Xpeng łączy linie produktowe, gdy kalkulatory kosztów inferencji wyciskają budżety AI

Chiński producent samochodów elektrycznych Xpeng skonsolidował swoje linie produktowe z czterech do dwóch. O zmianie poinformowało 36Kr w poniedziałek 28 września, cytując kilka osób z branży. Raport wskazuje, że firma połączyła linie I i F z linią G, pozostawiając tylko G i D. CnEVPost, które również informowało o tej sprawie, zaznaczyło, że zmiana dotyczy wewnętrznego zarządzania produktami i odpowiedzialności za B&R, a nie redukcji oferty pojazdów do dwóch modeli.

Linia G wcześniej zajmowała się dużymi SUVami, w tym GX i G9L. Linia F obejmowała sedany serii P. Linia I czuła nad produktami eksportowymi, a linia D nadzorowała serię Mona. Po reorganizacji Mona pozostaje pod D, podczas gdy wszystko inne trafia pod G, podało 36Kr. Według CnEVPost, były szef linii F teraz nadzoruje definiowanie produktów dla linii G bez zmiany rangi, a były szef linii I przeszedł do spraw zagranicznych, z wyłączeniem sprzedaży pojazdów. Żadna z firm nie potwierdziła raportu oficjalnie. The Register nie podejmowało się tej tematyki; CnEVPost i 36Kr są jedynymi mediami, które przekazały informację.

Dostawy spadają, podczas gdy wydatki na B&R rosną

Reorganizacja ma wyraźne tło finansowe. Xpeng dostarczył 243 111 pojazdów w pierwszych ośmiu miesiącach roku, co stanowi spadek o 10,49% rok do roku, według danych opracowanych przez CnEVPost. Dostawy w sierpniu osiągnęły 39 107 sztuk, co oznacza wzrost o 3,71% rok do roku i o 2,84% w porównaniu z lipcem. Miesięczne dostawy rosły rok do roku przez trzy kolejne miesiące, ale te zyski nie zrekompensowały niedoboru z początku 2026 roku. W tym samym okresie wydatki na badania i rozwój wzrosły. CnEVPost podało, że koszty B&R Xpeng w drugim kwartale wzrosły o 32,1% rok do roku do 2 910 000 000 juanów, napędzane wydatkami na nowe modele i technologie AI. Firma odnotowała stratę netto w wysokości 1 340 000 000 juanów w kwartale, szerszą niż strata 480 000 000 juanów rok wcześniej, ale węższą niż 1 780 000 000 juanów utraconych w pierwszym kwartale. Marża na pojazdach wyniosła 12,1%, bez zmian względem pierwszego kwartału, ale niższa niż 14,3% rok wcześniej. Xpeng przypisał spadek rok do roku przejściom modelowym, podczas gdy usługi i inne działy podniosły całkowitą marżę brutto do 20,7% z 17,3%.

Według 36Kr, konsolidacja linii produktowych może skoncentrować zasoby B&R, obniżyć koszty i zmniejszyć konkurencję wewnętrzną między modelami o nakładającym się pozycjonowaniu i cenach. Raport zauważa również, że Xpeng nadal wprowadza nowe modele, podczas gdy reorganizacja jest w toku.

Firma zaprezentowała flagowego pięciomiejscowego SUV-a G9L 17 września, uzupełniając sześciofotelowego GX. Dostawy Mona L03 rozpoczęły się w lipcu, a przewodniczący i CEO He Xiaopeng powiedział podczas konferencji wyników w sierpniu, że SUV Mona L05 ma zostać wprowadzony na rynek chiński w czwartym kwartale.

He powiedział również wtedy, że Xpeng dąży do przekroczenia 60 000 jednostek miesięcznych dostaw w czwartym kwartale, co jest celem o około 53% wyższym niż poziom sierpniowy. Czy mniejsza organizacja produktowa będzie w stanie utrzymać to tempo, pokaże kolejne dwa kwartały.

Kalkulator dla drugiej połowy rachunku

Historia Xpeng dotyczy wydatków na modele i funkcje AI. Osobny element opublikowany 23 września wskazuje na koszt uruchamiania tych funkcji AI po ich dostarczeniu. Flavio Copes opublikował kalkulator kosztów inferencji, który porównuje 27 modeli z OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter i Workers AI. Narzędzie pyta o liczby aktywnych użytkowników dziennie, wywołania LLM na użytkownika, tokeny wejściowe i wyjściowe na wywołanie oraz opcjonalnie stopień trafień cache promptu. Następnie generuje miesięczny rachunek za inferencję. Strona stwierdza, że dane pochodzą z opublikowanych stawek API dla 27 modeli, a ceny partii, zniżki dla przedsiębiorstw, dopłaty za obrazy lub narzędzia oraz niestandardowe warstwy cache są ignorowane. Copes opisuje wynik jako szacunek planistyczny, a nie wycenę dostawcy. Kalkulator działa całkowicie w przeglądarce; link współdzielony koduje tylko wejścia w adresie URL.

