我在阿里學到的第二課：平台思維就是留點事給別人做|數位時代 BusinessNext

我在集團內聽到某C-level 提出，「做平台的第一件事就是，想清楚自己不做什麼。」他認為平台不該做所有事情，而要「留點事給別人做」。但為啥呢？

老樣子，結論先走。

做平台就像城市規劃，你提供水、電與土地等基礎設施，公告管理辦法，然後拚命招來一群人在城市內盡情展現創意！

平台方不該搶走所有工作，而要想盡辦法拉攏各種角色。

平台價值就是連結

原先我對平台核心價值的認知是「連結」。平台負責連結供給與需求，例如：Uber 連結閒置車主與乘客，Airbnb 連結閒置空間與旅客。

或者，更高大上的平台模式。蘋果將高科技與人連結，Facebook 連結人跟人，Google 連結資訊與人，以及亞馬遜連結商品與人。

而我聽完某 C-level 演講後，認為平台除了連結責任，更重要的是「搭檯子讓人來唱戲」。換句話說，平台不該什麼都自己來，而是要想辦法適合各種角色進駐的生態系統，並讓每個角色從中獲利。

在這假設下，做平台得搞清楚的第一件事確實是，「什麼事該留給別人做？」

拿個例子。淘寶早期就是個 BBS 網站，提供買賣家發發文章等。而當銷售商品越來越複雜時，賣家開始需要裝修店舖吸引買家目光。

淘寶曾想過自己跳下來提供裝修店舖軟體服務，並藉此賺錢。特別是那時候淘寶依然堅持不收上架費與手續費，根本沒有營收來源。但後來發現裝修店舖是種客製化需求，平台不可能為每個賣家客製化店舖門面。這成本太高了。

但如果平台無法一次服務上萬位賣家，又失去平台存在的意義。因此最後淘寶決定僅提供基本功能，並提供一致設計規格。若賣家想要客製化視覺設計，則找別人幫忙。

賣家花錢找設計師獲得美美的店舖門面，吸引更多流量。而設計師從中賺錢。設計師成為早期淘寶上發展出來的第三方角色。

換句話說，身為生態系營運者的平台方，必須知道自己該讓利給哪些第三方服務者，藉此營造出多元化的生態系統。

順著這思維，Uber 這平台的角色數很少，只有乘客跟司機。在沒有演化出多樣化角色前，Uber 平台的底蘊深度其實遠遠不夠。

而去年我在台灣訂閱平台 PressPlay 工作時，也曾堅持不提供客製化視覺服務，僅提供三個視覺設計樣板。我們甚至拒絕願意拿錢請 PressPlay 設計頁面的創作者，請他找第三方設計師合作。

當時我只是模模糊糊認為平台不該賺這筆錢，而要導入外部夥伴。現在看完這位 C-level 演講，才更理解平台模式的運作邏輯。

但理解平台運作模式，不代表就能做出平台。

因為⋯⋯

平台是演化來的，不是設計出來的

前幾年台灣創業圈出現「滿滿的大平台」題目，人人心中都有平台夢。只是所有平台都從解決單點需求開始，而後才逐漸演化成多角色的平台生態系。

Facebook 一開始先滿足學生認識人與課表的需求，然後逐漸演化成人類社交工具，再引入廣告系統。至此，平台生態才逐漸成形。

平台提供支撐整個生態系運作的基礎設施，讓其他角色自由在平台上交易。

這像政府提供水、電與土地等基礎設施，並提出相關管理法則。人民只要不違反管理規則，要如何使用這些基礎設施則是個人自由。因此我們在台北能看到東區夜店、內湖科學園區、西門町次世代文化等多元生態。

而每個區域特色又能為整個城市提升價值，形成生生不息的正向循環。至於生態系會演化成怎樣，平台方僅能規劃方向，但卻無法百分百掌控。

當平台完成時，它便擁有了獨立的性格和生命。

本文由陳廷鴻授權轉載自其Medium。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

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。