美光攻第二代3D Xpoint記憶體，採「守株待兔」策略較勁Intel|數位時代 BusinessNext

美光攻第二代3D Xpoint記憶體，採「守株待兔」策略較勁Intel

三星、Intel、海力士與美光等記憶體商紛紛投入新型態的MRAM、PRAM和RRAM記憶體上，而3D Xpoint則歸類在PRAM中，此技術由Intel和美光在2015年聯合推出，但兩家共同完成第二代3D Xpoint技術開發後將分道揚鑣。

AI時代催生的新型態記憶體：3D Xpoint

3D Xpoint是強調大量即時數據處理的高速運算時代下的產物。

拓墣產研指出進入高速運算時代，「記憶體技術演進速度出現跟不上系統效能演進速度，」如摩爾定律的極限限制、現有DRAM與CPU間的頻寬有限、SSD資料中心存儲的高速IOPS需求與物聯網需要低能耗、資料耐久度高、每次寫入或存儲的資料單位小等層面等都是催生新型態記憶體的重要原因。

Intel與美光共同開發，但Intel已推出相關產品

因此除了主流的DRAM與NAND Flash，三星、Intel、海力士與美光等記憶體廠商也紛紛投入在新型態（或稱次世代）的MRAM、PRAM和RRAM記憶體上，而3D Xpoint則歸類在PRAM中。此技術由Intel和美光在2015年聯合推出，兩家將在2019年共同完成第二代3D Xpoint技術開發後分道揚鑣各自開發。

3D Xpoint是一種非揮發性的記憶體，和主流非揮發性記憶體的NAND Flash相比，其讀寫速度相差1000倍（這是Intel宣稱，有不少實測數據指出並沒有相差這麼大）且使用壽命更長，和揮發性記憶體DRAM相比，其製造成本較為低廉，因此被視為補足DRAM與NAND Flash SSD差距的重要新產品。而Intel與美光都認為，此技術適合應用在雲端資料中心的Server SSD中。

美光延遲原因為何？

相較於Intel在3D Xpoint已經有Optane系列的SSD產品，美光在此技術發展較為緩慢，目前還沒有產品正式推出，在這次高峰會上，美光所有高階主管對於第二代3D Xpoint發展特點與細節都守口如瓶，目前仍無法拿美光產品與Intel產品比較。

而雲端資料中心業者是否會廣泛採用3D Xpoint Server SSD？

以高速運算與數據中心的需求來看，成本降低是首要任務，3D Xpoint雖然比DRAM便宜（Gartner曾指出價格約DRAM一半），但仍比NAND Flash貴上數倍。因此數據中心若考量到儲存成本，NAND Server SSD仍吸引人，3D Xpoint Server SSD價格還未達到大量採購的關鍵點。

加上機械式硬碟仍備受資料中心歡迎，資料中心尚未大量全面採用固態硬碟（Server SSD），因此外界推測美光目前認為2018年還不是推出相關產品的最好時機。

加上此技術是美光與Intel共同開發，雙方都握有關鍵技術，因此美光比Intel晚推出3D Xpoint系列產品，最大原因可能並非技術上，而是市場因素主導，以兩者不同的市場定位來看，此舉有「守株待兔」之策略意義。

因應生成式 AI、代理式 AI 與實體 AI 的崛起，模型成為企業資訊基礎設施的一環，企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本，以及確保 AI 基礎設施的安全與穩定；有鑑於此，服務超過 2,000 家企業客戶上雲的勤英科技（ELITE CLOUD）將業務範疇從雲端代理延伸到 AI 基礎設施整合商，協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源，在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作，企業的核心競爭力不再僅是擁有 AI，而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示，為協助更多企業推進 AI 創新實務，勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色，進一步轉型為 AI 基礎設施整合服務商，透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務，協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra，企業最大挑戰不是模型、算力而是管理

過去幾年，許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」，提升員工工作績效，而代理式 AI 的崛起與普及，則讓「內嵌 AI 的企業應用」快速成為新常態，從企業資源規劃（ERP）、顧客關係管理（CRM）、人力資源（HR），到客服、研發甚至製造系統，AI 開始深度嵌入各類企業應用，AI 扮演的角色也從單純的輔助工具，逐漸進化為企業營運與決策流程的重要核心。

也因此，企業保持未來競爭力的關鍵，不再是「有沒有導入 AI」，而是「是否具備管理 AI 的能力」，包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent，以及如何避免 AI 成為新的資訊孤島，都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代，意味著企業若只押注單一模型，未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示，企業接下來更需要以「Models as Infrastructure（模型即基礎建設）」的思維，將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理，將資訊系統架構重塑為 AI 基礎建設。

勤英科技服務的客戶數超過 2,000 家，不少客戶已導入 AI 應用服務，正積極建置 AI Infra 與管理環境，因此，勤英科技自 2025 年積極轉型，將 AI Infra 視為企業長期競爭力的基礎建設來經營，業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商，例如與多模型平台 MixRoute 合作，並開發可支援單一登入（SSO）、彈性調度不同大型語言模型 Token 的管理平台，協助企業簡化模型管理與成本控管，將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合，勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關，勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本，以及落實資安治理，更因應不同使用情境推出三種 AI 方案助力企業：

第一：提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋，透過整合 Gemini 的 Google Workspace，企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能，包括會議摘要、文件生成、簡報整理等，快速提升員工生產力，同時，增強企業對 AI 應用的信心，為之後的應用深化做準備。

第二：協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說，除以生成式 AI 打造企業大腦，還會透過代理式 AI 提升自動化執行能力，重塑工作效率。」黃士培表示，勤英科技可以基於 Google Gemini Enterprise，提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務，讓企業員工可以自然語言安全調用企業資料，讓 Agent 進一步執行任務與推動流程。

舉例來說，勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞；另在影音內容生成領域，勤英科技亦協助客戶導入 AI 自動化技術，將內容產製成本縮減達 90%。

第三：提供多模型聚合管理平台，滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作，提供企業客戶多模型管理平台，讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型，並透過單一帳號、單一帳單與 Budget Alert 機制，管理 token 使用量與 AI 成本。

「透過我們提供的多模型管理平台，企業客戶不會被單一模型綁定，可以在模型快速疊代的環境下，更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說，隨著 AI 應用從單點工具走向大規模企業部署，下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力，而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因：當 AI 開始成為企業營運的一部分，企業需要的，已不只是模型供應商，而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊，請查詢網站：https://www.elite.cloud/zh/