你的音樂喜好，他們比你還懂──KKBOX資料科學家|數位時代 BusinessNext

音樂聆聽行為很細膩，考驗資料科學家功力

陳怡安表示，雖然同樣是資料科學，但是電子商務和音樂領域差異極大。

「以電商來說，大部分的人都有非常明顯的intention（意圖），就是『我要買東西』。」她以女性服飾為例指出，消費者挑選服飾時，除了風格之外，品牌和身材等也是重要的購買決定因素。「可是在音樂的世界不太一樣，音樂的聆聽自由度是很高的。你可能觀察到一個人聽A曲風、BPM（Beats Per Minute，每分鐘節拍數）是多少、喜歡這個歌手，但是這並不代表他對其他BPM或是歌手不感興趣，而是你要在比較適當的時候推薦給他，他可能就會買單。」陳怡安強調，聆聽音樂，其實和使用者當下的心理狀態有很深的關係。

此外，在電商和新聞領域中，很少會發生「重複購買和觀看」的現象，但是在音樂領域中，反覆聽同一首歌反而是主流行為。因此，什麼時間點要推薦什麼歌曲、推到第幾次才算夠，在在考驗資料科學家的經驗和功力。

「最難的一點是，很多推薦都有demographic（人口統計學）的資訊在裡面，比如說你的年齡和性別，可能可以做很準的預測。可是聽音樂是非常個人的事情。」她舉例說，一位女性用戶或許也會聽搖滾、龐克等比較陽剛的音樂，「所以你很難用年齡和性別去猜她喜歡什麼，還是要從她一些細微的動作去推測。」陳怡安說，使用者聽到一首歌時，有沒有把它加入收藏、是否反覆聆聽，都是重要的判斷依據。

懂音樂會加分，但是合作力才最重要

身為串流音樂產業中的資料科學家，陳怡安自己喜歡聽音樂嗎？「我很喜歡聽音樂。不過有些人聽音樂聽得很專業，可能曲風很挑或是設備很好，可是我不是那一種。」陳怡安說：「來KKBOX之前，我是『有得聽就好』，也會聽熱門的歌手像陳奕迅、王菲。來KKBOX之後，做了蠻多專案，有的專案是和曲風有關，所以越聽越廣，越聽越多。然後你就會發現，聽音樂真的是還蠻個人的事情。」她笑說，經過這幾年的工作歷練，回想起來，以前自認的「喜歡聽音樂」和現在的程度又差很多了。

其實，熟悉音樂對資料科學家來說，只是加分條件，並非決定成敗的關鍵因素。陳怡安解釋，KKBOX平常需要和許多音樂人、專業策展人合作，因此，資料科學家如果對音樂有興趣，當然可以幫助自己更進入狀況。「但是以音樂領域來講，只靠一個人的力量是不太夠的。」

她以曲風分類為例指出，「曲風其實不是固定的分類架構，它會隨時間變動，有時候會有新的曲風出現，有時候會有舊的曲風被併到別的地方。這就要靠專家的力量，幫助你判別分類器好不好，再來就是看使用者的點擊率、留存率等等的反應。」

陳怡安強調，相較於音樂專業，資料科學家更需要具備溝通能力和合作能力。「因為一個人不能懂所有的domain。」

陳怡安解釋，曲風分類會隨著時間變動，例如爵士在1960年代很紅，紅了一陣子之後，就帶動搖滾崛起了。「音樂不像新聞有政治、娛樂等固定分類，而是一直在變化的。」

圖／攝影／吳晴中

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。