緊追Uber、特斯拉，Lyft宣佈將在2025年全部換用無人駕駛汽車|數位時代 BusinessNext

緊追Uber、特斯拉，Lyft宣佈將在2025年全部換用無人駕駛汽車

緊跟競爭對手的步伐是Lyft的一貫宗旨。因此，當Uber在匹茲堡推出自己的無人駕駛車後，Lyft共同創辦人John Zimmer為了要讓Lyft加速進入「第三次交通革命」，他列了十年發展計劃。

Lyft總裁的十年計劃

對於密切關注Lyft無人駕駛汽車事業的人來說，這項較為詳實的發展規劃在2016年1月Lyft宣布進軍「未來交通事業」的一年後才終於姍姍來遲。在當時，通用汽車曾向Lyft注資5億以換取公司10%的股份，並與Lyft在自動駕駛汽車開發方面達成了合作。

然而，儘管Zimmer的這個「未來交通三部曲」聽起來十分崇高，但我們尚不清楚GM是否對這一想法完全買帳。通用執行長Mary Barra雖然曾經表示，自己同意「在共享經濟模式的蔓延下，個人汽車保有量將有所減少」這個看法，但卻預計這個參數在未來某個時間點將會重新回到頂峰。

在1月份GM投資Lyft的消息被確認後，Mary Barra曾在接受科技媒體Recode採訪時這樣表示：

「我們已經意識到自動駕駛技術將會被首次應用到汽車共享模式中。但必須強調的一點是，這一趨勢將會與汽車持有率達到某一平衡。也就是在說，後者在某種程度上將不會受到前者的衝擊。而這就是我們能夠與Lyft達成合作的根本原因。」

具有諷刺意味的是，Barra在2016年初提出的這個觀點得到了特斯拉CEO馬斯克的積極響應，而後者被視為通用汽車當前最大的競爭對手。馬斯克在今年7月公佈的下一個「十年規劃」（Master plan 2）中正式談及了自己的共享汽車計劃：未來，公司將為用戶鋪設一個由特斯拉自動駕駛汽車組成的共享經濟網絡。在這裡面，車主將可以選擇讓陌生人搭乘自己的汽車來賺取額外收益。

據彭博社報導，實際上，馬斯克起初並不認為「汽車共享」就是交通運輸的未來，但其態度在最近卻有了很大的轉變，Master plan2就是一個最好的證明。儘管Zimmer對馬斯克的部分想法（針對「搭建汽車共享網絡」這一點）給予了肯定，但他卻對馬斯克的這番願景提出了強烈質疑：

「首先，與那些東拼西湊的私人車隊相比，我們的專業車隊具備強大的穩定性與可用性。更況且很多車主並不願意將自己的私人車輛租給陌生人。因此。那種方案（指馬斯克的計劃）將會很難得到拓展。
最重要的是，乘客們都期望搭乘那些乾淨且保養良好的汽車，而這個願望可以在Lyft有組織的運作中很好地實現。目前，我們的業務取決於在最大限度上提高車輛的利用率，並管理和解決車輛在高峰時段的出行問題。這些優勢都能讓我們為用戶提供價格最優惠、覆蓋面更廣的無人駕駛出租車。」

2017年就在眼前，對於 Lyft能否按照其規劃推出自己的半自動駕駛計程車隊，我們拭目以待。

本文授權轉載自：36 氪

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。