来源：《财经》杂志

　　原标题：特斯拉产能爆发的秘密｜专访AllenPan前特斯拉无人工厂研发负责人

　　特斯拉将自动驾驶中的感知、决策和控制概念引入到生产线中，每个工站就是一辆有自动驾驶功能的“汽车”。

　　文

王静仪郭怀毅编辑

施智梁

　　今年8月，上海工厂生产的第万辆特斯拉电动车正式下线，与此同时，特斯拉在全球的总产量也已超过万辆。同样在8月，马斯克表示希望再过10年，特斯拉可以实现超过1亿辆的生产目标。

　　在马斯克的规划中，产能的增长一方面来自新建工厂的产能，他预计特斯拉未来将有10至12座工厂；另一方面，现有工厂的年平均产能也将提高到万至万辆。

　　作为目前特斯拉产能最高的一座工厂，上海超级工厂在年底正式投产之时，设计年产能还只有50万辆，到了今年二季度，这一数字被特斯拉上调至75万辆。有媒体报道称，特斯拉上海工厂的实际年产能已经突破百万辆。

　　占地只有86万平方米，而且是在没有大规模扩建工厂和产线的情况下，特斯拉为什么能够让上海工厂的产能实现翻倍？

　　作为同样位于上海的整车工厂，上汽通用凯迪拉克金桥工厂的占地面积为75万平方米，设计年产能则只有16万辆，产能占地比为0.21辆/平方米。如果上海工厂的产能真的可以达到百万辆，那其产能占地比则高达1.16辆/平方米，是前者的五倍。

　　为了解释这个问题，我们找到了AllenPAN，他曾是特斯拉加州无人工厂研发负责人，完整交付了特斯拉-年的Model3的产能提升和产线升级的软硬件及系统的解决方案。他在去年创办了自己的创业公司IndustrialNext（英达视），希望把在特斯拉验证过的制造技术，普及到更多的制造业企业。

　　在加入特斯拉之前，Allen是通用无人驾驶L3/L4系统架构师和通用CT6无人驾驶核心工程师，和工厂并不相关。但马斯克在亲自面试中恰恰看重了这一点，“你脑子里没有汽车业陈旧的生产理念，你可以用另一种认知解决问题。”

　　特斯拉的无人工厂是怎样从无到有地建立起来的？什么是“在产线中引入自动驾驶的理念”？特斯拉模式能复制吗？这是Allen的答案。

　　在特斯拉，软件如何定义生产

　　出行一客：从通用到特斯拉，看似都是车企，但是自动驾驶和工厂是两个完全不同的领域，为什么要去特斯拉做工厂？

　　Allen：我也很纳闷，为什么让我来搞工厂？一开始是猎头推荐的，觉得我虽然是搞软件搞自动驾驶的，但是喜欢动手，硬件能力也比较强，和特斯拉要招的人需求比较像，就推荐去面试看看。

　　最后一轮面试的时候是我和马斯克，我也问了这个事，我说我没搞过工厂，马斯克就说，特斯拉的工厂不是像传统工厂那样的，“你的脑子里没有汽车业陈旧的生产理念，你可以用另一种认知解决问题。”

　　年那会儿加州工厂的产能问题比较严重，造不出车来，一个月的产能规划了辆，但是只能造出来几百辆，距离订单数差得很远，也和马斯克设想的通过高度自动化的方案解决量产问题相差很远。因为自动化整体的技术发展水平不够，高度自动化的机器人不仅没有人工效率高，而且柔性化不足，更要命的是当时现金流面临大问题，继续加大自动化的投入可能会影响整个公司无法正常运转。

　　年底，Model3已经开始量产，不同于传统的汽车主机厂——产品一旦定型基本不能改动；量产基地更是稳定压倒一切，产品不能变动，产线更不能。但当时马斯克为了快速推出Model3，大幅压缩了从立项到量产的周期。因为他是软件思维，敏捷开发（DevOps）的理念也被他要求应用到汽车产品和生产产线上，导致Model3的研发团队一直要迭代产品。递进到生产端，零部件就会发生变化，这样自动化产线没法随之变化，但工人聪明，今天跟工人说一声要怎么做，明天就知道改了，但是自动化不行，工人比机械就多了一个柔性。

