你所不知道的特斯拉工厂二楼,藏着特斯拉成功的秘密

简介:

你所不知道的特斯拉工厂二楼,藏着特斯拉成功的秘密

雷锋网(公众号:雷锋网)按:本文作者为特斯拉前生产副总裁Greg Reichow,来源Wired,由雷锋网编译。

在特斯拉工作的时候,我喜欢和参观工厂的人交流。他们通常对特斯拉巨大的工厂、惊人的自动化程度、数以百计的机器人颇为惊讶,但事实是:他们只看到了特斯拉工厂制造程序的一半。他们不知道特斯拉工厂还有一个“秘密”二楼,这里专门用作制造电池、动力电子设备和驱动训练系统,是特斯拉最为先进的制造和自动化系统诞生的场地。在这里,机器人高速移动,机械臂高速运转,它们由碳纤维代替钢制作而成。

虽然显而易见,我们以产品(例如电池和马达)为中心打造系统是有原因的,但很多人很难理解为什么我们要自行制造高电压光缆、显示屏、保险丝和其他更小的系统。我们为什么既要创立一个新型汽车公司,还要让它比自上世纪20年代的福特Rouge工厂以来的任何一家传统汽车公司都要垂直整合呢?

答案很简单:我们的目标并不是打造最好的电动汽车,而是打造世界上最好的高档车,而这车恰好是电动汽车罢了。这就意味着我们需要整合那些不太容易获得的技术,这也意味着我们需要打破所谓“正常”的汽车设计和制造的界限。

此外,我们还需要缩短汽车制造的时间周期,然而这一快节奏是大多数汽车零部件供应商所不能实现的。因此,在很多种情况下,我们必须自己制造汽车部件。制造自己的核心部件有着明显的优势,主要分为以下三点。

你所不知道的特斯拉工厂二楼,藏着特斯拉成功的秘密

首要优势,便是速度。

通常,一个团队开发某个产品需要做出数千个小决策,如果你选择将这件产品外包,那么通常首先你需要把外包员工送到工厂中呆上一段时间,同时他要做出能影响最终结果的决定非常困难。首先,你是在别人的工厂,而不是自家工厂中进行生产。其次,工厂中没有产品设计团队在现场提出建议、作出决策。众所周知,有一个出色的工程师团队每天在工厂中走动,与工人们交流,并提出建设性的建议,对于工厂生产来说简直完美。但现实是:工厂信息的半衰期非常短暂,虽然很多外包商承诺会及时改进或完工,但很多时候你原本可以步行前往自己的制造工厂,如今却需要坐飞机前往外包工厂去解决问题。因此,相比于外包给其他工厂制造部件,自己制造核心部件有着无法比拟的优势。

另一优势,便是让产品的升级改进周期更加迅速。

汽车行业传统的发展周期是这样的:累积各种项目的需求和问题,然后进行打包集合,每隔3-4年才在新一代产品上将所有的问题统一进行完善,为了等待核心项目的改进,有些项目需求会被推迟。这种方法会让积累改进率变得很低,显然是不适合特斯拉的。

相反,在特斯拉,我们不会将需求累积起来,而是遇到需求就立马解决,遇到问题就立马采取措施。也就是说,我们每周最多能够对产品进行50次改进。因此,我们常常开玩笑说如果用户想知道他的特斯拉是哪一代,那么他需要去查看自家车的车辆识别码。虽然我们对产品进行实时改进,但我们并不会为制造系统的效率带来大幅影响。但是,到底是打造一款能高效率制造的产品更重要,还是打造一款能快速提高,具有竞争力的产品更重要呢?在我看来,没有什么比打造一款能够迅速进行改变和提高的产品更为重要。

最后的优势是,当你亲力亲为打造了一款产品,你对它会有着深刻的理解,对提升它的方法一清二楚。

当然,其中会历经千辛万苦,但这些辛苦都将转换成价值无穷的财富。一个很好的例子就是特斯拉决定为Model S添加Ludicrous模式(在此模式下,Model S P85D 从 0 到 60 英里的加速时间仅为 2.8 秒)时,我们遇到了困难:如何提高电池组内保险丝和开关系统的性能?是要打造一款保险丝吗?那么要找到一款能够承受Model S不断增加的电流的保险丝有多难呢?

结果表明:特斯拉要求这款保险丝能够负载巨大电流,同时能够在电流在毫秒内异常激增的情况下,立马对汽车进行保护。众所周知,要打造这样的保险丝是极为困难的,但是,特斯拉决定自己打造这样的保险丝。我们有着深刻的产品知识和扎实的物理基础,因此我们决定去做人们认为不可能的事。最后,我们成功了,特斯拉车主能够在2.8秒内将车从静止加速到百公里,让路人惊讶不已。

你所不知道的特斯拉工厂二楼,藏着特斯拉成功的秘密

但是,自行打造产品真的永远是明智之举吗?当然不是。如果你想打造一款普普通通的产品,那么自己花费大力气来打造是毫无意义的。但是,如果你想打造一款独一无二、更新速率很快的产品,并让它成为自己的知识产权,那么自己亲力亲为是最明智的选择。

