F1 賽車界的最高殿堂|數位時代 BusinessNext

F1全名為一級方程式賽車（Formula 1），是單座位（Single Seater）賽車中最高等級的賽事，在F1之下的單座位賽事還有F3000、F3、雷諾方程式、福特方程式乃至於Karting小型賽車，但是除了F1之外，其餘比賽大多是區域性的，車手們經過這些區域比賽的歷練，並獲得優異的成績之後，才有可能獲得F1各車隊的青睞。F1如同美國職棒的大聯盟一般，是賽車界的最高殿堂。

**54年歷史，法拉利車隊戰績最優

**
F1始於1950年，至今已有54年的歷史，比賽也隨著運動經濟規模的擴大以及大量科技的投入而愈形複雜。以2004年為例，共有十支車隊，每支車隊可以派遣兩輛賽車出賽，比賽分為車手以及車隊兩組競賽項目，年度得分總和最高者為世界冠軍。目前歷史最悠久、戰績最優異的是法拉利車隊。
從3月初到10月底，F1每年舉辦18場比賽，每一場的比賽總距離在300公里左右。賽道分布於澳洲、北美、歐洲、中東、南美及亞洲等16個國家。亞洲地區自1987年開始由日本舉辦一站賽事，1999年加入馬來西亞，2004年加入上海以及中東的巴林，2005年則新增土耳其站。而近年F1東擴的原因是因為歐盟（EU）將於2006年禁止香煙廣告的刊登，而煙商卻又是大部分F1車隊的主要贊助商，所以賽事便移往禁煙條例不甚嚴明的亞洲地區。
主管F1的FIA規定，所有F1車隊必須要能夠自行開發底盤、懸吊、變速箱以及車身，換言之，只有輪胎和引擎可以購買。現行F1採用3公升V10引擎，馬力達到將近900匹，轉速可達一萬九千轉，為一般市售車的三倍強。現行F1賽事的引擎供應商有法拉利、賓士、BMW、豐田、本田、福特以及雷諾。輪胎供應商則有米其林和普利斯通兩家。

**體能要求，僅次戰鬥機駕駛員

**
除了法拉利、豐田以及捷豹車隊之外，其他F1車隊都不曾生產汽車，只從事比賽，這些車隊使用的科技僅次於太空梭，車身一律為碳纖維打造，除非毀損，不然不會更換，而引擎、變速齒輪以及傳動軸等則如飛機引擎，使用數百小時之後便須經過金屬染色法加以檢查，一有細紋便立即汰換。F1規定車重必須超過600公斤，從0～100公里加速推估在2.5秒之內，極速可達360km/hr。過彎的側向加速力（G Force）可以達到4個G，也就是說，體重60公斤的人在急速過彎時將會受到240公斤的側向壓力，一場比賽下來脫水2～3公斤十分正常，相當於打五盤網球的流汗量。所以擔任F1的賽車手必須擁有僅次於戰鬥機駕駛員的體能。
每一場F1都有約十億人透過轉播觀賞，也因此造就了許多賽車英雄，例如舒馬克（Michael Schumacher），今年35歲的他是僅次於老虎伍茲，世界上第二有錢的運動員，年收入超過6500萬美金，光是法拉利付給他的薪水便超過3500萬美金，換算每場比賽舒馬克便可以進帳190萬美金──不論他得到冠軍還是一起跑就提前退賽。

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。