Facebook分享成能源，美國中學生打造「社群電動車」！|數位時代 BusinessNext

我們都知道社群網站力量大，但大到什麼程度呢？大到可以成為一輛中古雙門跑車的「燃料」，讓1967 年出產的Volkswagen Karmann Ghia 一路從美國中部堪薩斯州（Kansas），開往東部的華盛頓特區（Washington, D.C.），而從靈感發想、汽車改裝到最後駕駛上路，都是由一群夢想成為汽車工程師的中學生所完成的。

冒險之旅出發前 10 天的第一次試駕，成功！(Photo Credit：Minddrive)

聽起來好像很玄，其實概念架構並不難。這群青少年將事先編寫好的程式語言輸入自動控制開發板 Arduino（如下圖左），接著將控制板和汽車傳動系統連結，一旦網友透過 YouTube、Facebook、Twitter、Instagram 等社交媒體觀賞他們的影片和照片，主動 tag 標籤（像是在 Twitter 與 Instagram 上面貼上 #minddrive、@minddriveorg），即時分享與按讚，或是關注這個實驗計畫的動態，所有訊息都會傳送到 Arduino 上，而這些「社群燃料」（social fuels）便會為後車廂的兩台電池充電，進而驅動這台改裝電動車運轉前進，時速約可達每小時40 公里。

(Photo Credits：Arduino、Minddrive)

「與其給他魚吃，不如教他如何釣魚」，這是非營利教育組織 Minddrive 的成立宗旨，擁有機械、汽車製造與維修等豐富經驗的工程師或車廠老闆，搖身一變成為老師，在為期一年的訓練中，以一對一的教學方式，讓 21 位無法接受都市教育或是曾經被學校師長放棄的中學生們，從最基礎的數學、物理學起，並搭配手作實務課程，教導他們認識零件、了解汽車設計與生產流程、學習如何畫設計圖……，從而啟發他們創意思考，共同改造出天馬行空、充滿未來感的「社群電動車」。

從汽車生產最前端到進階的設計與配置，這群原本對讀書沒興趣的青少年開始懂得獨立思考，合力設計出一輛看似不可思議的概念型電動車。(Photo Credits：Minddrive)

不過，為什麼會選擇「網路社群媒體」當作這次實驗計畫的主軸？因為 Minddrive 想讓青少年們理解：「如果你想讓社會大眾關注你所做的事情，首先你必須先確定他們真的知道細節與內容。」因此，學生們運用當前最新、最熱門的 Instagram 和 Vine 等 app，和網友們分享他們在研發過程遭遇的新鮮事。Minddrive 執行長 Richard Steve Rees（見左上圖左一）也表示，這樣的實驗計畫或許會被視為宣傳噱頭的手段，但不可否認的是，網路行銷的確是推廣品牌的最佳利器，而他們抵達華盛頓特區的最終目標則是和當地眾議員見面，希望政府能更重視美國教育問題。

截至 5 月 28 日晚上 8 點止，Minddrive 的 Karmann Ghia 概念電動車已經收集到 10 萬多瓦的「社群燃料電源」。(Photo Credit：Minddrive)

Minddrive
Minddrive 由普利司通輪胎（Bridgestone）、全球租車龍頭赫茲公司（The Hertz Corporation）、美國機械工程師學會（American Society of Mechanical Engineers, ASME）等企業與組織贊助，每年都會從堪薩斯州與密蘇里州等 5 個地區選出 30 名中學生，讓他們自由選擇汽車設計（Automotive Design）或當代傳播（Contemporary Communications）的實務訓練，課程中以一對一教學模式，每位老師依照學生不同特性與專長，賦予他們在實驗計畫中的工作職掌，從中讓學生自我發現理想與目標。

出自MOT/TIMES 黃伊筠

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。