人工智慧：亞洲矽谷遺失的重要板塊

「亞洲．矽谷」計畫執行中心將於十一月初正式啟用了。

國發會發文指出，「亞洲·矽谷推動方案」9月在行政院會通過，為加速本案落實執行，預計於11月成立計畫執行中心，本案計畫執行中心招標案於10月24日上網公告，現階段主要工作為在桃園成立計畫辦公室與建立計畫推動機制，並在臺北設置服務據點。

目前正規劃申請「科發基金」支應，惟因相關審查作業刻正進行中，為加速計畫辦公室成立與本案推動時效，故規劃105年度先由國發會公務預算支應986.9萬元。至後續推動部分，則配合106年度推動創新產業研發補助旗艦計畫作業規定(計畫期程最長不超過4年，計畫需每年進行審議)申請4年期計畫，106年所需經費已申請科發基金支應。

亞洲矽谷支字未提人工智慧

雖然爭議多時的亞洲矽谷案雛形逐漸完整，國發會也將把計劃推入執行階段，但很可惜的是這個以生技、能源與物聯網等主要產業為重要投資項目的計畫案，卻完全沒有提到作為這些產業底層最重要的技術──人工智慧。因為人工智慧不是單一產業，而是每個產業的的未來與延伸是基礎設施，就像水與電一樣。

以亞洲矽谷所提及的能源領域來說，台灣不應該僅研發綠能，更應該要直接導入人工智慧用於能源產業。最著名的案例就是Google。今年Google執行長皮蔡（Sundar Pichai）在財報會議上明確表示，DeepMind團隊的人工智慧技術幫助Google數據中心節省了40%的能源利用。

整個亞洲矽谷計畫支字不提「人工智慧」。當然，沒有提及不代表政府不重視，但外界無法知道人工智慧發展和亞洲矽谷的關聯性是什麼？也看不出政府要拿出多少資源投資在人工智慧技術上？計畫東一塊，西一塊，會不會又是多頭馬車缺乏整合性？

僅有13.65億，少得可憐的科技部人工智慧領域預算

其實不僅亞洲矽谷計畫遺失了AI這個重要板塊，科技部在人工智慧投入的預算也少得可憐。科技部指出，政府用於補助與人工智慧技術研發如深度學習、人工智慧、機器學習、無人機、自動駕駛、機器人等相關6種領域，共1,691件計畫，總經費約近13.65億元。

根聯合報報導，九月出席台灣半導體產業協會（TSIA）的聯發科創辦人蔡明介就秀出數據，美國在自動駕駛車投資40億美元，無人機投資46億美元，日本產業經濟省對自動駕駛、機器人及產業保安等預計投入145億美元；韓國規畫於2016年至2020年投入30億美元發展，建立國家級AI中心。我們不和美國與日本比較，科技發展和台灣最為雷同的韓國都規劃了30億美元（約新台幣969.4億元），而台灣卻僅有13.65億台幣，兩者整整相差了71倍。而且蔡明介沒有提到是，歐盟與美國早就長遠佈局人工智慧。歐盟在2013年就啟動10億歐元「人類腦計畫」，同年，美國宣布啟動45億美元的「腦計畫」。

台灣創業家靠自己自立自強

還好，台灣創業家一向自立自強，在沒有政府的大力支持下。已有不少創業家投注在人工智慧領域，其中最為出名的就是Appier。Appier就將AI和大數據運用在跨螢數位廣告行銷解決方案與即時競價（RTB）上，也是亞洲第一家將AI運用在跨螢技術的公司；Appier在種子輪、A輪、B輪募資總計已獲得3千萬美元（約10億元台幣）。

除了Appier，還有許多AI新創都在近日展露頭角。根據《數位時代》的報導，創意引晴（Viscovery）在十月則獲得1千萬美元融資，其團隊花了兩年研發出影音大數據分析技術，運用人臉、圖片/商標、文字等七種不同的辨識技術，透過深度學習計算影片情境及廣告投放效益。行動貝果（MoBagel）也用深度學習去做商業預測，切入物聯網，讓軟體銀行與Nokia都與之展開策略合作；此外，安全控制方面的新創團隊盾心科技（Umbo CV）與行品科技（Skywatch Innovation）等公司也持續在AI領域深耕茁壯。

而創意引晴更在十月份舉辦「Viscovery電腦視覺與深度學習頂尖研究成果分享會」會議聚集了台灣深度學習等領域的多名研究員對其最新研究成果進行分享。與會者50餘人，包括各相關領域的專家學者，他們在會上就各研究者的發表進行了熱烈討論，並在會議結束後評選出5篇優秀論文，分別頒發3萬元的獎金。

創意引晴希望能夠透過此次活動鼓勵、補助台灣的教授、研究員、研究生投搞並參與世界頂級Computer Vision、Machine Learning、Deep Learning研討會，同時由錄取ECCV、ACM MM、ICPR、CVPR等研討會的論文發表者們將世界最先進的技術與應用分享給台灣各界，讓台灣在最新一波的AI人工智慧革命中取得先機。

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。