便宜旅遊App Reroo獲得首次歐洲火車程式設計馬拉松頭獎|數位時代 BusinessNext

由HackTrain舉辦的火車程式馬拉松（Hackthon），日前邀請了40個程式設計師和他們的開發原型，用時速200公里從國王十字車站出發，進行踏上為期三天，橫跨4個城市，火車程式設計旅行。

圖說明

目的是接受火車公司們所給予的挑戰，希望可以建立展新的解決方案。

程式馬拉松顧名思義就是在有限的時間，由程式設計師、圖形設計師、界面設計師等軟體開發相關人員，在特定的時間內，相聚在一起。

獲得第一名的Reroo透過他們聰明的圖像演算法來詢問國家鐵路的Darwin API，讓使用者可以透過找尋替代路線，來訂到便宜的火車票，就像是訂機票的Skyscanner一樣。Reroo可以找到更便宜、快速、方便的替代路線，而且可以一次購買不同段的車票，不用一張一張慢慢地訂，或是自己排列組合。

圖說明

第二名的Elastic，則是利用縮時攝影來引導乘客們轉車，讓乘客不用再詢問站務人員，要轉乘的車是在哪一個月台。制作縮時攝影的資料是來自國家鐵路的網絡的衣料，而且他們宣稱，透過壓縮的數據演算法，影片的資料用量極低。

圖說明

第三名的Captivate，則是把娛樂系統帶上火車，讓旅程更加有趣和享受。就像是搭乘飛機的娛樂系統一樣。

圖說明

HackTrain的創辦人和活動招集人River Tamoor Baig表示，辦理這個活動就是要讓目前為止沒有接受到科技扮演重要角色的產業，也能有機會和創新的科技一起解決。

他表示：「鐵路產業一直沒有辦法讓科技創新注意到，但是我們知道有很多的機會可以來增加效率，還有改善顧客體驗，這就是為何我們對於HackTrain的潛在發展感到興奮。我們希望可以幫助鐵路公司創新，多瞭解他們的消費者，然後提供更好的乘客服務。」

這個活動由英國北部的科技孵化所Dotforge還有HackGlobal一起舉辦，目的是聯結Science City York。這次活動也受到許多大公司地站住如彭博資訊社提供自己API日他們使用，Accenture、The TrainLine、Nomad Digital、還有火車公司East Midlands和Virgin East Coast等。

這些優勝的團隊，將在鐵路工業的執行長、投資人、合夥人，還有創業家前面進行募資。

想要瞭解更多正在進行的開發，請用Twitter搜尋#hacktherails。

資料來源：Tech City News、HackTrain、Bloomberg

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。