工程師看過來！麻省理工推出新工具CCC，程式碼移植變簡單了|數位時代 BusinessNext

工程師看過來！麻省理工推出新工具CCC，程式碼移植變簡單了

透過CodeCarbonCopy，開發人員可先選擇A軟體的一段程式碼，再選擇B軟體的插入點，系統就能自動進行必要的變更，妥善植入。

麻省理工學院（MIT）的科學家們已開發出了一款名為CodeCarbonCopy（CCC）的新工具，其中一名開發成員Stelios Sidiroglou-Douskos表示：「CodeCarbonCopy能夠實現軟體工程界夢寐以求的目標之一：自動重用程式碼。」

透過CodeCarbonCopy，開發人員可先選擇A軟體的一段程式碼，再選擇B軟體的插入點，系統就能自動進行必要的變更，如改變參數名稱等，以確保程式碼妥善的植入B軟體中。並且，在移植程式碼時，CodeCarbonCopy還能執行靜態分析，移除在A軟體中必要但在B軟體中毫無作用的功能。

CodeCarbonCopy之所以能夠做到這些，第一是有基本變量移植的能力，使用CodeCarbonCopy意味著從獲取和導入程式碼片段的兩個地方並行運行程式，CodeCarbonCopy可識別完成同一角色的變量，並為操作人員將它們列出來。它還顯示了無法匹配的變量，這樣一來，工程師可以手動關聯變量或者將變量從移植過去的程式碼去除。

另外，CodeCarbonCopy還能考慮兩個程式在內部是如何表示數據的，相應調整移植過去的程式碼。這參照了每個程式碼庫是如何處理數據的（比如在兩種不同的顏色格式RGB和BGR之間進行調整）、以什麼順序處理的。也正因如此，CodeCarbonCopy目前僅適用於在處理的數據採用固定格式的應用程序之間移植程式碼，比如圖像、影片、音頻、PDF及其他格式。

據悉，該工具還沒有正式對外發布，目前在內測和完善階段。研究團隊透露，他們已經成功使用CodeCarbonCopy在六款流行的開源圖像處理程序之間移植了程式碼。團隊進行了8次試驗，其中7次成功，接受端程序成功的執行了移植過去的程式碼，沒有錯誤。測試的軟體分別為：MPlayer、VLC、mtPaint、cwebp、bmp2tiff與ViewNIOR。

當然，這不是麻省理工學院（MIT）第一次試圖革編程界的命。此前，他們還設計開發了一款少兒編程工具Scratch。使用者可以不認識英文單詞，也可以不會使用鍵盤。構成程序的命令和參數透過積木形狀的模塊來實現，用滑鼠拖動模塊到程式編輯欄就可以了。

此外，MIT開放的圖像標註工具源程式碼LabelMe也是一款非常實用的圖像圖標輔助工具。眾所周知，計算機視覺需要用到大量的標註圖像，而這款工具能夠幫助用戶創建定制化標註任務或可執行圖像標註，從而提升效率。

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。