IBM攜手MIT成立實驗室，要開發出像人一樣描述所見所聞的AI|數位時代 BusinessNext

由於計算能力的突飛猛進帶動了機器學習的發展，近年來人工智慧取得了不少突破。其中最顯著的體現在語音識別、圖像識別等方面，甚至連一些規則明確的遊戲AI也已經戰勝了人類的最高水平，比如在圍棋項目上擊敗李世石的AlphaGo就是例子。但是人類仍然有一些不可撼動的優勢，比如描述能力就是其中之一。看到一張圖片，AI的確能識別出裡面有兩個人和一個足球，但是卻無法說出「撲錯方向的切赫絕望地目送梅西將皮球送入網窩」這樣的話來，這讓我們人類仍然擁有一絲自豪感。不過情況也許就要不同了，IBM正在跟MIT合作，試圖在機器身上培養出這種能力。

IBM跟MIT聯合成立的實驗室叫做IBM-MIT腦啟發多媒體機器理解實驗室（IBM-MIT Laboratory for Brain-inspired Multimedia Machine Comprehension），該實驗室的目的，是要透過數年的共同協作，尋求解決計算機視覺和聽覺問題的解決方案。

該實驗室由MIT大腦與認知科學系主任Jim DiCarlo領導，研究人員則來自該係以及MIT的CSAIL實驗室，IBM的Watson團隊也會有成員加入，他們希望這種組合能夠碰撞出火花。其目標是研究出一套認知計算系統，這套系統應該能夠像人一樣，具備理解多來源的聲音和視覺信息的能力，然後透過集成再將對世界的這種理解展示出來（而不是簡單的二進制），從而提供醫療保健、教育以及娛樂等方面的用途。換句話說，就是像人一樣表述看到和聽到的東西。

按照這個目標，顯然目前的圖像識別功能還比較初級。 AI可以用與人類相當的精確度識別出圖像裡面的對象，但光有這一點信息並沒有太大的應用意義，圖片和聲音裡面蘊含著豐富的上下文信息都被忽略了。而要想挖掘這些信息，就需要多學科交叉的配合，比如計算機視覺、語音識別、自然語言處理、模式識別、預測方法、決策技術、領域知識等。

為此，這個聯合實驗室將採用了無監督的機器學習對音視頻流數據進行分析，並且按照大腦神經網絡的組織對AI神經網絡進行新的建模，透過多學科交叉來推進計算機的理解。而這種理解有很多的潛在應用，比如幫助老年人、殘疾人改善生活，幫助組織維護和保養複雜機器等各種跨行業應用。

Google對這個方向也很感興趣，而且已經有了一些初步的成果。如上圖所示，它的AI現在不僅可以識別出圖像的一些要素，而且還可以用類似自然語言的方式對場景進行表述了。比如說，「穿紅衣服的人」，「背對鏡頭的長頸鹿」等，這種能力已經高於幼兒牙牙學語的水平。

與Google相比，IBM在AI方面的努力也可謂過之而無不及。除了與MIT進行合作以外，IBM還在決策支援、網路安全、語言深度學習等方面開展了協作，這些的共同基礎是IBM的Watson AI，IBM希望，透過多領域的協作，最終能夠搭建出一個所謂的認知水平網路（Cognitive Horizons Network），到時候（也許是10年左右）也許我們就會看到一個超腦的雛形了。

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。