49年前阿姆斯壯登陸月球假的？NVIDIA靠光影技術實地重演|數位時代 BusinessNext

49年前阿姆斯壯登陸月球假的？NVIDIA靠光影技術實地重演

美國以阿波羅11 (Apollo 11)計畫在1969年7月完成登陸月球任務，但該計畫的真偽性屢屢被拿來討論，為了證實當年登月的真假，NVIDIA藉由光影技術模擬判斷當時影像的真偽。

Apollo 11計畫爭議大

對於美國以阿波羅11 (Apollo 11)計畫在1969年7月完成登陸月球任務，並且讓太空人Neil Armstrong和Buzz Aldrin成為史上最早登陸月球的人類，至今其實仍有不少人認為此為美國最大騙局，直指阿波羅11計畫其實是美國為了在1961年至1972年間太空競賽贏過當時的蘇聯，甚至認為登月計畫是為了移轉當時美軍於越戰處於劣勢目光，甚至是為了讓當時美國總統甘迺迪承諾在1970年實現讓人類登上月球，同時安全返回地球的說法成真。

由於在Apollo 11計畫之後，人類便未再次登上月球，因此不少人質疑以現在的科技發展對比當年的技術水平，人類應該可以更順利再次登上月球，卻在1970年代至今的時間內未曾再踏上月球表面，因此陸續有質疑登月計畫實際上是歷史騙局的猜測說法出現，甚至有人認為所謂登月計畫僅只是在地球上的攝影棚內拍攝，企圖欺騙民眾相信美國已經具備讓人登上月球的技術能力。

雖然後續許多對於登月計畫的質疑均被合理解釋，同時當時採集回來的月石成分，與後來蘇聯以無人設備登月採集成分相同，因此證實當時登月計畫確實成功，並非虛假。

NVIDIA透過光影模擬，證實登月非造假

而藉由這樣的故事背景，NVIDIA在稍早於德國慕尼黑舉辦的歐洲GTC 2018活動，便以當年登月場景，透過GPU運算方式驗證當年登月是否為真。

透過製作團隊所蒐集各類數據，以及當時登月所使用月球車、月表塵埃特性，同時也分析當時使用的太空服使用材質，並且藉由Unreal Engine 4建構當時阿波羅11登月計畫完成登月時的場景，並且模擬當時太陽光照射時，在太空人、月表、月球車之間的光影折射表現，藉此確認當時在影像上所呈現光影折射表現，確實是因為太陽光在當時場景照射下所產生，而非攝影棚內燈光呈現效果。

雖然並非以史實證物說明登月計畫真偽，但藉由電腦物理模擬方式驗證登月計畫場景光影如何呈現，確實能間接證明當時影像上所呈現光影表現並非偽造，預期未來也將成為更多犯罪調查、研究探勘重要輔助工具。

本文授權轉載自：mashdigi

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。