Rivian电动自行车Also TM-B交付延迟内幕

Rivian微出行子品牌Also旗下线控踏板电动自行车TM-B因量产难题延迟交付并公开致歉。
Rivian旗下微出行子品牌Also的电动自行车TM-B因发货延迟向消费者公开致歉。TM-B以"软件定义骑行"为核心卖点,搭载无机械传动链条的线控踏板系统、USB-C充电电池和可拆卸座管等创新设计,发布时引发行业广泛关注并积累大量预订用户。然而,线控踏板等前沿技术的非标特性使供应链管理极为复杂,导致量产进度落后于预期。文章指出,Also天然带有Rivian的软件优先基因,这赋予产品创新气质的同时,也可能造成团队对硬件量产复杂性准备不足。此次交付延迟与公开致歉,既是硬件创业"量产鸿沟"的典型缩影,也考验着新兴品牌的用户关系管理能力。
Rivian电动自行车遭遇交付难题
Rivian旗下微出行子公司Also近日公开向消费者致歉,原因是其备受期待的电动自行车TM-B交付出现延迟。这款曾在去年惊艳整个电动自行车行业的产品,如今因跳票问题引发消费者不满。
作为传统电动车制造商Rivian孵化出的独立品牌,Also承载着将Rivian在电动汽车领域积累的软件与硬件能力延伸至两轮出行市场的野心。然而,从概念惊艳到实际交付,硬件产品的量产之路往往比想象中更为坎坷。

TM-B如何引爆行业关注
软件定义的骑行体验
TM-B最大的亮点在于采用软件控制的设计理念,这与Rivian在电动汽车领域倡导的"软件定义汽车"思路一脉相承。其中最引人注目的是线控踏板系统——传统自行车通过链条或皮带将踏板动力机械传导至车轮,而TM-B则通过软件来协调和控制动力输出。
这种设计意味着骑行体验可以通过软件更新来持续优化,为电动自行车带来类似智能手机般的"可进化"特性。这在以机械结构为主导的传统自行车行业中,确实是一个颠覆性的思路。
便捷性与模块化设计
除了核心的线控系统,TM-B在细节上也做了不少创新:
- USB-C充电电池:采用当下最通用的USB-C接口进行充电,大大降低用户使用门槛,无需携带专用充电器
- 可拆卸座管:模块化设计让车辆维护、运输和个性化调整变得更加灵活
这些设计共同勾勒出一款高度差异化的产品形象,让TM-B在竞争激烈的电动自行车市场中脱颖而出,赢得大量早期用户的青睐和预订。
从惊艳发布到交付跳票
然而,产品的实际落地并未如宣传时那般顺利。Also此次公开致歉,正是因为TM-B的发货时间被延后,让翘首以待的预订用户感到失望。
对于任何一家硬件初创公司而言,从概念产品到规模化量产始终是一道难以跨越的鸿沟。越是创新的设计,往往意味着越复杂的供应链管理和越高的量产工艺要求。TM-B所采用的线控踏板等前沿技术,很可能正是导致其量产进度不及预期的原因之一。
这种"跳票"现象在科技产品领域并不罕见,从电动汽车到智能硬件,早期用户为创新买单的同时,也往往需要承担产品延迟的风险。
硬件创新的现实挑战
软件基因与硬件量产的博弈
Also作为Rivian的衍生品牌,天然带有强烈的软件优先思维。这种基因赋予产品独特的创新气质,但也可能让团队在硬件量产的复杂性上准备不足。软件可以快速迭代、随时更新,而硬件一旦进入生产环节,任何环节的延误都会直接反映在交付时间上。
用户期待管理的重要性
此次公开致歉,实际上也反映出Also在用户沟通和期待管理上的努力。及时向消费者说明情况并致歉,虽然无法完全消除不满,但至少体现品牌对用户的尊重。对于依赖早期用户口碑和社区支持的新兴品牌来说,如何在延迟发生时妥善维护用户关系,是一门重要的课题。
电动自行车行业的启示
Rivian与Also的TM-B电动自行车,代表了传统电动车制造能力向微出行领域延伸的一次大胆尝试。其软件定义、线控踏板等创新设计确实令人期待,但交付延迟也再次提醒我们:创新的想法只是第一步,将其转化为可靠的、可规模化交付的产品,才是真正考验一家公司实力的关键。
对于已经下单的用户而言,或许还需要更多的耐心;而对于整个行业来说,TM-B能否最终兑现其颠覆性的承诺,仍有待市场的最终检验。
相关推荐

AI主导测试实战:用Vibe Coding搭建测试工作台全攻略
详解AI主导测试与AI辅助测试的本质区别,手把手搭建AI测试工作台:从Claude Code+DeepSeek组合配置,到Node环境安装、npm镜像加速,帮助测试工程师完成从执行者到统筹者的能力升级。

MCP拦截器:实时守护AI Agent安全的最后防线
深入解析实时MCP拦截器如何在AI Agent与系统之间建立安全屏障,拦截敏感文件读取和危险命令执行,防御提示词注入攻击,保障Agent生产环境的安全运行。

Harbor:统一80+基准的AI Agent评估框架详解
深入解析Harbor Adapters和Harbor-Index如何通过统一适配器层整合80+基准测试,开展8模型×54基准的大规模AI Agent评估实验,并构建82个高质量任务的元数据集,推动Agent评估标准化。