使用者經驗專案經理需要了解的事|數位時代 BusinessNext

使用者經驗 (User Experience, UX) 近年來受到越來越多重視，許多公司紛紛開設了相關職位，強調以消費者為主的訴求，但是使用者經驗看似廣為人知，實際上理解此理念的卻少之又少。因此，使用者經驗專家Joseph Dickerson在UX Magazine上提出七項討論UX時需注意的原則，希望能精確的傳達使用者經驗的真諦及運作的概念，讓公司提供真正「以人為本」的產品服務。以下為文章重點摘要：

● 過程反覆耗時

企業主管多要求效率，認為交付的工作越快完成越好，而使用者經驗卻必須花很多時間進行重複討論、思考的循環。由於強調使用者，因此需要投注心力於檢視、反思產品服務的設計是否符合要求。設計完成後不代表結束，根據使用者的回饋再做修改才能達到真正的目標。

● 沒有標準流程

有些經理覺得每個理論都有一套操作的流程，希望專案能夠依如六標準差一樣的步驟執行，只要按部就班就能得到好結果。但真正的使用者經驗專案卻超乎一般想像。每個團隊、專案都有各自的方法，沒有絕對的原則、沒有一定的步驟順序。

● 使用者研究不可或缺

「我們已經和消費者接洽過，為什麼你們還要做這件事？」公司的產品經理對使用者經驗專案總是要和消費者溝通感到納悶，但和顧客互動、訪談所得到的資訊正是使用者經驗的精髓：消費者的心情、感覺、意見都反映了他們對產品的想法，探討背後的需求(need)和洞見(insight)，建立代表使用者(persona)，用以確立我們真正要服務的對象，以及欲注重的層面。

● 產品測試非常重要

專家設計的產品一定很完美，為何還需要讓一般民眾使用測試？他們懂嗎？這是很常被問的問題，而這正是最重要的——如果使用的人不懂，那為什麼需要這項產品？專家具備專業知識技能，能夠運用工具做出好設計，但專家永遠不會了解使用者會如何操作以及產生什麼反應。因此，使用者的回饋是最真實、最有價值的資訊。試著讓使用者介紹、解釋產品功能，以剖析他們眼中的產品形象。

● 使用者經驗(UX)不等於使用者介面(UI)

很多企業公司常把UX和UI搞混，但從定義上來看兩者其實相差甚遠。UI可以說是代表人和電腦互動的媒介，資訊輸入、輸出以及各種資料處理相關的功能稱為介面。而使用者介面，代表評估介面使用的經驗，利用視覺設計美化、按鈕位置調整等方式讓介面符合使用者的需求習慣。不過，介面設計、程式運作、視覺美觀、功能提供等因子都包含在UX中。UX就像是一種理念，以人為本的核心理念。為了解決問題、符合需求，因此利用各種技術和創意讓產品達到目標。挖掘連使用者自已都沒發現的內心渴望。

● 不只是產品易用性

使用者經驗研究的確會注重產品易用性，但等號並不能代表兩者間的關係。使用者經驗涵蓋的範圍較廣、較深，產品易用性只是其下一環。使用者經驗研究是把使用者的需求放在中心，往外發散出各種方式達到目標——設計出消費者容易使用的貼心產品。你應該永遠記得，使用產品的是消費者，他們的產品該由他們決定。

● 沒有所謂的「專家」

當企業要應用使用者經驗於專案運作，會找設計師、領導人、圖形藝術家等各種專家組成團隊，不會直接找一個什麼都會的人。因為使用者經驗的領域包含太廣泛，很難找到完全專精的人。而這也正是UX的特色——跨領域合作。集結各領域的人才，跳脫框架思考，在討論中彼此擦出火花。

資料來源：UX Magazine
@@ACTIVITYID:343@@

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。