用 Google 試算表製作甘特圖！範本直接套用與自動排程教學|數位時代 BusinessNext

之前我在電腦玩物介紹過不同平台的甘特圖軟體，研究了製作甘特圖的流程教學，我自己也開始會針對一些複雜專案，嘗試用甘特圖來計算排程：

於是我就想說：那能不能在我自己最慣用的「 Google 試算表」上製作甘特圖呢？

進一步研究之後，發現有一個「 Google 試算表外掛」可以做到，這個外掛叫做「 ProjectSheet 」，使用起來也很簡單，免費就能幫我們建立一套甘特圖的 Google 試算表範本，裡面還包含了自動排程、統計進度等等設計。

「 ProjectSheet 」這個 Google 試算表的範本外掛有區分免費版與付費版，付費版會增加像是資源管理等需求，但免費版也能滿足基本的排程需要。

1. 甘特圖表格之間可以自動連動與統計

在 Google 雲端硬碟中，可以透過「連結外掛」來強化 Google 文件、試算表、表單的功能，下面是一些應用實例：

而在 Google 試算表中如果要使用甘特圖，只要安裝「 ProjectSheet 」這個外掛即可。

安裝完成之後，進入 Google 試算表，打開上方的「外掛程式」選單，找到「 ProjectSheet 」選單，開啟「 Open new project 」，就能建立一份甘特圖試算表。

這份甘特圖試算表就棒的地方就是很多表格欄位都是連動的，在進度欄填寫的日期，會自動畫出進度圖，而一些日期進度也會做自動統計。

2. 如何建立相依子任務？

如果要在這份 Google 試算表甘特圖中開始建立任務，只要在「 WBS 」欄位輸入編號，在「 Task 」欄位輸入任務名稱，後面繼續設定日期成可。

如果要建立母子任務層級，那麼就在「 WBS 」的標籤中用

1
1.1
1.2
1.2.1
1.2.2

這樣來區隔。

而右方的進度圖表都會自動畫出相應的組合。

3. 如何自動調整時程？

當我設定好某個任務的時程，例如任務A 要從 11/1 ~ 11/6 進行六天。

這時候若要改時程，最好的方法是打開右方的功能欄，先選好左方欄位裡的某個任務，這時候在右方的「 Shift start date of tasks 」選擇日期，按下「 Set 」做修改。

例如我把任務A 的開始日期選為 11/3 ，那麼結束日期也會自動改成 11/8。

4. 如何批次調整時程？

若要批次調整一系列任務的時程，那就圈選這一系列任務的表格列，然後用上述方法，修改第一個任務的開始時間，那麼後續其他任務也會跟著一起自動調整。

5. 如何顯示進度警示顏色？

此外你還能勾選「Progress with color indication」、「 Gantt bar with progress color 」這兩個選項，選擇後，在「 Progress 」填寫進度百分比，就會根據任務截止時間顯示不同顏色的進度條。

例如任務可以順利完成是綠色，有風險是黃色，逾期是紅色。
Google 試算表搭配「 ProjectSheet 」，就能建立簡單有效的甘特圖時程表，有興趣的朋友可以試試看。

延伸閱讀相關文章：

「 ProjectSheet 」 Google 試算表範本外掛下載

本文授權轉載自：電腦玩物

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。