　　大的方向马斯克已经想得差不多了，接下来就是招合适的工程师。怎么让自动化有柔性，完成量产目标且打通研发端和生产端，就是马斯克让我进来做的事。

　　出行一客：马斯克心目中下一代的汽车生产线是什么样子？

　　Allen：马斯克心目中的特斯拉工厂，就是不同批次的原材料从一边进去，不同版本的整车从另一边生产好出来，就像亨利·福特时代的福特汽车一样。但有一点不一样，那就是特斯拉正在用软件定义生产。因为物料会根据的产品的配置和版本差生变化，所以，我们要让产线能够根据物料的变化自适应地调整。

　　当然，软件无法直接定义生产，软件可以定义硬件，硬件多功能、高集成地组合在一起，就重新定义了生产方式。

　　我举一个例子，当发现某种零部件型号变动时，物料排产系统会及时通知制造执行系统，制造执行系统会安排工人或生产设备自动跳过该零部件的生产步骤，等到合适时机再重新生产。

　　这其实就是自动驾驶技术，我们将自动驾驶中的感知、决策和控制概念引入到生产线中，每个工站就是一辆有自动驾驶功能的“汽车”，特斯拉内部称之为工作站控制（StationControl）。年5月，我们团队提出的这个生产方案得到了马斯克的肯定，开始应用于量产产线。

　　StationControl的出现并没有改变汽车生产的四大步骤，它只是融入到了这四个环节之中，优化了最基本的生产单位。

　　产线是由一个个工位组成的，如果一个工位出了问题，整个产线就要停下来。所以我们在想，能不能在同一个工位上边生产边质检，把问题当场解决。比如焊接，质检发现问题之后，工位通过自适应，再找到一个点重新焊，在同一个工位里就把这个问题解决了。

　　通过智能化改造，生产线上的每一个工位都可以自己决定或者修正生产过程。这就像开车一样，拐弯的时候拐多了一点，但是还可以拐回来。目前市场上只有特斯拉这么做，其他的都是在后续工位设立额外的质检站和返工站。

　　这样的工位一般出现在焊接和涂装的重点工位上，总装车间会更复杂。同一条产线要生产不同的车，涉及不同的零部件，需要用到不同的夹具，这是柔性化生产要解决的问题，要判断零部件之间的不同特征点。

　　同时，从料架上拿取零部件的时候，不可能每次都放在一模一样的位置，多少存在误差，也需要自适应，就要通过自动驾驶的技术来感知和决策。核心是图像识别，通过视觉与机械臂进行柔性协作。

　　刚刚说的都是具体工位的事情，从产线的角度来说，每个工位都成了独立的个体，如果生产流程有改变，物料不需要往A工位送了，直接送到B，A还可以换上其他的模块，被送到其他工位。产品不管怎么变，产线都能对应地发生变化。

　　在全新的生产方案中，物料排产系统和制造执行系统发挥了核心作用，前者以物料为中心排产，并将各型号物料送到工位，后者则负责组织PLC设备（可编程逻辑控制器，常见的自动化设备）进行生产。

　　这背后是通用型AI，而不是基于某个特定场景，脱离了场景就不能用了。如果马斯克的其他公司也需要的话，这套通用型AI也可以用在那家公司。

　　出行一客：如何对工位进行智能化改造？在工位上增加一个摄像头？

　　Allen：两个，就像人有两只眼睛，两只眼睛配合，画面才能变成三维。

　　除了视觉模块，还有其他感知模块(含相机)+边缘计算模块+智能网关控制模块(具有AI自主学习功能)，构成一整套的工位智能化解决方案。

　　出行一客：车企总是在宣传自家工厂的自动化程度，说自动化率达到90%以上，工厂是黑灯工厂等等。这和特斯拉的区别在哪里？

　　Allen：他们做的是数字化，就是把所有的指令输入进去，通过一系列的运转，在没有人参与的情况下，能够执行得到一个结果。生产可乐的过程就类似这样的高度自动化，但是你生产一辆车看看？车太柔性了，太复杂了。

