行人馬路上動作難捉摸，無人車如何精準預測成挑戰|數位時代 BusinessNext

行人馬路上動作難捉摸，無人車如何精準預測成挑戰

人類的種種舉動反而最難捉摸，成為交通安全中的一大隱憂。美國密西根大學開發出一套系統，可以用來訓練無人車預測行人的舉動，讓無人車除了可以保護車內乘客，更懂得主動防禦。

預測行人動作，主動避免意外發生

由福特汽車所資助密西根大學所作的研究，近期在《IEEE機器人學》和《Automation Letter》發布。

研究人員指出，當行人跟車子試圖進入同一處空間時，對行人非常不利，原因是人類容易分心，很難在緊急時刻做出最符合自身利益的判斷。因此密西根大學開發一套系統，來訓練無人車預測行人移動的方向，讓無人車除了懂得保護車內乘客，更懂得主動防禦。

這套系統透過「生物力學所激發的回歸神經網絡」，記錄下人類的運動軌跡。簡單來說，在一輛Level 4等級的無人車上，透過攝影機、光學雷達、GPS，記錄行人在街道上移動的每一個動作。

密西根大學機械工業助理教授 Ram Vasudevan表示：「這類研究先前都只會觀察靜止的圖像，並沒有把行人在三維空間中的移動納入考量，」他說：「如果無人車要在現實生活中跟行人共處，就必須確保我們對行人下一步前進的方向預測，跟汽車是不一致的才行。」

好的無人車，必須能判斷行人位置

這套系統接著會分析行人的步態、身體對稱性和腳步的位置，綜合以上因素判斷行人下一步的動作，密西根大學教授Matthew Johnson-Roberson表示：「我們預測的中位平移誤差在一秒後約為10厘米、六秒鐘後小於80厘米。可以更精準地預測行人將會出現在哪個位置。」

Ram Vasudevan教授舉例，如果一個行人正在玩手機，那就代表他正在分心的狀態，從人類的姿勢、眼神可以透露出許多資訊，這些都有效幫助無人車系統預先警覺，並作出正確的判斷。未來，一套好的無人車系統，不只需要跟城市基礎設施、其它車輛溝通，還必須能夠精準判斷行人的走向，才能讓人車都能在無人車的世界中，安全順利的移動。

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。