再次刷新金氏世界紀錄！這個德國機器人復原魔術方塊只用了0.637秒|數位時代 BusinessNext

再次刷新金氏世界紀錄！這個德國機器人復原魔術方塊只用了0.637秒

由全球領先的半導體製造商英飛凌打造的「Sub 1 Reloaded」，僅用0.637秒便復原了一個三階魔術方塊，並打破了自己先前創下的0.887秒金氏世界紀錄。

只要把眼睛挪開一秒，你就會錯過這歷史性的一刻：

全球領先的半導體製造商英飛凌（Infineon）推出了一台世界上最強大的微型計算器——「Sub 1 Reloaded」。

在德國慕尼黑電子展上，Sub 1 Reloaded僅用了0.637秒便復原了一個三階魔術方塊，並打破了自己先前創下的0.887秒金氏世界紀錄。

此前，人類的最高紀錄是由一名14歲男孩Feliks Zemdegs創下的4.73秒。

要知道，一個普通的三階魔術方塊的組合變化總數約為4.3 X10^19個，若將這個數量的標準大小魔術方塊鋪滿地球表面，可以累積275層，每層厚度約20公尺。

為何Sub1 Reloaded功能如此強大？是因為其內部含有許多微晶片，這些晶片就像電子版的神經、大腦、肌肉一般組成了一個完整的Sub1 Reloaded機器人。

首先，傳感器上的百葉窗被打開，電腦透過傳感器掃描圖像，這樣可以偵測魔術方塊是如何被打亂的。

其次，機器人的「大腦」微晶片透過演算法，在不到0.15毫秒的時間內得出最快的復原方式。

此後，機器人透過半導體微控制器將指令傳輸給六個機器臂，並由機器臂快速轉動魔術方塊，完成對魔術方塊的復原。

為了使轉動時間保持最小，設計Sub1 Reloaded的工程師Albert Breer特意製造了一個「速度立方體」，用以減少移動零件產生的摩擦力。

從以上步驟可以看出，最關鍵的環節便是最後一步——利用微控制器指導機器人復原魔術方塊。

Sub1 Reloaded運用了英飛凌生產的微控制器。這個微控制器與無人車輔助駕駛系統中的控制器很相似，都能使機器能做出「最少反應」（minimal reaction times）。

事實上，「最少反應」在自動駕駛中的作用比在復原魔術方塊中的作用更大。

高速率數據處理對於保證汽車的時鐘頻率實時處於200 MHz來說是必不可少的。因為只有具備了200 MHz的時鐘頻率，一輛車才能安全而順利地在某個障礙物前成功剎車。

因此，這個機器人在魔術方塊上的大獲成功，也會為工程師們改良自動駕駛技術以及晶片處理技術帶來一定的啟發。

42年前匈牙利教授厄爾諾·魯比克發明魔術方塊時，絕對想不到在短短1秒內便能復原魔術方塊。

值得一提的是，當初魯比克發明魔術方塊，僅僅是作為一種幫助學生增強空間思維能力的教學工具。但要使那些小方塊可以隨意轉動而不散開，不僅是個機械難題，還牽涉到木製的軸心、座和榫頭等。

直到魔術方塊在手時，他將魔術方塊轉了幾下後，才發現如何把混亂的顏色方塊復原竟是個有趣而且困難的問題。因此，魯比克決心大量生產這種玩具。魔術方塊在發明後不久就風靡世界。

除了對教育行業帶來深遠影響，魔術方塊也對科學研究產生了巨大推動力。截至目前，晶體學、晶體電子衍射、夸克以及基因學等多個領域的模型構建都曾藉鑑過三階魔術方塊。

而現在，你會發現，人工智慧技術的很多應用場景中也有了「魔術方塊」的身影。

本文授權轉載自：36 氪

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。