[何飛鵬] 核心團隊該多大？|數位時代 BusinessNext

過年之前，我循例徹底盤點一下整個工作團隊，在台灣我帶領的團隊約1000人，一個完美的整數，也讓我深覺肩頭重擔難以承受，可是大多數人我並不認識，整個公司分成許多獨立運營的團隊，各團隊主管負完全責任，再由團隊主管向我報告，工作成員與我的互動極少，基於好奇，我約略盤點一下，常與我互動的核心團隊到底有多少人？

我用了幾個方法去計算，第一個是我認識、叫得出名字的人，這種人近兩百人，不到20%。但這並不準確，因為這公司我由小做到大，許多人已經和我工作一、二十年，因此雖然是基層工作者，我仍然認識。另一個方法是，統計下二階的主管，再加上一些雖無主管職，但擁有某些專業的重要工作者，總計約150人，占總人數的15%，這些人應是我們全公司的關鍵戰力。

這次的盤點，協助我解答了核心團隊規模的問題，有一個創業中的讀者問我，他的公司有70個人，核心團隊大約多少人才適當？

組織約可分為兩個層次，百人以上及百人以下，百人以上的公司必須要靠系統、靠制度運營，因此核心團隊的規模與80/20原理暗合，核心團隊通常不會大於20%，我們公司15%的比例尚合常理。

可是百人以下的公司，屬於新創的小規模公司，又可以分為幾個不同的層級：

5個人以下的小規模公司 ：人人都是核心團隊，每個人都要發揮高度的戰力。5個人的核心團隊約可擴張到15人左右的公司。

15到30人的公司： 核心團隊占比約在1/3左右，30人公司，核心團隊不超過10人。

30到100人的公司： 核心團隊則在20～30%左右，人數愈多，團隊占比愈少，100人的公司核心團隊應不超過20人。

這個核心團隊比率，並無任何科學理論依據，完全是我數十年創業經驗的總結，規模愈小的公司，用人愈精簡，必須要人人都有高度的效率，所以10人以下的公司，嚴格來說，每個人都是核心戰力，每個人都要當兩個人用。

而30人又是組織的另一個門檻，30人以下的公司通常經營者的兩眼可及，對系統、制度的要求並不高，因此只要有1/3的稱職工作者，就能使組織發揮績效。

30人以上的公司，經營者一人的英明已不夠用，一定要開始導入制度，例如要有健全的人資、行政等後勤管理系統，一旦系統建立，核心團隊的穩定作用就可發揮，因此核心團隊的比例可以降低，一個好的核心成員甚至可以影響10個人以上。

不過百人以下的公司，如果不能有效導入制度，那永遠不可能變成更大的公司，這時核心團隊的養成與制度的建立同等重要。

[何飛鵬]城邦出版集團副董事長、商周出版發行人。曾任《卓越》雜誌、《保險行銷》雜誌總編輯，曾被金石堂書店選為1997年出版風雲人物。何飛鵬部落格：http://blog.pixnet.net/feipengho

出自經理人網站

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。