從橫濱Minato-Mirai 21看電動車Carsharing之營運|數位時代 BusinessNext

一、前言
Carsharing源自於歐洲，至90年代末期日本開始興起類似概念。最先讓此概念成型的是Honda的ICVS（Intelligent Community Vehicle System），ICVS認為透過多位使用者共同使用一部車的車輛共享機制，可以減少民眾擁有車輛的需求。在此同時，Toyota也成立了名之為〝Crayon System〞的Carsharing計畫，主要是由多部輕型都會區電動車組成，提供給Toyota員工做為商務及通勤使用。

除了民間企業外，日本的官方組織也有類似的計畫推動。日本通商產業省成立了日本交通駕駛電子技術協會（Japan Association of Electronic Technology for Automobile Traffic and Driving, JSK），希望以建立Carsharing組織的方式來帶動電動車的發展。JSK共推動了兩個主要的Carsharing計畫，一個是Inagi EV-Car Sharing，營運期間自1999年至2002年，另一個即為著名的橫濱Minato-Mirai 21（MM21）。

二、橫濱Minato-Mirai 21 (MM21)
MM21是JSK於1999年10月在橫濱Minato Mirai區域設立的電動車Carsharing組織，主要目的為發展電動車的Carsharing示範系統與建立一套可移轉的營運模式。

其發展概念為促成一個無縫運輸體系，提供電動車Carsharing做為聯繫大眾運輸的次系統，以滿足平日通勤者的上下班需求。因此，MM21所提供的服務以會員住家與大眾運輸和大眾運輸與工作地點之間的接駁為主，運作方式如圖一所示。計畫初期共提供了50輛電動車，並設有11個場站，至今已有超過550個會員。圖一

圖一 MM21所提供的接駁運作方式
**（一）營運模式
**MM21系統主要包含了控制中心、場站與電動車輛。會員透過電話或網際網路預約車輛並完成付費，在接收到相關訊息後，控制中心透過遠端控制完成車輛的預約與車況管理。會員於預約後，即可於約定時間前往取車。

（二）系統架構
MM21系統架構包括預約系統、會員管理系統、遠端控制系統、付費系統、車輛管理系統等，如圖二。

圖二橫濱Minato-Mirai 21 系統架構

（三）營運成效
橫濱當地通勤人口眾多，一直有停車位不足的問題。MM21 示範計畫除要建立一套Carsharing營運模式外，也希望能夠減少區域內車輛的使用，同時使用電動車做為運具對電動車輛之推廣亦有相當程度的助益。然而根據Masahiko Teramoto NISSAN MOTOR CO.,LTD的評估，認為短期內Carsharing的營運仍需要政府的補助，長期下才有可能只依賴營運收入來維持組織運作。除了Carsharing的營運模式被大眾接受的程度仍有待觀察之外， MM21使用的車輛為電動車，充電站或電池交換站等基礎設施之建置需要投入大量的資金，全面性的建置非一般公司所能負擔；且基礎設施的建置受到當地的法令規範、道路設施等影響，也非一般民間機構所能獨立完成。因此若要將電動車Carsharing的營運模式擴展至全國各地，政府的支持程度扮演了相當重要的角色。

三、結論
從橫濱Minato-Mirai 21的經驗來看，其以電動車輛做為Carsharing運作的基本運具，並結合預約系統、會員管理系統、遠端控制系統、付費系統、車輛管理系統等系統架構，目前已取得了一定的成效。在台灣的電動車推廣方面，初期可以建立一個小型的Carsharing組織為示範，等到產品和技術更為成熟且價格壓低後，再進一步推廣至大區域的範圍。如此可針對民眾的需求，對產品設計及服務方式持續修改及更新應用，建立電動車輛的試運行機制後，可逐步達到宣傳和推廣之成果。此外，也可藉由Carsharing之推動，促使相關廠商投入遠端控制系統、車輛管理系統、智慧交通系統等技術之研發，帶動相關產業之發展。

更多文章請上ITIS智網

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。