一天標記上千則Alexa錄音，亞馬遜員工都聽到什麼？|數位時代 BusinessNext

亞馬遜為用戶對話內容進行標記，強化AI辨識能力

身為語音助理領域的先驅者，亞馬遜在人工智慧上的投入不遺餘力。為改善Alexa的語音辨識功能，亞馬遜在全球有數千名員工及外包團隊，專門負責收聽用戶對智慧喇叭所說的話語，對內容進行轉錄及標記，教導語音助理進一步認識人類的語言。

當對語音助理說明星、歌手的姓名，亞馬遜工作人員會標記泰勒絲（Taylor Swift）是位音樂家，藉由這種方法擴充Alexa的資料庫。

這種稱為「標記」的作法在人工智慧領域十分常見，透過標記員的註解，提升圖像辨識、語音識別等技術，這些在幕後默默訓練人工智慧的標記員，說是AI領域發展的基石也不為過。

每天聽上千則錄音，員工會在群組分享收聽內容

負責為Alexa收錄語音進行註記的亞馬遜員工透露，他們每天工作9小時，一天下來每人會收聽上千個語音片段。

另一位負責相同任務的員工表示，大部分收聽到的內容都很普通，但偶爾也會有些用戶肯定不願令他人聽到的內容，例如一位女性在洗澡時五音不全地哼著歌曲；孩童尖銳的哭喊求救聲；甚至是與犯罪有關的語音內容。事實上，有兩位員工聲稱曾收聽過與性侵害有關的錄音。

負責標記Alexa收錄語音的員工之間，有個用於傳遞資料的內部聊天群組，但偶爾他們也會在群組內分享工作上聽到的有趣內容，或者吐露那些令人內心沉重的錄音，緩解精神壓力。

亞馬遜強調嚴加保密民眾資料

Alexa身為貼近民眾生活的語音助理，從人們日常中剪取訓練素材這件事，也難免引發隱私上的疑慮。對此，亞馬遜發言人表示，他們僅對非常少量、且有助於改善語音辨識能力的錄音內容進行標記，目的是為了提升使用者和Alexa互動時的體驗。

儘管員工可能會聽到一些較為私密的內容，亞馬遜聲稱，負責這份工作的員工，沒有任何管道獲得與用戶身份相關的資料，且所有資訊都經過加密，並設下層層驗證關卡，確保民眾隱私不會外洩；如果民眾不願為Alexa提供訓練素材，也能在Alexa的隱私設定中關閉這項功能。

這並非Alexa首度喚起人們對隱私權受侵犯的擔憂，去年5月時，曾發生一起Alexa誤將錄音片段傳送給使用者丈夫同事的事件；還有一位德國記者聲稱，與Alexa互動的語音內容，足以讓人辨識出用戶的實際身份。

為擺脫隱私上的疑慮，自去年開始，亞馬遜也開始發展不必大量人力的訓練方式，包括主動學習（active learning）與移轉學習（transfer learning）等技術，但目前依靠人力標記仍是最主要的訓練方式，至少在短期內，人工智慧帶來的便利以及個人隱私，或許使用者仍必須在兩者間進行取捨。

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。