眾達國際法律事務所主持律師黃日燦：心懷世界，才能衝出去|數位時代 BusinessNext

大企業與新創團隊難連結

第一個挑戰是，大企業與新創團隊本來就很難連結在一起，這是普世現象。雖然網路創業圈一直認為和大企業缺乏連結，但眾達國際法律事務所主持律師黃日燦認為，這並不是台灣獨有現象，新創與大企業本來就很難連結在一起。「新創與舊有大產業有很大的落差，這一點都不稀奇，所有國家都一樣。」黃日燦認為，老產業與新產業本來就不容易連結，因為需要的資源與人才都不一樣，如果容易連結就不叫老產業。這些大企業如果忽然之間就能聽懂新創團隊在做的是什麼，那就表示這個團隊的創新還不夠。

以阿里巴巴為例，一路走來也是從零開始，沒有哪個舊產業在初始階段就全面支持，但馬雲沒有怨天尤人。「因此團隊要先找到立足點，還有心懷世界，才能真的衝出去，否則只是一個夢而已。當碰到挫折，也不要太快定調，歸咎都是環境的問題、都是大企業不給資源的問題、政府政策太顢頇等，當然這些都是重要的原因，但在這些事實無法改變之前，你必須更加確定自己要走的路。」黃日燦分析。

硬體對新創團隊不見得加分

第二個挑戰則來自於台灣科技大企業的強項是硬體，對網路與新創團隊來說不見得能加分。併購案必須買賣雙方情投意合，也就是「郎有情、妹有意」。然而台灣企業決定要併購網創團隊時，卻時常出現團隊並不想讓大企業併購或投資的狀況。一個極具國際市場發展潛力或已經拿得出國際布局成績單的優秀團隊，會同時思考有併購意願的台灣大企業能給團隊什麼樣的願景？能幫助團隊在世界舞台更上一層樓嗎？併購的金額大小僅是考量因素之一。「台灣的企業能給團隊世界的舞台嗎？如果不行，就算台灣企業有百分之兩百的併購意願也沒有辦法。」黃日燦強調。

加上台灣大企業的強項是科技硬體，對於網路與軟體等新創團隊來說，不見得有很大的加分作用。「舉例來說，台灣國際性科技企業都是硬體通路，對於網路與軟體等新創公司的價值意義有限，除非新創團隊對科技大企業或傳統舊產業的『本業發展』也有加乘效果。」黃日燦說。

對網路與軟體用戶不在行

第三個挑戰是台灣大企業的確比較不懂併購網創團隊「買用戶」這件事。台灣企業還是比較擅長評估硬體製造團隊的價值，對於網路與軟體行業不在行。

黃日燦以Facebook用190億美元購併WhatsApp為例，Facebook的併購案是為了取得WhatsApp的4億名用戶，若把WhatsApp的4億名用戶除以190億美元（也就是一個用戶約47.5美元），得出來的結果並不昂貴。另一種說法是，Facebook擔心中國騰訊把WhatsApp買去，因此「先下手為強」。「假如有一家公司講中文已經有4億用戶，不講中文也有5億用戶，還有誰可以打倒這間公司？有人說Facebook怕等騰訊買去才發現就太晚了。」

但Facebook的併購邏輯，台灣企業不一定會接受與認同。「台灣企業會捨不得花這麼多錢，企業會覺得WhatsApp哪有這麼高的行情，190億美元最後買到的是什麼？只能買到用戶數量，其他全是空的。對於這樣的併購，台灣企業不太會接受，甚至會覺得『不踏實』。不過，也有少部分的企業已經慢慢在改變，例如台灣的有線電視公司會開始計算每位用戶的營收貢獻度（ARPU），而不是去計算公司資產有多少。」黃日燦形容。

黃日燦

出生： 1952年
現職：眾達國際法律事務所主持律師
學歷：哈佛大學法學博士
曾參與的併購案：奇摩與雅虎的併購交易、富邦金控併購ING安泰人壽、中國京東方併購台灣美齊科技、聯發科併購晨星

（尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第249期）
其他精彩內容》》
訂閱數位時代》》

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。