斯拉皮卡(Pick-up)也預計將在今年夏天推出。

有趣的是,上面提到的這些車,包括超級跑車Roadstart 2、Model Y,如同從科幻電影中走出的電動卡車Semi(銀灰色更具科幻感),都停在了電腦歷史博物館場外,活活把停車場變成了大型特斯拉車展。

 

會場外成特斯拉車展.jpg
股東大會場外的特斯拉超級跑車。
圖/ PingWest

 

特斯拉電動卡車.png
股東大會場外的特斯拉電動卡車。
圖/ PingWest

另外,馬斯克還把希望寄託在了中國市場上。

馬斯克稱,特斯拉經歷了不錯的一年,上一年交付了24.5萬輛汽車,這超過了此前史上交付量總和。 **上海工廠拔地而起,他說:「人生中沒見過中國這麼快的建廠速度。」 **

馬斯克還希望在每個大洲都建立工廠,尤其看好中國和歐洲市場。這是出於經濟考量,特斯拉在海外的汽車銷售面臨高額關稅、供應鍊和回款緩慢的問題,透過在海外市場當地建廠能夠改善這些問題。

有股東甚至認為中國市場廣闊,消費者也認可特斯拉豪華電動車的形象,還需要特斯拉幫助解決霧霾問題,中國工廠的產能設置在50萬輛是否太低?馬斯克則認為不如未來在中國的各個地區建廠。馬斯克還開玩笑說,特斯拉上海工廠需要空中交通管制,因為有太多的無人機飛來工廠上空拍照。

特斯拉在第一季再度巨虧7億美元,此次馬斯克強調客戶需求沒有問題。在去年產量翻倍後,特斯拉今年汽車產量預計還將增長60%到80%,但盈利就不要指望了,馬斯克很誠實地說,「這種成長速度很難實現盈利。」

股東大會上還有人提到了最近SpaceX「一箭60星」送入太空的網路系統Starlink。對此,馬斯克解釋並不是為了給人口稠密地區提供網路信號,而是為了給人口稀疏的邊遠地區提供低延時和高頻寬的網絡服務。這預計能夠為全球3%-5%的人口提供服務,但對於人口稠密的城市來說,這不是適宜的寬頻服務。

本文授權轉載自:PingWest

關鍵字: #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