3D 列印你的藥|數位時代 BusinessNext

麻省理工學院教授 Jung-Hoon Chun 今日在台北時代基金會暨麻省理工學院（MIT）全球產研計畫台灣年會上介紹近年來有關 3D 列印技術的發展，提到其中一項其所屬的實驗室在1980年代就已經開始開發的3D列印技術，近年的驚人發展與應用。

（圖片說明：未來的藥錠或將改變型態，epSos.de 分享於 flickr，CC by 2.0）

一般所熟知的 3D 列印技術近年來在製造業掀起大規模的進展，並且將預計影響到一般製造業的產業結構。Jung-Hoon Chun 教授特別提到，5月在一項 MIT 與 GE 的合作上，討論了目前 GE Aviation (奇異航太)正在測試一系列的飛機引擎零件將試著使用 3D 列印技術來製造，除了可以大規模降低成本、改善零件結構並輕量化、改變飛機引擎設計外，也可以加快生產效率。然而，這類技術不是只能用於製造，並改變你我的交通未來而已。這樣的技術如今也已經被用在製藥業上。

早前，格拉斯哥大學化學系教授 Lee Cronin 在 2012 年於 TED 的演講提過他對未來製藥業的想像，他認為未來的藥物將會為了特定的單獨病人製造(而非現有大量製造再配藥的模式)，透過 3D 列印技術，製造藥的單元可以小到在當地藥局或家裡就可以製造並可以隨時提取。

（影片說明：Lee Cronin 2012 年於 TED 的演說：印出你的專屬藥物）

這樣的技術並不只是想像或實驗室產品。MIT 教授，同時也是製造與生產力實驗室主任的 Jung-Hoon Chun 在今天於台北提到，該實驗室正在與製藥商 Aprecia 合作，授權使用 MIT 所發展出的一系列 3D 列印技術來製造藥物。

Aprecia 製藥在今年稍早已經公佈他們的計畫，將在俄亥俄州的實驗室嘗試使用 3D 列印技術製造快速溶解的製藥配方 Zipdose 。 Zipdose 使用 MIT 的 3D 列印製程，透過某種「水凝狀流體」(aqueous fluid) 當作中介，連結特定藥物的粉末組成。 Aprecia 在其網站強調這樣的製程可以協助製作奈米等級的藥劑，更能精確治療疾病目標。事實上，也有類似的製造方法正被應用在製作糖果上。Zipdose 依賴電腦輔助，透過 3D 列印技術，將一般的藥錠以 3D 列印的方式，一層層堆疊製造，也因此不同於傳統使用高壓或製模的方式所製造出的實心或部分空心藥錠，可以製造出具有空心結構性的藥錠，也可以製作出每一層成分不同但可以互相連結的藥錠，用以局部產生特定藥物反應。這種藥錠特別能夠「快速溶解」，適用於某些需要讓人類快速吸收的環境。

（影片說明：Aprecia Zipdose 技術所製作的藥物可以比傳統快速溶解藥物更快速溶解）

根據 in-PharmaTechnologist.com 的報導，Aprecia 已經投資超過 2,500 萬美金在新的 ZipDose 技術上，預計可以提供製作最高 1000 毫克的藥物。Aprecia 已經在 2014 年 10 月將相關的製藥技術送至 FDA (美國聯邦食藥署) 進行驗證。

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。