日本東京大學發表革命性高速即時動態光雕投影技術，扭曲變形的衣服一樣能投影|數位時代 BusinessNext

日本東京大學發表革命性高速即時動態光雕投影技術，扭曲變形的衣服一樣能投影

先前光雕投影有些限制：被投射物必須是不會變形的剛體。然而日本東京大學的石川渡邊研究室突破了這項侷限，發表了新成果──「以高速投影到動態變形非剛性表面的投影方法」。

光雕投影（或稱 3D 投影映射）是這幾年來大型表演活動中常被運用的新興技術，透過光雕可以改變建築物或者任何物體的外觀，把現實世界中平淡無奇的物體變得如夢如幻，大開觀眾的想像空間。不過，當前的光雕投影有些限制：被投射物必須是不會變形的剛體。而在上周，日本東京大學的石川渡邊研究室突破了這項侷限，發表了新成果──「以高速投影到動態變形非剛性表面的投影方法」。

在進入正題之前，先大略介紹一下光雕投影。簡單說，就是準備很多很多台的投影機，圍繞在一棟建築物的四周，然後用電腦控制這一大堆投影機，在晚上投影到建築物上，將建築物當做畫布，做出種種絢麗的表演。演出過程要考量到建築物是立體的，必須考量投影到的表面不是平的，得用電腦把投影的畫面事先針對每一台投影機要投射到的地方，算出對應的變形，才能投影出去。可以是在上面畫東西，也可能是天馬行空地把建築物變成完全不同的東西等。關於實際的作品，筆者推薦非常經典的《2012 東京光之祭典》或者日本萬代玩具公司出的一場表演的迷你版 HAKO VISION（用手機就可以欣賞）。

而這樣的技術，僅限於事先做好的靜態影片內容與靜態投影環境，東京大學的石川渡邊研究室不滿足於此，企圖克服這樣的限制，進行了動態光雕投影的研究。動態光雕投影的困難，是要捕捉真實世界「布幕」的動態即時變形，隨即低延遲地調整好要投影的虛擬影像，使投射出去以後，讓我們的視覺感官覺得吻合、沒有破綻。這最基本需要一台畫面更新率高、低延遲的投影機，於是該實驗室就自行開發了高速投影機「DynaFlash」，它在 8bit 色階（一個點可以有 256 色）時更新率高達 1000FPS，最低延遲（latency）才 3 毫秒（ms）。

有了這個基礎以後，更進一步要處理最有挑戰性的部分：如何正確投射影像到非剛性不斷形變甚至有遮蓋情形的「布幕」上呢？如果用即時影像辨識技術的話，是來不及的。石川渡邊研究室提出了這樣的新方法──「可變形點陣標記」（ Deformable Dot Cluster Marker，DDCM），這個做法類似 AR 擴增實境的概念，是用紅外線才看得到的墨水（人眼看不到），在衣服上面事先印好特定的點陣標記圖後，即使目標物發生大變形或者遮擋，DynaFlash 投影機的感應器也能穩定地在 1,000fps 下即時「看到」目標物上的點陣標記，以投射出正確的變形後畫面。

使用這些基本技術，包括 DynaFlash 和 DDCM，就可以在變形非剛性表面上進行新式的動態投影映射了。在石川渡邊研究室的展示影片中，可以發現翻轉、扭曲、移動、伸縮都難不倒，由於投影和感測都是以 1,000fps 的速度在運作，就好像投影的圖案本來就是印在衣服上般地自然。更特別的是，可變形點陣標記可以是複數的，也就是說這讓投影機可以靈活地「辨識」出不同的目標物，而同時加以投影出不同的圖案。

在應用上，可以想像演唱會表演時，偶像歌手穿著一件單色白淨的衣服，不用實際的換裝，就可以變換出一件又一件的不同衣裝；不用拜師學數十年學習高難度的川劇變臉技術，臉上只要戴著一張純白的面具，就可以一張又一張的不斷翻臉。非娛樂的應用方面，不用開刀，投影出內臟器官到人體上，輔助醫學院教學應該也是可預見的應用。真期待這項技術的後續發展呢！

本文授權轉載自：科技新報

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。