華爾街的人才為什麼紛紛湧向矽谷？|數位時代 BusinessNext

許多華爾街的銀行家開始脫下西裝革履，轉而換上了休閒的運動服。走出高樓林立的紐約，來到好山好水好陽光的矽谷。

5月份，高盛集團的科技、媒體和電信組的負責人Anthony Noto決定辭職加入對沖基金Coatue Management。但到了七月份，令整個華爾街意外的是，他接下了Twitter CFO的擔子。

Noto並不是個案。如今，正有大批財經專家和商學院畢業生，紛紛放棄了銀行的工作，蜂擁前去科技類公司。Adam Zoia是搜尋公司Glocap Search 的CEO。他說，自金融危機以來，代表身份和地位象徵的金融類工作便熱度大減，而科技類工作卻異軍突起。

據華頓商學院數據顯示，科技行業的就業率位列第三。2014 年，13.5%的畢業生選擇了這一領域，這個數字在2008年僅僅是5.6%；2013年，18%的哈佛商學院畢業生選擇了科技行業，幾乎是2008年的三倍。轉行的不僅僅是剛畢業的MBA，就連已經涉足銀行業的人也都迫不及待想跳槽。

Cathy Li便是其中一員，2009年，她離開了Barclay，加入了Gilt Groupe。她說，僅僅呆了兩個月，她便去意已決。並非工作不順，而是企業文化難以融入。「那裡的人窮得只剩下錢了，我沒有任何導師，整個人都迷失了。」而新的工作竟是曾經被自己拒絕的公司，她搖身一變成為一名產品經理。放棄一份優厚的收入並不容易，跳槽也沒有想像中那麼輕鬆：缺乏經驗、隔行如隔山、適應矽谷開放自由的工作，還要放棄曾經的優厚待遇。

Adam Zoia 表示：「金融人才也有不少優勢，他們工作拼命、高效、死守deadline。」

Hired的聯合創始辦Matt Mickiewicz認為，創業公司需要會做生意的人，他們能幫助公司成長。尤其是那些MBA，他們懂得預估市場規模、並巧妙制定策略，讓公司名利雙收。SkillBridge的聯合創始人Stephen Robert Morse也對此深信不疑，「懂得使用Excel、會分析數據、有好創意的人，都是創業公司所需要的。」他希望自己的員工學會運用數據，去擴大用戶量、增加購買量。

新創公司如此，大公司亦然。LinkedIn便是個例子，他們正不遺餘力得挖財經、諮詢類背景的專才。人事總監Brendan Browne希望藉鑑他們的問題處理框架，數據挖掘技巧，以及有效的溝通能力，這些都是LinkedIn的業務核心。而候選人們的工作範圍也會超越金融，分散涉及到公司運營、企業建設甚至銷售等領域。

Li在Gilt主要負責網站分析、確定模式、以及解決商業問題，這些工作無一不考察她的創造性和問題解決能力。然而，幾個月前，公司還只是希望找一個有銷售或者工程背景的人做這些事。創業公司早期希望獲得大筆資金，接下來他們要做的是精打細算。

頂尖的科技公司Google, Facebook 和Amazon 都開始增加對MBA人才的需求，給出的薪資與金融類職位不相上下。對於早期的創業公司，如果發不出這麼高的薪水，也會用股份吸引有衝勁的年輕人。除了期權池（Option Pools）的誘惑，科技類公司還會為員工提供更多成長空間。比如LinkedIn的暑期實習律師Audrey Zhou 就在收購Newsle的項目中，得到了與執行長Jeff Weiner以及共同創辦人Reid Hoffman溝通的機會。

本文編譯自cnbc.com，轉載自36氪

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。