　　我们不是在做基于数字化的无人工厂，我们侧重高柔性的无人工厂。工位和产线可以自适应，这样就尽可能地减少工人的数量，实现无人化。

　　出行一客：怎么实现这种层次的无人化？

　　Allen：从技术的角度，需要足够的数据，自适应才能够准。不然工人做的话1秒钟搞定，自适应需要18秒，那就没必要了。数据吃得越多，模型就越聪明。

　　但有些场景没有这么多数据让你吃，比如说放这个动作，机械臂要把零部件放进一个固定的位置，一旦有偏差就放不进去，如果多次错误尝试，零部件就损坏了。生产中的数据是很难抓的，没有那么多海量数据去学习，我们就变了一套算法逻辑，通过负面式学习，在少量错误数据的训练下，48小时内可以迅速到92-95%准确率，部署后再通过在线数据不断提高准确率。

　　出行一客：但是上海工厂的自动化和无人化程度并不高，很多工作是由工人完成的。

　　Allen：当时我帮马斯克规划上海产线，我也问过这个问题，马斯克说不需要。

　　这正是上海工厂和加州工厂不一样的地方。对于上海工厂，效率第一，快速生产汽车是最重要的目的，它的定位就是一个执行型生产工厂。而在加州工厂，产线也是产品，产线也要升级，马斯克对加州工厂的要求是做研发型产线，不仅是完成相应的量产任务，还要打通研发端和生产端，让产品和产线同步迭代。

　　特斯拉的其他超级工厂也会给加州工厂提供制造和工艺端的资料和数据，同时具备量产和生产迭代功能的工厂只要有一个就够了。

　　特斯拉价值观

　　出行一客：特斯拉有一个理念是简化生产过程，生产更容易生产的车。怎么理解？

　　Allen：我们平常说量产指标中的产能都是以辆为标准，但在特斯拉，产能更多的时候被视为零部件是否简化，如果零部件简化了，汽车生产出多少辆自然就提高了。

　　现在，一辆汽车需要数万个零件，但是如果我们把汽车所需要的零部件简化成10个，产能是不是就上去了呢？减少零部件的方法有很多，比如一体压铸，还有就是高集成，更多是通过写软件代替原来硬件的功能，当有一个多功能的零部件可以取代数个单一功能的零部件时，零部件总量也就随之下降了。

　　产品要想变得容易生产，必须要不断迭代，而且迭代速度很快，这对产线的要求是很高的。产品变了，最好做到不停线的情况下迭代产线，否则产线更新的成本就太高了，车的竞争力就变弱了。这是一个基本的商业诉求，也是一个非常核心的技术。

　　出行一客：马斯克曾经说，特斯拉最大的优势就是它的制造。

　　Allen：特斯拉在马斯克所有公司中的地位，更像一个生产工具，而且不仅仅是造车的工具，而是一个制造和磨砺工艺的企业。特斯拉要生产所有马斯克想要的东西，而他的终极目标就是要去火星。

　　虽然在特斯拉内部，马斯克不会直接说大家做的事情是为了去火星，但是最后总结起来都是为了这个目标。所以这也是为什么在特斯拉的工厂中，很多设备是可以生产SpaceX的零部件的。

　　比如火箭用的玻璃，就是特斯拉加州工厂生产的，你可以注意到之前有新闻，早期的Model3，一遇到下雨，车上的玻璃就会变色，这种情况的出现是因为这些玻璃本来要装在火箭上的，要为紫外线调整。

　　我在特斯拉的时候，我和SpaceX的员工有很多交流。其实，在马斯克的众多公司中，大家可以说是“飘来飘去”的，不只是特斯拉和SpaceX，包括Neuralink和Boring公司，人员交换是很常见的，而且马斯克也鼓励大家在不同公司之间交换。