通常来说,采取分层策略是最为正确的做法:开始时,企业可以利用自己的生产线进行生产制造,并且最好让工程师、设计师以及产品团队共同参与生产过程;之后,企业可以利用生产线来快速学习、迭代、获得生产产品所需的必备知识;最后,等到量产规模超出这一制造能力后,然后再把这个产品外包给代工制造商。

这种策略拥有几大优势。首先,在此过程中你对产品有着足够的了解,因此你能识别出你的代工厂是否在撒谎。如果代工厂要求对产品进行轻微改造,那么你可以首先将产品放到产品线上进行测试,然后再交给外包商实操。在此过程中,你获得了增量成本的亲身经验,因此你就无需和代工厂争论需要增加多少劳动力。第二,最初的生产线将变成开发下一代产品和样本的平台。有了这种分层方法,你可以一边享受着升级的快速周期,一边利用大型外包商的供应链提高生产效率。

为什么我如此热衷于让特斯拉自行打造部件呢?因为在我工作的初期,曾参加过美国制造业的外包项目。经历告诉我:我们成就了很多能够推动科技巨变的工厂,但是这些工厂大部分都不在美国本土。这就是美国制造业的潮流,而正是因为这种潮流,美国工业界才失去了自行打造产品的基础知识。

很长一段时间,美国企业和企业家都甚是恐惧创立新的硬件公司。但是,你只有亲身接触物理世界,才能解决很多重要问题。疾病、能源、基础设施、移动设备和其他问题带来很多复杂的挑战,这要求我们运用包括硬件生产在内的跨行业解决办法。我们需要勇敢大胆的创始人来解决这些重要的问题,我们需要重新拾基础知识和竞争优势,为企业和社会带来福利。而现在,正是行动的时候。


本文作者:Misty

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
SQL 存储 Oracle
数据库系列课程(20)-数据库死锁的原因及解决方案
数据库系列课程(20)-数据库死锁的原因及解决方案
637 0
|
7月前
|
自然语言处理 物联网 vr&ar
dLLM:复用自回归模型权重快速训练扩散语言模型
dLLM是一个开源Python框架,统一了扩散语言模型的训练、微调、推理与评估流程。它支持将任意自回归大模型(如LLaMA、BERT)转化为扩散模型,提供LoRA、4-bit量化等高效训练能力,并兼容Hugging Face生态。通过Masked Diffusion、Edit Flows等方法,实现文本全局优化生成与编辑,在复杂推理、结构化输出等任务中表现优异,推动扩散语言模型迈向实用化。
683 0
dLLM:复用自回归模型权重快速训练扩散语言模型
|
自然语言处理 前端开发 关系型数据库
反向海淘新篇!Superbuy同款系统来袭
Superbuy淘宝代购集运系统,助力海外用户一站式选购淘宝、天猫、京东等平台商品,支持多语言、多币种、多种支付方式及国际物流跟踪,打造高效便捷的跨境购物体验。
|
6月前
|
XML 语音技术 开发者
基于prosemirror的SSML编辑器
SSML是W3C标准的语音合成标记语言,通过XML标签精细控制TTS的停顿、语调和发音,提升语音自然度与用户体验。相比纯文本,SSML更精准,避免机械感。我基于ProseMirror开发了Web友好的SSML编辑器,助力开发者高效编排。欢迎Star支持!
227 0
|
机器学习/深度学习 人工智能 算法
《AI重塑无线网络:化解信号干扰与波动难题》
无线网络在数字化时代至关重要,但信号干扰与波动(如同频干扰、邻频干扰及物理环境变化等)严重影响性能。传统方法虽能缓解部分问题,但在复杂动态环境中效果有限。人工智能的引入,通过机器学习和强化学习,实现了智能信道选择、功率控制及干扰消除,显著提升网络稳定性与效率。实际应用中,智能工厂和大型商场的案例证明了AI技术的有效性。未来,随着AI不断发展并与其他技术融合,无线网络将更稳定高效,为用户带来更优体验。
728 5
|
数据中心
信道复用技术
信道复用技术
1326 0
|
网络协议 Java Linux
【cpolar】搭建我的世界Java版服务器,公网远程联机
【cpolar】搭建我的世界Java版服务器,公网远程联机
1214 1
|
存储 网络协议 算法
[计算机网络(谢希仁 第八版)]第一章 概述(学习复习笔记)
[计算机网络(谢希仁 第八版)]第一章 概述(学习复习笔记)
|
数据采集 传感器 算法
ENVI:如何对Landsat8影像进行辐射校正?
ENVI:如何对Landsat8影像进行辐射校正?
1291 0
|
弹性计算 运维 监控
阿里云田涛涛解读未来自动化运维新思路:CloudOps
一个新的时代已经到来,以云为中心的DevOps,将重新定义DevOps。通过充分的结合云计算和DevOps的优势和能力,我们定义了一个新的词汇:CloudOps,着重强调如何在云平台上更好的践行DevOps,再次实现运维的进化。
阿里云田涛涛解读未来自动化运维新思路:CloudOps