【MWC 2018】用手機開車？華為靠AI控制保時捷無人駕駛|數位時代 BusinessNext

【MWC 2018】用手機開車？華為靠AI控制保時捷無人駕駛

華為(Huawei)在MWC 2018上，沒有發表手機，倒是展示自家手機Mate 10 Pro的AI功能，透過搭載「麒麟 970 處理器」以及「神經處理單元（NPU）」增強運算能力，成功讓一台保時捷自動避開前方障礙物。

華為用手機開車？全靠AI秘密武器

上週，一支「華為用手機開車」的影片在網路上流傳，影片中華為用一隻活生生的狗當作障礙物，接著用搭載人工智慧（AI）的Mate 10 Pro手機進行障礙物分析，成功的在逼近狗狗時從旁掠過。

表情無辜的狗狗成為了華為炫技的道具，不過也證明了Mate 10 Pro具有理解周遭環境的能力。這款手機搭配華為相當自豪的「麒麟 970 處理器」，搭配一顆獨立的「神經處理單元（NPU）」增加運算能力，透過車頂的攝影鏡記錄前方圖像資訊，再回傳至Mate 10 Pro手機分析障礙物。

也因為手機本身處理器具AI功能，因此可以在沒有連接網路的情況下運作，不僅能夠辨識道路上的物件，還能做出迴避的決策避免意外碰撞。

Mate 10 Pro展握駕駛大權，自動避開障礙物

在本屆MWC 2018中，華為也透過一台改裝的保時捷Panamera，展示Mate 10 Pro驅動的自動駕駛功能。

展示一共分為兩階段，一開始車輛會以五公里的時速行駛約50公尺，當車頂上的鏡頭識別出前方障礙物時，會詢問該左轉、右轉還是停止，這個階段主要目的是透過機器學習（Machine learning）讓車子邊跑邊學；第一階段結束後，會以30公里的速度行駛，搭配安裝搭載特殊App的Mate 10 Pro手機，系統就可以依照第一次的預設來因應障礙物。

現場華為共準備了腳踏車、狗、足球的圖片置於路中央充當障礙物，按下「Get Started」後車子就會啟動，讓Mate 10 Pro掌握駕駛大權。

沒要造車，而是展現手機潛力

根據華為說法，團隊只花了五個星期就完成系統建置，搭載神經處理單元（NPU）的Mate 10 Pro，號稱每分鐘可以辨識約2千張圖像。

華為強調在MWC 2018上展示這套系統並非要製造無人車，而是想展現小小一台手機所擁有的強大運算能力。「我們手機產品在物件識別領域已經相當傑出，因此我們想試試看手機能否在短時間內學會開車，甚至活用AI識別目標並避開障礙物。」華為歐洲首席營運長Andrew Garrihy説。

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。