NVIDIA創辦人黃仁勳：在AI時代，台灣有機會和軟體弱項說「再見」！|數位時代 BusinessNext

NVIDIA GTC Taiwan大會今(26)日登場，NVIDIA創辦人暨執行長黃仁勳發表演說後也與台灣媒體見面。黃仁勳指出，在全球的競爭中，台灣在人工智慧領域發展的確有點慢，但現在開始並不算太晚，他還指出，台灣雖然在軟體領域不強，還是有很好的發展機會。這是什麼意思呢？

人工智慧的時代，將不用再寫程式

黃仁勳形容人工智慧是一種「自動化的自動化」（automation of automation），大量降低人力需求與成本，帶來更好的生活品質。

「人工智慧不是讓電腦工程更複雜，而是更簡單。」懂軟體的人並不多，但每個人幾乎都懂得如何教導他人或小孩一樣學習新事物，這和教導人工智慧如何寫程式的本質是雷同的。

在人工智慧的時代，將不用再寫程式了，因為人類會訓練電腦寫程式，也因此台灣有機會和軟體這個弱項說「再見了」！

黃仁勳說，「外界一直認為人工智慧是軟體密集式（Software-intensive），這看法並不正確。」

在人工智慧時代，最重要的是使用者需求洞察與產品願景，台灣不要認為自己在軟體領域發展不強就遲疑不前，相反地，台灣要趕快跳進來，政府需趕緊建置好基礎設施與各類工具，讓各行各業參與其中。

黃仁勳指出，美國和中國是人工智慧強國沒錯，但台灣的科技發展潛能和加拿大與英國等國比較之下，也還有不錯表現，雖然台灣小，但只要找到利基點，還是有貢獻的機會。這也是為什麼新加坡、韓國與德國等國，傾全國之力發展人工智慧。

台灣在Edge AI與Industry AI都有發展機會

此外，也有不少專家認為，台灣在AI發展上最具優勢的是終端AI（Edge AI）而非雲端AI(Cloud AI)。另外，在NVIDIA與台灣的多項合作中，有一項即為科技部投入40億資金推動為期4年的「AI半導體射月計畫」，該計畫的重心也是在終端AI。

那麼黃仁勳是否也認為台灣在Edge AI 比 Cloud AI 有更多的發展機會呢？對此黃仁勳表示不認同。

黃仁勳指出，在Cloud AI領域，的確具有規模巨大的資料中心、人工智慧專家與使用者數據的網際網路服務商佔有優勢。

但「人工智慧不會結束在這裡（Cloud AI），僅是由此開始」。下一個階段的人工智慧會移往產業人工智慧(industry AI)，滲透交通、物流與製造等各種產業。

舉例來說，台灣的公司如台積電使用深度學習做智慧製造、鴻海利用深度學習做視覺檢測與品質管理。

黃仁勳也認同台灣在終端AI有很好的發展機會，終端意指在地，而雲端意指全球，終端人工智慧的商機是很在地的（local）。每個人的終端產品都不一樣，美國公司很難控制台灣的終端服務。而在終端領域，需要各式各樣的人工智慧晶片，這是台灣的機會。

攜手科技部培育人才，推展深度學習應用

黃仁勳強調科技部與NVIDIA深度學習機構將在未來4年培訓3000位開發人員，協助他們將深度學習技術運用在智慧製造、物聯網、智慧城市以及醫療等領域。

去年成立的深度學習機構為開發人員、資料科學家和研究人員提供實作的訓練課程，包括網路實驗室與講師帶領實作的研討課程，教導如何使用開放原始碼框架與NVIDIA GPU 加速深度學習平台。

NVIDIA在國內推動Inception計畫，協助科技部建立青年科技創新創業基地，全力幫助本地AI新創公司成長。NVIDIA 的 Inception計畫是一個集結 AI 與深度學習新創公司的重要據點，除了提供硬體設備與行銷的協助，同時也引領他們進入範疇更大的NVIDIA 深度學習產業體系。

NVIDIA 將支持由科技部主導的海外人才培訓計畫，為博士後研究生提供高階實習生計畫。

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。