關於大資料的常見誤解(二)|數位時代 BusinessNext

關於大資料的常見誤解
我時常聽創業者說自己的公司每天會生產/記錄很多的資料，雖然他們暫時還沒想明白怎麼用這些資料，但把這些資料都先存起來了。他們經常還說，通過這些資料他們的產品/服務將得到很大的提升，仿佛這些資料就是公司的救世主一樣。我不想討論這種觀點正確與否，但想在這裡解釋兩個關於大資料的常見誤解：

一、資料不等於資訊
經常有人把資料和資訊當作同義詞來用。其實不然，資料指的是一個原始的資料點(無論是通過數位，文字，圖片還是視頻等等)，資訊則直接與內容掛鉤，需要有資訊性(informative)。資料越多，不一定就能代表資訊越多，更能不能代表資訊就會成比例增多。我們來看兩個簡單的例子：

備份。很多人如今已經會定期的對自己的硬碟進行備份。這個沒什麼好多解釋的，每次備份都會創造出一組新的資料，但資訊並沒有增多。

多個社交網站上的資訊。我們當中的很多人在多個社交網站上活躍，隨著我們上的社交網站越多，我們獲得的資料就會成比例的增多，我們獲得的資訊雖然也會增多，但卻不會成比例的增多。不單單因為我們會互相轉發好友的微博(或者其他社交網站上的內容)，更因為很多內容會十分類似，有些微博雖然具體文字不同，但表達的內容十分相似。

二、資訊不等於智慧(Insight)
好吧，現在我們去除了資料中所有重複的部分，也整合了內容類似的資料，現在我們剩下的全是資訊了，這對我們就一定有用嗎？不一定，資訊要能轉化成智慧，至少要滿足一下三個標準：

可破譯性。這可能是個大資料時代特有的問題，越來越多的企業每天都會生產出大量的資料，卻還沒想好怎麼用，因此，他們就將這些資料暫時非結構化(unstructured)的存儲起來。這些非結構化的資料卻不一定可破譯。比如說，你記錄了某客戶在你網站上三次翻頁的時間間隔：3秒，2秒，17秒，卻忘記標注這三個時間到底代表了什麼，這些資料是資訊(非重複性)，卻不可破譯，因此不可能成為智慧。

關聯性。我們曾經對關聯性的重要性進行過解釋。這裡不再贅述了，無關的資訊，至多只是噪音。

新穎性。這個和我前文舉的那個社交網站的例子類似，不同的是，這裡的新穎性很多時候無法僅僅根據我們手上的資料和資訊進行判斷。舉個例子，某電子商務公司通過一組資料/資訊，分析出了客戶願意為當天送貨的產品多支付10塊錢，然後又通過另一組完全獨立的資料/資訊得到了同樣的內容，這樣的情況下，後者就不具備新穎性。不幸的是，很多時候，我們只有在處理了大量的資料和資訊以後，才能判斷它們的新穎性。

說了這麼多，是想表達，其實我們手上有用的資料並沒有我們想像的那麼多——大資料本身就是個耍噱頭的詞。在如今這個年代，一個普通的創業公司每天就能生產1GB以上的資料，稍微大一點的公司每天生產的資料都以TB來技術。但在花錢進行大資料分析之前，我們要意識到，資料不代表資訊，更不代表智慧。

來源：dcplus數位行銷實戰家
網址：www.dcplus.com.tw

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。