KKBOX再優化！耗時三年，打造個人化音樂推薦系統|數位時代 BusinessNext

你知道自己想聽什麼音樂嗎?

「我們最早的想法就是想用科技的力量，讓聽音樂有更好的體驗。」KKBOX總裁李明哲說。他表示，產業內有許多優秀音樂人做出好音樂，企宣人員也賣力宣傳，不過，如何讓用戶適時適地接觸到這些作品卻是個有待克服的難題。如果用戶很明確地知道自己想聽什麼歌，事情還好辦，但是如果需求很模糊，就會需要一套夠了解你的推薦機制。

KKBOX產品開發中心負責人林華指出，這次推出新版產品，共有三大重點優化，其中最重要的就是個人化推薦系統。

她表示，目前KKBOX曲庫中共有3千萬首歌曲，為了提升使用者體驗，從2013年開始，KKBOX的資料科學團隊和台大、中研院和政大等學術單位密切合作，持續優化演算法。政大資訊科學系教授蔡銘峰指出，這次推出的演算法採用最新深度學習技術，並基於深度學習的基礎提出新的表示式學習方法，讓用戶可以更容易接觸到自己感興趣的歌曲、歌手、專輯或曲風。

蔡銘峰舉例，過去傳統作法，可能是去記下一首歌的曲名、歌手名、音樂類型等標籤，但現在的作法則是要讓資料自己去定義出特徵。就好像Google開發機器人在YouTube的影音裡面去定義出貓是什麼樣子一樣。「所以重點是資料量要夠大，才能Drive出來。」他也補充，過去只能在歌曲增加關聯性，但現在則是可以把更多的使用者因素也加進來分析。

給消費者驚喜，創造音樂平台的價值

而實際上，林華表示，在測試時，他們透過「消費者是否點下推薦音樂」、「有沒有聽完推薦音樂」，和「聽推薦音樂的數量是否增加」這三點來判斷，發現新的演算法確實比過去更精準、更有效。

林華也指出，當消費者總是只聽那幾首歌時，KKBOX的價值就難以被凸顯，但若能經由推薦機制，讓消費者因為聽到喜歡卻從來沒注意過的歌曲而感到驚喜時，消費者就會更喜歡KKBOX。

除了演算法推薦，KKBOX也和陳玠安、DJ Rainbowchild等專業音樂人合作，透過人工方式重建分類，並將曲風和情境分類擴充到上百種。例如電子、搖滾、嘻哈等，就可以再細分為House、Trance、Pop Rock、Shoegaze等不同風格的子分類。

使用者介面也改版，並擴充使用情境

在介面設計和音效上，KKBOX也有著墨。林華解釋，在介面設計上，手機和平板上將改以瀑布流方式呈現，方便用戶瀏覽。另外，KKBOX和音樂解決方案公司DTS合作，為耳機使用者打造出寬廣模式、前置模式和傳統模式等三種體驗方式。在寬廣模式中，使用者可以感受到環繞音效，如果切換到前置模式，就像是歌手站在你面前表演一樣。

另外，為因應全螢時代來臨，未來KKBOX不僅支援微軟HoloLens、智慧車用Apple CarPlay和Android Auto，客廳娛樂方面則支援XBOX、Apple TV和Android TV。出外運動時，也能透過Apple Watch、Android Wear聆聽音樂。

KKBOX表示，Android用戶即日起已可下載新版KKBOX，iOS版本則會在本月下旬開放。

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。