[官振萱]媒體轉型不能靠直覺，那麼你依賴的是什麼？|數位時代 BusinessNext

毫不含糊檢視我和讀者的關係

F小姐（工作超過20年，翻譯超過20本書，做過雜誌、出版編輯、報紙國際新聞編譯，現在是單位裡的「社群女王」，讓報社粉絲團起死回生）：

數位轉型，最困難的是一開始心理上的恐懼，改變領域，還要接受別人檢視。所以要接受自己「不夠好」，這麼晚才開始學習數位，心理上會矮人一截，如果始終在傳統媒體的軌道上工作，習慣大家的肯定，我不用直接面對這些。

最大的突破是開始明確檢視「我和讀者的關係」。每次討論題目妳都會問：這和使用者有什麼關係？以前在報紙編譯國際新聞時不需要回答這個問題，我們覺得重要的，它就重要。現在要重新檢視我覺得重要的，是不是讀者覺得重要的。最有幫助的訓練就是數字分析，迅速、明確、毫不含糊的檢視自己對讀者的判斷是否正確。

一年來的轉型訓練，很多項目都鍛鍊過，但淺嘗即止，接下來我想要自己找一個項目，花時間去累積紮實的實力。目前想要選的是社群短影音，包括題材判斷、剪接、下標、讓它在社群發酵。

傳統媒體的同事，多半實力好、見識高，不容許自己做出幼稚、不完整、實驗性的東西，寧願守在原地。如果組織不調整，沒有立刻否認他們的價值，就會覺得原來的方式仍是很好的，導致自己改變的腳步鬆懈。

丟在全數位的環境裡成長最快

L先生（當過兩年編輯，八年記者，目前為新聞部數位製作人）：

最初踏入數位覺得技術門檻很高。以前做記者只要會搜尋資料，連雲端硬碟也不會用，現在很多數位產製的工具都要會。接著是觀念的問題，過去寫新聞沒有TA（目標使用者）的觀念，記者通常目標是「上到報紙頭版頭」，因為代表長官肯定你。但沒有想過，服務的對象到底是報社的長官，還是讀者？

進入數位世界是很殘酷的，因為什麼都有數字可以佐證，記者的優越感消失，常常自以為了不起的作品瀏覽率卻非常低，會很受挫，自己拉不下臉來。

不過，挫折中還是可以找到小小的成就感。比如一個作品，意外得到很大的回響，數位時代沒有絕對的法則，新鮮的事很多，也是數位環境最好玩的地方。就是這樣度過挫折，然後不斷往下找新的目標，嘗試對準使用者。

所以學習數字分析是很有用的。另外，和不同數位專長的同事合作，比如視覺設計、產品開發等，慢慢將數位的知識和能力累積起來，養成用數位來思考，整個人被丟在全數位的環境裡成長是最快的。未來，我想花更多心力投入「短、精、快的視覺化數據新聞」，協助年輕同事，結合新聞專業與數位經驗。

不過感覺上目前很多人還是沉浸在自己的舒適圈裡，習慣長期以來的工作模式。其實就放膽踏進數位的領域，甚至全數位的領域，一段時間後即便回到原工作崗位，也會很不一樣。

@@BOOKID:126688@@

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。