Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Xpeng accorpa quattro linee di prodotto in due per ridurre la spesa in ricerca e sviluppo

Xpeng ha accorpato le sue quattro linee di prodotto in due, ha riferito 36Kr lunedì. La riorganizzazione punta a tagliare i costi di ricerca e sviluppo dopo un calo delle consegne del 10,49% nei primi otto mesi del 2026.

IA e modelliNotiziaGiulia FerrariPubblicato: 28 settembre 20267 min di letturaFonti 5
Xpeng accorpa quattro linee di prodotto in due per ridurre la spesa in ricerca e sviluppo

Il costruttore cinese di auto elettriche ha unito le linee I e F a quella esistente G, lasciando solo G e D. Lo scrive 36Kr, che cita diverse fonti di settore anonime. CnEVPost ha ripreso il rapporto lunedì.

Per chi compra non cambia nulla. L'azienda vende ancora le stesse auto.

La riorganizzazione riguarda la gestione interna dei prodotti e le responsabilità nella ricerca e sviluppo, non il numero di modelli in vendita, scrive il rapporto. Prima della fusione, la linea G seguiva i SUV di grandi dimensioni, compresi GX e G9L. La linea F copriva prodotti come le berline della serie P. La linea I si occupava dei prodotti per l'estero e la linea D gestiva la serie Mona.

Dopo il cambio, Mona resta sotto D. Tutto il resto passa sotto G. Il responsabile della linea F ora sovrintende alla definizione del prodotto per la linea G, senza cambi di grado, riporta 36Kr citando una fonte vicina a Xpeng. Il responsabile della linea I è passato agli affari esteri, esclusa la vendita di veicoli sui mercati internazionali.

Perché la fusione arriva adesso

I tempi non sono casuali. Xpeng ha consegnato 243.111 veicoli nei primi otto mesi dell'anno, il 10,49% in meno rispetto all'anno precedente, secondo i dati raccolti da CnEVPost. I numeri mensili sono migliorati per tre mesi consecutivi. Non è bastato a colmare il divario apertosi a inizio anno.

Ad agosto le consegne sono state 39.107 unità, il 3,71% in più su base annua e il 2,84% in più rispetto a luglio. Restano comunque sotto il ritmo necessario all'azienda per centrare i propri obiettivi.

I costi vanno nella direzione opposta. Le spese di ricerca e sviluppo del secondo trimestre sono salite del 32,1% su base annua, a 2.910.000.000 di yuan. L'azienda attribuisce l'aumento soprattutto alla spesa per nuovi modelli e tecnologie legate all'AI. Nello stesso trimestre le consegne sono cresciute appena dello 0,1%, a 103.295 veicoli.

La pressione a trasformare gli investimenti in risultati si vede anche nei conti.

Nel secondo trimestre la perdita netta è stata di 1.340.000.000 di yuan (199.000.000 di dollari), più ampia della perdita di 480.000.000 di yuan di un anno prima. È stata però inferiore alla perdita di 1.780.000.000 di yuan del primo trimestre. Il margine sui veicoli è stato del 12,1% nel trimestre, invariato rispetto al primo trimestre ma sotto il 14,3% di un anno prima. Xpeng lo attribuisce al cambio di modelli. I servizi e le altre attività hanno portato il margine lordo complessivo dal 17,3% al 20,7%.

In questo quadro, accorpare linee che si sovrappongono somiglia meno a un riordino e più a un triage. Il rapporto di 36Kr osserva che la fusione potrebbe concentrare le risorse di ricerca e sviluppo e abbassare i costi. Potrebbe anche ridurre la concorrenza interna tra modelli con posizionamento e prezzi sovrapposti.

La gamma continua a crescere

Xpeng non sta riducendo il piano prodotti. Il 17 settembre ha lanciato il SUV ammiraglia a cinque posti G9L, affiancandolo al GX a sei posti per esigenze familiari diverse. Anche la serie Mona si sta ampliando. Le consegne della Mona L03 sono iniziate a luglio. Il presidente e amministratore delegato He Xiaopeng, in una conference call sui risultati di agosto, ha detto che il SUV Mona L05 sarebbe arrivato in Cina nel quarto trimestre.

Con questi modelli, ha detto He, l'azienda punta a superare le 60.000 consegne in un singolo mese nel quarto trimestre. CnEVPost nota che l'obiettivo è circa il 53% sopra il livello di agosto. Se la fusione interna aiuti o ostacoli questa spinta resta una questione aperta. Meno linee di prodotto con responsabilità più chiare potrebbero accelerare le decisioni. Potrebbero anche concentrare il rischio, se una linea legge male il mercato.

Xpeng non ha confermato pubblicamente la riorganizzazione e non ha risposto nel rapporto di CnEVPost. Il racconto si basa sulle fonti di settore di 36Kr. I cambi al vertice vanno presi come riferiti, non come annunciati.

Un tipo diverso di problema di costi

La stretta di Xpeng sulla ricerca e sviluppo è una storia di hardware: ingegneri, attrezzaggi, passaggi di modello. L'altra pressione sui costi che attraversa il settore tecnologico questa settimana è il calcolo. Per chi compra si muove nella direzione opposta.

Il 23 settembre lo sviluppatore Flavio Copes ha pubblicato un calcolatore dei costi di inferenza. Confronta 27 modelli di OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter e Workers AI. Prende in input ipotesi su utenti attivi giornalieri, chiamate per utente, token di input e output e un tasso opzionale di successo della cache dei prompt, e restituisce una bolletta mensile.

