Stack Overflow統計告訴你，哪些程式語言在周末特別受歡迎...或顧人怨|數位時代 BusinessNext

Stack Overflow統計告訴你，哪些程式語言在周末特別受歡迎...或顧人怨

根據程式問答網站Stack Overflow統計，在周末討論特別熱門的程式語言由純函數式語言Haskell奪下，相反的，到周末特別乏人問津的則是微軟Sharepoint。

純函數式語言Haskell和企業軟體Sharepoint，分別在周末和周間特別受歡迎

Stack Overflow分析超過200萬則討論串，並統計討論串中的問題標籤數量。由於幾乎所有程式語言在周間的討論數都高於周末，因此，此處的「討論熱度」代表的是，「各程式語言（問題標籤）分別於周末與周間的討論「佔比」」，並分析其在周間與周末是否有明顯差異。

舉例來說，Haskell佔整體周末討論的0.365%，到了周間卻僅佔0.21%；相反的，Sharepoint在周末僅佔0.0683%，周間則佔0.188%，差異相當懸殊。由於Haskell並非企業中常用的程式語言、主要流行於學術圈和數學領域，也反映出工作與程式語言討論的相關性。

網友RandomDev留言分析，在工作時，開發者常須用sharepoint和transact-SQL（tsql）開發內部網站，透過VBA（Visual Basic for Applications）和SOAP（Simple Object Access Protocol）將網站整合到舊系統，管理員再用Windows PowerShell腳本部屬上述系統。他接著開玩笑說，到了假日，受夠公司舊系統的開發者，結合haskell和演算法等人工智慧相關技術、設計機器人的組合語言（assembly）和pointers，以及可做彈道計算器的OpenGL等技術，便可消滅公司所有骨灰級的老舊系統。

有趣的是，在周間特別受歡迎的討論問題標籤，Windows瀏覽器IE（標籤為internet-explorer）也榜上有名。

周末討論度高：低階程式語言、演算法、app開發相關

整體而言，和低階程式語言相關的技術在周末的討論度較高，如C、C++、pointers、組合語言（assembly）等，另外，和演算法、遞迴和數學計算等數學相關的技術也頗受歡迎。同樣位於周末熱門榜上的Heroku和Meteor，為app開發平台，通常被用於快速建立原型，推測可能更適合用於周末業餘型的專案。

另一方面，在周間特別受歡迎的技術都和微軟有關，包含Excel、SQL Server、VBA、T-SQL，或是和其他企業科技公司（如甲骨文）有關。

想知道更完整的數據可參考下圖，越右邊代表討論度越高（如JavaScript, Java, C#, PHP等），越靠近X軸則代表周間和周末的討論熱度並無太大差別，反之則否。

其中，在周間特別受到歡迎、但在周末討論度相對較低的語言，多都和微軟相關，如C#、ASP.NET、SQL Server、Excel、VBA等，而在周末特別受到歡迎的語言則有C、C++、Swift和Node.js等。

遊戲引擎、App開發相關議題在周末的討論熱度逐年上升

過去幾年，在周末相對更受歡迎的程式語言也有變化。例如，Scala和Ruby On Rail近幾年在周末的討論度下降，周間的討論度反而上升，意即這些本來較常用於業餘專案的程式語言，被開發者用於工作的趨勢越來越多。相反的，版本管理系統SVN在周末討論度逐年下降，推測可能和近年開發者傾向用GitHub、因而受到影響。

而近幾年在周末討論佔比明顯上升的程式語言，包含遊戲引擎Unity3D，和開發手機應用程式相關的標籤也穩定成長，如actionscript-3、android-layout、按鈕、ListView等和畫面元件相關的標籤。

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。