速度更快然後呢？刷臉支付應用在台灣零售業的三大難題|數位時代 BusinessNext

法規、消費者習慣都是挑戰

可以想像，今天如果不用帶錢包也不用帶手機，只要靠一張臉就能完成支付，確實相當方便也相當酷炫。但要想真正實際應用在日常生活上，第一個要面對的就是法規問題。據了解，這也是先前一度傳出有台灣大型連鎖零售通路業者要參與今日記者會做現場展示，最終卻未現身的原因，就是不想碰觸到比較敏感的法規問題。

然而，不論將來金管會在法規面是否放行，業者也都還必須面對的另一個問題，就是台灣消費者生活習慣。

這裡所謂生活習慣，指的不只是台灣非現金支付占比仍遠低於五成的情況，還包括台灣騎機車人口相當多的現象。因為騎機車的人多，經常可以看到消費者是以安全帽加口罩的樣貌出現在超商等零售通路。在這樣的情況下，恐怕是再高明的臉部辨識技術都無法發揮作用。

而在電子支付比例仍低，以及消費者裝扮習慣這兩個問題存在的情況下，大費周章導入的臉部技術，就可能會成為一個將多數消費者都排除在外的支付解決方案。相信這也不會是業者所樂見的。

當然，若是不要將臉部辨識用於支付，而是先用於消費者行為數據蒐集，作為行銷推播、迎賓服務、客群分析和黑名單警示等用途，至少可以避開法規問題，同時對精準度的要求也可以放得更寬一些。

如何用比速度和辨識率更重要

只是若不是用於支付用途，那麼強調透過「多接取邊緣運算（Multi-access Edge Computing，MEC）」而達到高速和高準確度這兩項特點的重要性，是否也就隨之削減？就像已經實際在中國福建地區超過一百家店導入臉部辨識系統的見福便利店董事長張利，目前也是先將臉部辨識用於支付以外應用，而他就認為以行銷等應用來說，沒有必要像在做安防一樣，不計成本地去追求100%辨識率。

或許對零售業者來說，導入臉部辨識更需要克服的，是如何讓消費者「無感」。這裡的無感，指的是要讓消費者不會有受到監視或隱私受侵犯或是被騷擾的感覺。因此，應該如何記錄消費者行為？又該如何讓消費者感到貼心，而不是擔心或煩心，才是真正應該被解決的痛點。

看準實體零售面臨的經營挑戰，加上新零售話題被喊得震天價響，不論微軟、IBM、英特爾、亞太電信，或是鴻海、研華等國內外廠商，許許多多業者早已嗅到這塊零售業升級的龐大商機。而誰能率先拿下指標客戶並創造成功案例，誰就可能成為市場大贏家。但要想勝出的關鍵或許不只是在新技術本身，更是誰能從零售的實際需求出發，設計出真正解決產業痛點的解決方案。

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。