Lo strumento è una stima di pianificazione, non un preventivo. La sua stessa descrizione dice che le cifre vengono dalle tariffe API pubblicate. Ignora i prezzi batch, gli sconti enterprise, i supplementi per immagini o strumenti e qualsiasi livello di cache costruito dal cliente. Resta un promemoria utile: il costo dominante di un'app AI sono le chiamate al modello. La distanza tra modelli economici e modelli capaci è abbastanza ampia da contare più dei titoli sui listini.

Letta insieme alla recente raffica di notizie sui prezzi, l'immagine si complica. A metà settembre The Register ha riferito che Nebius ha alzato i prezzi del cloud AI. Un articolo del 25 settembre segnalava un aumento del 18,3% del prezzo di inferenza nella stessa azienda. I titoli di Context questa settimana indicano anche prezzi delle GPU B300 sopra i 24 dollari all'ora nei contratti a breve termine. Citano inoltre ricerche secondo cui l'AI agentica può moltiplicare fino a 100 volte l'uso di token per attività.

Nessuna di queste cifre viene dallo stesso mercato della voce di ricerca e sviluppo di Xpeng. Servono solo come contrasto. Un'azienda taglia le duplicazioni interne per risparmiare. Il mercato del calcolo da cui dipendono le sue funzioni AI diventa più caro per unità di lavoro.

Calore più economico, a un prezzo

Anche i margini dell'hardware sentono la pressione sui costi, a modo loro. Il 27 settembre Tom's Hardware ha riferito che un cliente ha ordinato un mini PC Kubb Fanless personalizzato con telaio passivo in oro puro a 24 carati, per un costo di circa 1.700.000 di dollari.

La macchina è una versione premium del Kubb Fanless PC da circa 5 pollici (120 x 120 x 120 mm). Il guscio d'oro porta il peso da 4,6 libbre a 28,7 libbre (da 2,1 kg a 13 kg), più di sei volte tanto. Fanless Tech, che ha pubblicato per primo il progetto, l'ha definita una meraviglia del raffreddamento. Ha detto che la conduttività termica dell'oro è circa dal 30% al 50% più rapida di quella dell'alluminio. Tom's Hardware nota che il rame sarebbe costato molto meno e offre una conduttività termica ancora migliore.

Le specifiche sotto sono ordinarie: Intel Core Ultra 5 225H, Core Ultra X7 358H oppure AMD Ryzen AI 5 340, con Wi-Fi 7 o Wi-Fi 6 a seconda del chip. Le unità standard Kubb Fanless in alluminio, grafite, blu o bronzo sono in listino a 1.595 euro (1.822 dollari) su Kubb.eu, senza disponibilità.

È un esempio estremo dello stesso tema. Quanto si paga per l'hardware di calcolo e per il design che lo accompagna si allontana nettamente da ciò che il silicio al suo interno sa fare.

Altrove: solare in Brasile e una build in solitaria

La pressione sui costi non riguarda solo i chip. Il 26 settembre pv magazine ha riferito che i prezzi medi degli impianti fotovoltaici in Brasile sono saliti del 7% nel primo semestre del 2026 per i progetti fino a 300 kW, secondo lo studio di Greener sulle soluzioni di energia distribuita. I prezzi finali degli impianti andavano da 2,02 real (0,38 dollari) per watt per le installazioni da 30 kW e 50 kW a 3,62 real per watt per i sistemi da 2 kW.

L'aumento è stato trainato dai costi delle apparecchiature. Il prezzo medio dei kit fotovoltaici per sistemi da 4 kW è cresciuto del 18,3% tra gennaio e giugno, da 1,42 real per watt a 1,68 real per watt. Per i sistemi da 300 kW il prezzo del kit è salito appena del 2,0%, da 1,02 a 1,04 real per watt.

Nello stesso periodo la domanda si è indebolita. Le nuove connessioni di generazione distribuita sono calate del 16% su base annua, da 488.000 a 411.000. Il numero di nuove unità di consumo che ricevono crediti è sceso del 43%, da 951.000 a 541.000. I sistemi residenziali hanno rappresentato il 65% della capacità aggiunta, dal 39% del 2019. Solo il 33% delle vendite degli integratori ha coinvolto un finanziamento, otto punti percentuali in meno rispetto al 2025 e la quota più bassa registrata nel periodo analizzato.

Sul fronte software, il 28 settembre uno sviluppatore solo ha lanciato ParkourNote, uno spazio di lavoro per la ricerca costruito in un mese con Claude, secondo il post su Show HN. Importa articoli, libri, pagine web, video e registrazioni, li trascrive e traduce, ed espone la libreria a Claude, ChatGPT o Codex tramite un server MCP. Funziona nel browser, nel pannello laterale di Chrome e su iPhone e iPad.

Il discorso sui prezzi è implicito più che dichiarato. Il progetto si appoggia ai modelli di frontiera esistenti invece di costruirne uno proprio, che è un modo per tenere i costi di inferenza fuori dal proprio bilancio.

Commenti 0

Fonti

5
  1. 01Xpeng reportedly consolidates product lines to cut R&D costsEN
  2. 02Custom 24-carat gold mini PC costs around $1.7 million, weighs nearly 29 pounds for up to 50% faster heat transferEN
  3. 03Inference Cost CalculatorEN
  4. 04PV system costs increase by 7% in Brazil in H1EN
  5. 05ParkourNote, a research workspace for papers, notes, videos and writingEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.