印度本土叫車服務Autowale打敗Uber|數位時代 BusinessNext

我們對於印度交通的印象都是擁擠與雜亂的，在基礎交通建設不全的情況下，既使Uber早在去年9月進入印度的六個都市營運，仍沒有理想的市場表現，反而是當地人開發的叫車服務「Autowale」更受到青睞。

不像Uber主打的是高檔黑頭車，有趣的是Autowale的叫車服務並沒有「轎車」這個選項，Autowale提供的服務清一色都是印度當地最常見的交通工具「機動三輪車」，其實在印度交通容易阻塞的情況下，機動三輪車雖然沒有轎車舒適，但機動性高、價格便宜，也比較不會因為塞車而動坦不得，所以比起Uber或是私人計程車，民眾的使用度更高。

enter image description here
(圖說:印度常見交通工具─機動三輪車/圖片來源flickr)

不過，去過印度的旅客多半會對搭乘機動三輪車有不好的回憶，三輪車司機的素質良莠不齊，很多都會看你是外國人而大敲竹槓，或是強迫載你去買東西，甚至會謊稱你要去的飯店已滿，拉你到名字相近的飯店，以便拿回扣，種種被詐騙的行為令人惶恐，但Autowale的出現解決了這個問題。

Autowale可以事先運用官網叫車，這讓商務旅客可以精準的安排行程，此外也可以透過手機或專屬App叫車，乘客則須付33分美元的叫車手續費，而乘客的叫車資訊經過中心整理後，會變成簡訊傳到司機的手機。當然，Autowale的主要收益來源還是抽成，佣金約是每次車錢的10-15%，其他所得都是司機擁有。

去年Autowale的營收達到約33.5萬美元，雖然還沒有獲利，但這項創新的服務確實讓當地人的生活變得更好，傳統機動三輪車司機收入很低，工作12個小時只有300盧比(約新台幣150元)，但司機Dusane就表示加入Autowale之後，他每天只需要查看手機簡訊安排載客行程，就能有穩定的收入，賺的錢還可以供三個女兒就讀英語學校，而女性乘客也反應她們能有更安全的乘車體驗。

enter image description here
(圖說:印度民眾可以透過Autowale呼叫機動三輪車/圖片取自Autowale官網)

創辦人Janardan Prasad在大學時就嘗試開發Autowale，當時組織400多名司機，但最終以司機多於用戶的結局失敗收場，他在2011年捲土重來，首期只雇用5名司機，再慢慢擴大規模並加強與司機之間得溝通，爾後才營運三個月就累積75名司機，每天則有超過100筆以上的叫車需求。

現在的Autowale每年載客量高達10萬人次，擁有850名員工的他們除了正在募集資金將服務推展到更多城市外，也計畫在將來為旗下所有的司機投保，這樣保障司機的行為在印度是很罕見的，然而，Autowale的故事也反映了許多創業家的經歷，創業不可能一次就成功，但「創業讓生活更美好」信念是不變的。

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。