115年前，考古學家發現了超過 2,000 年歷史的古希臘電腦|數位時代 BusinessNext

115年前，考古學家發現了超過 2,000 年歷史的古希臘電腦

你以為電腦最早的起源是電影《模仿遊戲》裡，被稱為電腦之父的艾倫圖靈所發明的嗎？快來認識沈睡了兩千前的古希臘電腦「Antikythera Mechanism」，他將顛覆你對電腦的既定印象！

當年幫助古希臘人了解天文現象的電腦「Antikythera Mechanism」，在沉睡了超過兩千年以後，在 115 年前被希臘的考古學家發現，並打撈上岸。

Antikythera Mechanism 這台「電腦」可能和你印象中的電腦不一樣，他沒有所謂的「處理器」、也沒有「顯示卡」，事實上，整台電腦的功用是為了用來計算太陽、月亮、星星、日蝕月蝕等天文現象的計算工具，比起電腦，他其實更像一台鬧鐘。只是西元前 200~70 年的那個時代，能夠製造出這樣的機器已經很了不起了。

Anitikythera Mechanism 的正確使用方法、以及是給誰用？這些問題對目前的考古學家而言都還是未知數，但可以知道的是，這台機器的內部包含了詳細的內部零件，有將近 30 個內部鬧鐘、無數的齒輪用來計算太陽和月亮的軌跡，另外也可以用來記錄古代奧林匹克運動會的時程。以當時的科技來說，能夠做出這樣的技術已經是不錯的成就了。

前幾天 Google Doodle 的照片就是使用了這台電腦作為背景。

故事要回到 20 世紀初，一群漁夫們在吃完晚餐以後，決定潛下水探險，等到他們最後都回到船上以後，其中一位漁夫手裡卻拿著一個銅製的器具，這是世人第一次發現 Antikythera Mechanism。

兩年以後，1902 年，希臘考古學家 Spirydon Stais 在拜訪一間博物館時，偶然注意到了這塊殘骸，Stais 身為一位政治人物，便編列船隊下海進行打撈。在一堆銅幣、雕像中，他注意到了一個生鏽的金屬塊，這也是 Antikythera Mechanism 的殘骸之一，之後也陸陸續續找到了更多部分。

在近幾十年來，科學家們一直都在使用 X 光和 CT 探測器檢測這台電腦的內部，並且試圖將他重組，目前已知的是這台電腦的製造日期，大約是在西元前 200~70 年間。

隨著時代科技的進步，科學家們雖然還是無法完整的重組這台電腦，但利用一些想像圖或是器具，它們還是製造出了一個模擬的 Antikythera Mechanism。

影片裡的 Antikythera Mechanism 是利用樂高積木配上馬達所製作出來的，利用 1,500 個樂高積木、100 多個齒輪所組成。最終目的是可以用來計算日蝕和月曆的週期變化。

儘管對於 Antikythera Mechanism 的正確使用方法，以及在古希臘時期時，這台機器是給誰使用的都還是個謎，但可以了解的是，當時的人對於時間就已經有足夠的觀念了。考古學家和科學家們將會繼續對這台電腦的運作原理進行研究，今天對於古希臘人和 115 年前發現這台電腦的人，都是值得紀念的一天，我們看到了古老人類科技的進步和發展。

本文授權轉載自：T客邦

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。