你網站資料[結構化]了嗎? Google 測試工具告訴你!|數位時代 BusinessNext

你的網站的資訊是否容易被Google或其他搜索引擎找的到，通常取決於你的網站是否有導入結構化資料架構。為了協助網站開發者來確定網站資料結構的最佳化，Google 推出Structured Data Testing Tool [結構化資料測試工具]。這個新工具會告訴你 Google 如何"Read"[讀]你網頁的資訊以用來 mark-up [標記]資料庫，可以協助網站開發者用來做適當的網頁設計語法調整，以達到最佳搜尋效果。

(圖說: 結構化資料會協助機器人提高判讀與標記能力，圖片來源: Emerce)

甚麼是結構化資料?

講到這裡，可能有些人還不知道甚麼是結構化資料，我們來看看世界最大的搜索引擎 Google 是如何定義的:

"結構化資料的標記” (Structured Data Markup) 是一個讓機器人可以理解的標準資料標記方式。當你的網頁有包含結構化資料的數據標記，Google（和其他搜索引擎）可以使用這些資料數據來讓你的網頁內容有更好的索引(Index)效果，而能更加凸顯出來在搜索的結果網頁中，也能更容易浮現在其他的服務上面，如電腦語音回覆，地圖，或是 Google Now 等 “

當然也可能會容易出現在剛推出的 Google Shopping，還有傳言可能很快推出的 Google BuyNow 上面，來協助電商網站提高產品被搜尋到所帶來的流量。

圖說: Google Structured Data Testing Tool 軟體介面，圖片來源: Emerce

(圖說: Google Structured Data Testing Tool 軟體介面，圖片來源: Emerce)

結構化資料測試工具主要特色:

驗證網頁內容是否有包含讓所有 Google 特性都可應用的結構化資料。
支援 JSON-LD 語法的標記方式，包含動態 HTML 網頁。
在網頁清楚標示結構化資料的項目。
在 HTML 來源碼上面直接顯示有標記問題的語法。

簡單來說，使用這個新公佈的測試工具你可以檢查你網頁結構化資料的標記方式，這樣你就可以確定 Google 是否可以搜索到你網頁的資料，並依照你期望的方式被顯示在搜尋結果網頁上。

更詳細的說明，更嚴謹的政策

使用這個新測試工具，你可以很容易知道 Google 如何檢視你的網頁資料，但你要如何確定你的結構化資料有被正確導入到你的網頁內容設計上? Google 也提出更詳細的技術文件與說明與結構化資料政策供參考。

下面提供幾個結構資料最佳化的方向供參考:

豐富的片段資訊 (產品，評測與意見，活動，食譜，軟體應用等)。
善用 Breadcrumb trails 網頁導覽工具。
導入 Sitelinks Search Box 網站連結搜尋框架。
多應用 Knowledge Graph 知識圖譜

(影片說明: Google Knowledge Graph 知識圖譜，影片來源: Google)

新增 JSON-LD 語法的支援

Google 除了提出上述的說明資料與結構化資料政策文件外，還新增支援 schema.org 的 JSON-LD 語法，支援範圍涵蓋有公司Logo，連絡人，社群網頁的連結，知識圖譜的活動連結，網站連結搜尋框架以及豐富的片段資訊等。

善用 API 工具取得大量結構化資料

如果你的網頁架構簡單，不須與外部資料進行連結，則可以使用上述人工的維護方式來進行結構化資料的最佳化。但如果資料量龐大，例如擁有龐大的產品資料庫，產品可能來自多家供應商，因而需避免相同產品出現不同料號或不同規格的錯誤。或是你的網站牽涉到多國語言的產品資料詳細說明，且需要取得外部媒體的產品評測資訊整合到產品頁面的時候，就建議善用 API 自動化工具來連結網站取得外部已經結構化的資料庫，提高網頁結構化資料的維護與更新效率。讓網站資料、產品與服務資料，都因為已經結構化而容易出現在消費者的搜尋結果網頁上面。

資料來源: Emerce

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。