交通部修法保護小黃，Uber：限制競爭，只會造成三輸|數位時代 BusinessNext

交通部修法保護小黃，Uber：限制競爭，只會造成三輸

Uber重返台灣將滿兩年又面臨新麻煩？交通部提出法規修正預告，要求未來和租賃駕駛合作的資訊平台，不得巡迴攬客，需以日租、時租計費。Uber抗議，新法規將影響平台駕駛生計、犧牲消費者權益，建議以交通部運研所提出的「網約多元小客車」案作為修法方向。

限制競爭之下，Uber：產業、駕駛、消費者三輸

日前交通部公布汽車運輸業管理規則第103條之修正，是將「小客車租賃業與資訊平台業者合作提供附駕載客服務者」納入規範，其中規定1小時為起租時數、不得巡迴載客，被稱作是「Uber條款」，租賃業者批評交通部袒護計程車業，來打壓租賃業者。

對Uber而言，重返台灣市場將滿兩年，如今又面臨與小黃業者間的紛爭。吳罡無奈地說，當初為合法運營，與一家家租賃業者接洽談合作，修改App以符合規定，符合納管、納稅、納保的原則。

但「103條之1」新規，在限制競爭之下，不僅犧牲上萬名Uber駕駛的生計，也影響平台上300萬名消費者的權益，更打擊資訊科技平台的業者，達成三輸局面。質疑政府不應照顧了計程車族群，卻犧牲其他運輸業者。

Uber強調，交通產業本身業態模糊，做分業管理不符合時宜，並提新設立「網約多元小客車」專法，來規範小客車租賃業與資訊科技平台的合作。

法規需跟上時代改變，「網約多元小客車」是解方？

既然影響駕駛生計，為何Uber不輔導駕駛轉往「多元化計程車」？多元化計程車同樣也是合法，鬆綁網路叫車之計程車外觀及費率，但有不得巡迴載客的限制。吳罡表示，多元化計程車仍隸屬計程車法規之下，並無法照顧到租賃車業者。

吳罡強調，隨著科技的進步，計程車與租賃車的服務慢慢產生重疊，但現在的法規修改是硬將兩方拆開，盼法規能跟上時代的改變，「網約多元小客車」同樣兩個業別都照顧到，也是一種落實分業管理的方式。並舉新加坡為例，一般路招用計程車的模式走，網路叫車則用網路叫車的法規，以此規範計程車與租賃車業者。

但對於「網約多元小客車」專法的細節，Uber沒有給出具體實例，僅強調會在60天內與交通部與其他平台業者進行溝通。

交通部「汽車運輸業管理規則第103條之1」修正預告重點

一、不得將租賃車輛外駛巡迴、排班待客租賃。
二、造冊列管駕駛人及車輛資料，並提供租賃資訊供主管機關查核。
三、平台應充分揭露車輛、駕駛人、計費方式等訊息。
四、以日租或時租方式計費，並以1小時為起租時數。但地方政府另有決定者，得報公路主管機關備查後實施之。
五、車輛應黏貼專用標識。

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。