STRIPE CHEEKY PINT · 2025.10.14
造一間車廠，
不只是造一台車
Rivian 創辦人 RJ Scaringe 的重點不是一款電動皮卡多酷，而是：把車做成會持續演化的軟體產品，同時讓零件、工廠、成本與安全一起學會更快。
原始來源：Stripe Cheeky Pint〈How to build a $16B car company with RJ Scaringe, founder of Rivian〉，2025 年 10 月 14 日發表。本文整理對談中的觀點；公司策略與技術時程屬受訪者陳述，不是投資建議。
PART 1 · 造車的單位不是車款
真正的產品，是一條能反覆學習的系統
Scaringe 把汽車產業的難題描述成一種「所有事情都要同時成立」的工程：設計得能生產、供應商能按時交付、工廠能維持品質、軟體能安全更新，而且價格還得落在消費者可接受的範圍。
這也是為什麼「第一代車能開上路」與「公司能擴張」是不同成就。前者證明想法可行；後者要求每一次量產迭代都能把材料、線束、工序、測試與服務網路變得更簡單。
從原型到可複製產品
使用者要什麼？
能否穩定造？
能否持續降？
這三件事必須一起收斂；只優化其中一項，未必能造出可持續的車廠。
PART 2 · 把複雜度搬到對的位置
軟體定義，不等於在車上塞更多電腦
對談裡最具體的技術主張，是把分散在車上的大量控制單元，改成更集中的運算與區域架構。它的目的不是炫耀「車像電腦」，而是減少線束與控制器的重複，讓硬體成本、組裝複雜度和未來更新的路徑都更可控。
但架構集中也會把責任集中：一套共用軟體、一個更新機制或一條資料路徑若出問題，影響範圍會更大。因此產品速度不能脫離安全驗證與回退能力。
「第一代把產品帶到世界上；第二代要讓整個系統變得更簡單。」
— 本頁依 RJ Scaringe 對 Rivian 世代迭代的討論整理
PART 3 · 自駕不是一個功能按鈕
先把資料、感測、算力與責任邊界接起來
Scaringe 談自動駕駛時，沒有把它說成一夜之間完成的終點，而是累積資料與模型能力的長期工作。對車廠而言，能否持續從真實世界回收訊號、在模擬與測試裡驗證，和能否讓駕駛清楚知道系統邊界，同樣重要。
因此，讀者不該把「AI 驅動」直接等同於已經安全或完全自動。對談能支持的是 Rivian 正把軟硬體整合視為基礎；何時達到何種自動化能力，仍要以實際產品、監管和公開安全證據檢驗。
PART 4 · 規模的經濟學
成本下降，來自少一點零件，也來自少一點例外
量產不是把同一件事重複做一萬次，而是找出每個讓工廠停下來、讓供應變得脆弱、讓維修變得昂貴的例外，再把它從設計中移除。這也是 Scaringe 談到與 Volkswagen 合作時的脈絡：資本與合作可幫助擴張，但不會替代產品與製造本身的執行。
一家車廠的護城河，未必只在某項零件或單一模型，而在於它能否把跨部門的學習，壓縮成下一代車更低的物料成本與更少的失敗點。
面對「軟體定義汽車」的敘事，你最想先問哪一題？
這不是測驗；選擇你認為最不能跳過的一層檢查。