　　有时候特斯拉团队遇到问题解决不了，SpaceX的团队就会过来帮助，比如特斯拉当时有一个线控，这套系统就是SpaceX的，拿过来给特斯拉用了。事实上，在特斯拉和SpaceX之间，零部件互通是很平常的一件事，所以很多特斯拉的零部件已经是航空规格了。

　　特斯拉之所以能够做到软件定义汽车，也能做到软件定义生产，最根本的原因在于人，因为在这背后很大程度上是同一个团队在编写软件程序。因为在马斯克的所有公司中，人员的交流是非常频繁的，部门划分也不是那么壁垒森严。

　　出行一客：你曾经在通用工作，通用和特斯拉最大的差别是什么？

　　Allen：在通用和特斯拉的感受差别很大，汽车电动化带来的最大的变革就是软件可以定义硬件。通用是标准老车企的组织形式，大家参照原产品原工艺的基础上，“有迹可循”的做新能源车，但特斯拉更多是颠覆性的，产品能被软件定义，产线能被软件定义，那它的组织架构就和原来的车企很不一样。

　　另外就是依赖供应商，传统车企把很多的精力都用在了集成上面。事实上，生产汽车的绝大部分零件的是供应商。目前新入行的玩家都是看到上游的供应商成熟了，自己有品牌有渠道就可以进入这个市场。特斯拉认为整车厂应该给汽车零部件供应商更多的赋能。

　　特斯拉也更鼓励挑战，比如你上级有一个方案，但是你有更好的方案，你就可以去挑战他，如果你是对的，OK那就用。所以特斯拉不是看谁的资历更久，而是真的看谁说的对，这和传统车企比资历也是大不一样的。

　　出行一客：自己创业，和在特斯拉工作有什么不一样？

　　Allen：和我在特斯拉协助马斯克打产能攻坚战时的目标是一样的，做一条高集成、多功能（产品高兼容性）、无人化（尽量减少工人）的产线，不一样的是那个时候我为了兴趣，现在为了下一代制造业。

　　我们公司是去年才成立的，目前正在用全新的技术复现之前的产品和流程，这需要一点时间，也是一个优化的过程。

　　如果要说愿景，我希望做一条更高柔性的产线，能兼容不同车型甚至不同产品。在产能的提升上还有很多工作可以做，比如说产品迭代的速度、产线爬坡的速度、解决卡节拍工位的速度。在车厂里，一般最卡节拍的车间是总装车间，改造完总装可以改造冲压，甚至改造供应商。

　　出行一客：目前融资和估值如何？

　　Allen：年第一季度完成1万美元Pre-A轮融资，领投方是联想创投，跟投方是小米战投和沸点资本。现在正在做Pre-A+轮。

　　到今年6月，公司估值是1.2亿美元。

　　出行一客：客户都有谁？

　　Allen：上汽大众、理想、小米、Lucid、Rivian，3C行业的订单更多，不过都还在POC阶段（Proofofconcept，概念验证）。

　　从产品的角度来说，现在做的主要是感知、决策、执行的模块产品；除此，还有标准化工位解决方案，比如漆面质检的工位，一个大概万，还有总装工位等，难度更大。

　　出行一客：特斯拉是你们的金字招牌。

　　Allen：我们团队主要成员都是特斯拉的离职员工，分布在中美两国，出身可以说是有一些小的光环。但是我觉得，哪一天特斯拉愿意使用我们的产品，愿意投资或者收购我们，那个时候才算是真的招牌。

　　现在特斯拉的技术还是在我们当时交付的基础上在运行，从年到现在都4年多了；现在，我带着原来的那帮人虽然刚开始起步，但是我们总结经验，用全新的技术18个月内就能撵上。但即使是这样的话，放眼全球其他的制造商和OEM车企，他们好像还没开始这方面的努力，他们的重心还在车本身，还不在制造上。

　　出行一客：在特斯拉最大的收获是什么？

　　Allen：三条：自驱、跨领域、动手解决问题。

　　出行一客：你如何理解第一性原理？

　　Allen：相信自己的直觉，不要怕失败。最重要的就是从A点推到B点的过程，这是难度最高的。