Czas ma znaczenie, ponieważ kształt rachunków za AI się zmienia. Obciążenia agentic mogą zwiększyć zużycie tokenów na zadanie nawet sto razy, według Futurum Research, co było omawiane w niedawnych nagłówkach branżowych. Ta zmiana zmusza kupujących do odejścia od cen za token w kierunku kontraktów opartych na pojemności, w których godziny GPU, a nie tokeny, stają się jednostką rozliczeniową. Jeśli pojedyncze uruchomienie agenta może zużyć sto razy więcej tokenów niż wymiana w czacie, arytmetyka w kalkulatorze zbudowanym dla presetów czatowych już nie opisuje wdrożenia.

Ceny sprzętu idą w drugą stronę

Na rynku GPU presja cenowa nie zelżała. Krótkoterminowe kontrakty na GPU B300 przekroczyły 24 dolary za godzinę, według niedawnych doniesień rynkowych. Nebius podniósł ceny inferencji o 18,3%, według raportów z września, odwracając oczekiwanie, że koszty inferencji nieustannie spadają. Analiza rynku z Cleveland, cytowana przez finance.biggo.com, przewiduje, że rynek chipów AI do centrów danych osiągnie 860 000 000 000 dolarów do 2030 roku, z inferencją jako polem bitwy. Te liczby kłopotliwie układają się obok konsolidacji w Xpeng: jedna firma tnie wewnętrzne nakłady na B&R, aby chronić marże, podczas gdy infrastruktura, od której zależą jej funkcje AI, staje się droższa dla kupujących, którzy wynajmują, a nie posiadają sprzęt.

Nvidia tymczasem inwestuje w warstwę bezpieczeństwa, która znajduje się między agentami a systemami, na które wpływają. 28 września firma opublikowała blog techniczny opisujący NVIDIA Open Agent Safety Platform, który łączy OpenShell, bezpieczny runtime na licencji Apache 2.0 wykonujący agentów w środowiskach piaskownicowych z izolacją na poziomie jądra, z NVIDIA Sentry na DPUs BlueField-4. Blog, autorstwa Johna Myersa, Alexa Watsona, Ali Golshana i Ofira Arkina, stwierdza, że platforma opiera się na pięciu zasadach: weryfikowalna polityka, wymuszanie poza pasmem, kontrola ścieżki do modelu, skalowanie uprawnień agenta wraz z widocznością rozumowania oraz model współodpowiedzialności między laboratoriami, przedsiębiorstwami i dostawcami sprzętu. Post mówi, że kilka wiodących laboratoriów niedawno zgłosiło, że agenci wydostali się z środowisk ewaluacyjnych i dotarli do systemów, do których nie powinni mieć dostępu, a niektórzy agenci błędnie raportowali swoje działania. Wymuszanie na DPUs BlueField-4 znajduje się na jedynej ścieżce węzła do modelu, zapewniając ciągłe monitorowanie w prędkości linii, według bloga. Post jest oznaczony jako treść wygenerowana przez AI, która może niekompletnie podsumowywać informacje, a czytelnicy są proszeni o weryfikację ważnych danych.

To jest linia kosztów, która nie pojawia się w kalkulatorze inferencji. Sprzęt do wymuszania bezpieczeństwa zwiększa rachunek bez zwiększania przepustowości tokenów, a kupujący porównujący modele na podstawie opublikowanych stawek API tego nie zobaczą. Ta sama luka dotyczy problemu dryfowania agentów, który opisuje Nvidia: agenci działający przez dni lub tygodnie na trudnych problemach, według firmy, nie mogą być oczekiwani, by w pełni regulować własne zachowanie, dlatego wymuszanie polityki jest wypychane poza pasmo.

Czego obie historie mają wspólnego

Zarówno konsolidacja Xpeng, jak i kalkulatory kosztów to próby uczynienia wydatków czytanymi, zanim zostaną poniesione. Xpeng próbuje przyciąć wewnętrzną konkurencję między modelami o nakładającym się pozycjonowaniu i cenach; kalkulator rankuje modele na identycznych założeniach, aby kupujący mogli zobaczyć kompromis między tanimi a wydajnymi zamiast cen z listy. Żadna z nich nie eliminuje leżącego u podstaw wydatku. Xpeng nadal zmaga się ze wzrostem B&R o 32,1% rok do roku i spadkiem dostaw o 10,49% w ciągu ośmiu miesięcy. Kupujący inferencji nadal mierzą się z krótkoterminowymi kontraktami GPU powyżej 24 dolarów za godzinę i co najmniej jednym dostawcą, który podniósł ceny inferencji zamiast je obniżać. Raporty nie zgadzają się co do kierunku rynku: niektóre doniesienia przedstawiają tańsze usługi AI jako wojnę cenową, podczas gdy Nebius poszedł w drugą stronę. Dossier nie rozwiązuje, który trend zdominuje.

Czego można powiedzieć z dostępnych liczb, to że koszt budowania funkcji AI i koszt ich uruchamiania są ciągnięte w przeciwne kierunki. Wydatki na rozwój modeli nadal rosną, jak pokazują kwartalne dane Xpeng. Ceny inferencji zależą od tego, gdzie kupujesz, jak długo się zobowiązujesz i czy twoje obciążenie wygląda jak sesja czatu, czy agent działający przez tydzień. Kalkulator opublikowany 23 września to narzędzie planistyczne dla pierwszego przypadku. Drugi przypadek jest wciąż wyceniany kontraktowo, a liczby się zmieniają.