創新管理的搖籃RPI|數位時代 BusinessNext

RPI（Rensselaer Polytechnic Institute）壬色列理工學院，是美國最早的工學院，在工程教育上有很多的創新，對19世紀美國工程實務上有諸多貢獻（大西部鐵路工程、布魯克林大橋），也是最早於19世紀末接受黑人與女人進入工學院的學校；四年前成為第一所由黑人女科學家當校長的高等學府（最近MIT也用了女校長）；三年前爭取到3億6千萬美金的捐款，大量擴充其生技與奈米科學的研究。

**強調創新與創業的MBA

**
RPI在1980年代即運用閒置的土地及校舍，開始經營科技園區及育成中心，並在1995年獲得年度最佳育成中心。RPI與紐約州及東北地區的主要科技公司如GE、IBM都有長期深切往來，唯其管理學院的規模一直很小。在90年代初期，當時的商學院院長約瑟夫摩朗率先推出「管理與科技」（Management and Technology）的MBA，以RPI的科技優勢將管理的研究與教學鎖定在「創新、創業」領域。
最早他們推出一門DMM（設計、製造與行銷）的整合課程，讓同學針對自己構思的科技產品，從研發、設計、製造、成本分析到行銷企劃，由不同的老師輪流上陣，進行為期一年的學習。RPI也槓桿運用其育成中心，成為同學與創業者第一類接觸的機會，並幫創業團隊進行競爭分析、市場行銷策略等他們極需要又缺乏資源的奧援，讓學生實際體驗創業的艱辛。
最近他們的課程安排又有了更新、更完整的進展。新生訓練歷時一周，主題是「英雄、領導者與創新者」，為新生定調這是一個不同的商學院，說明RPI不是教你「賺錢」（make money），而是教你「創造價值」（create value）的學校。透過邀請畢業校友中的典範人物現身說法，並強調團隊合作、正直、真誠等職涯發展中的重要元素。

**以創新思維回應管理情境

**
除了基礎的經濟與財務分析外，RPI將所有課程分成五個聚焦在科技的管理知識流（streams of knowledge），反應其以「創新」為核心的概念與目標。 1.企業的創造與管理（強調新創事業與成長管理） 2.新興科技的商業意涵（強調科技的應用及科技的營運模式） 3.網絡、創新與價值創造（涵蓋組織管理、供應鏈管理，但強調價值創造） 4.開發創新的產品與服務 5.策略、科技與競爭（策略及競爭分析，但強調科技的成分）
最後的一堂整合性研討「管理前緣」（managing on the Edge），為兩年來的課程做一綜整與應用，以創新、創業精神的思維來回應非線性、不可預期的管理情境，包括組織變革、管理不確定、危機處理、併購及被併購等議題。
我一向強調學習的「情境脈絡」（context）比「內容」（content）重要，類似的管理議題在新創事業和既存大公司，在製造業和服務業的情境都會有所不同，對學生的管理知識、解決問題的技巧和態度也會有不同的影響。
台灣有多位科技管理的教授是RPI畢業，都在各自的學校開授科技與創新管理課程。當時認識的RPI台灣MBA同學，回國後也參與開創的諸次戰役，RPI堪稱是創新管理教育的搖籃。

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。