測量出「我們與憂鬱症的距離」，仁寶、北科大砸6千萬元投資宏智生醫新創|數位時代 BusinessNext

測量出「我們與憂鬱症的距離」，仁寶、北科大砸6千萬元投資宏智生醫新創

全台有200萬潛在憂鬱症患者，如何判斷跟決策治療，全須靠醫生的專業判斷，仁寶宣布投資台北科技大學新創團隊，開發AI診斷輔助系統，協助醫生加速診斷跟決策，甚至用客觀工具提供評估治療效果，要拉近醫師跟憂鬱症患者的距離。

仁寶首度投資學術新創

仁寶總經理翁宗斌將任宏智生醫董事長，他18日出席記者會表示，「我們跟很多學校合作，但直接跟學術單位合作，投資團隊成立新創公司是第一次！」仁寶未來將扮演策略投資人，除投資也會提供產品製造資源，並給予市場行銷協助。

翁宗斌說，憂鬱症在國內外都有快速升高趨勢，根據健康署統計，潛在憂鬱症患者200萬人，但有病識感者很少，醫生也很難判斷憂鬱症到底有多嚴重，給藥到底有效還是沒有效。

這次宏智生醫用腦波訊號來解決問題，以人工智慧診斷技術為中心，打造憂鬱症電腦輔助診斷演算系統，目前已經在國內外尖端醫學中心如台大及哈佛得到臨床實證，電腦判別準確率超過80%以上，期望切入輔助診斷篩選市場。

翁宗斌說，期望結合腦波訊號偵測及人工智慧科學，在一年半內開發出憂鬱症診斷輔助評估系統，2021年產品上市後，可以幫助專業醫生，對病患有所幫助。除了憂鬱症，睡眠問題將是仁寶鎖定的另一個疾病。

憂鬱症全球上看3億人

北科大校長王錫福表示，智慧醫療在全球掀起大風潮，世界衛生組織統計，憂鬱症患者約3億人，科技顧問機構Accenture預估，2026年前，健康照護產業中導入AI，預估可以幫美國節省一年1,500億美元支出，台灣也將進入高齡社會，健康照護更重要，希望這次合作對台灣智慧醫療有很重要成果。

王錫福說，智慧診斷要靠感測器，這正是台北科技大學除能源科技外，另一個強項。

他表示，台北科技大學利用腦波與人工智慧診斷技術深耕多年，選擇憂鬱症為研究對象，除這是人類健康頭號威脅，市場很大，也是因為過去醫生透過問診，患者必須要有病徵，且需要一段時間才能確診，現在可縮短時間，且發現早期憂鬱症，對早療有幫助，下階段會對阿茲海默失智症及注意力不足過動症腦波診斷系統進行開發。

我們跟憂鬱症的距離有多遠？

榮總老年精神科醫師蔡佳芬也受邀站台分享實務界經驗。面對精神疾病常被污名化，她指出，現在精神醫學尤其腦醫學，還有很多模糊或需要突破的地方，思覺失調率盛行率1%，但憂鬱症更高，甚至有研究說，每個人終生盛行率至少一次，換言之：我們跟憂鬱症的距離有多遠？

蔡佳芬說，雖然精神科醫生是未來AI最無法取代的職業TOP10之一，但精神科醫生仍希望AI輔助「診斷」，尤其現在憂鬱症自殺裡面很多是高齡人口，AI未來下一個任務是如何協助醫生「決策」，像是病患會問何時停藥，以及醫生決定病人能停藥，但病人還是很擔心，所以未來除醫生主觀決策外，還可以有AI做客觀輔助決策。

宏智生醫董事劉益宏分享，由於憂鬱症是大腦前額皮質區決策人類情緒調控與學習的系統變化，所以憂鬱症患者無法靠自己克服，而憂鬱症最大症狀是記憶力衰退，因此若大腦結構異常，且電位（腦波）異常，就可以利用演算法「在大海中找出小小漣漪」。

宏智生醫將於一年半內，於北區三家醫學中心再做一次驗證，劉益宏也坦言，整套系統包含電極帽及腦波儀，用到的硬體小，演算法部分申請專利不多，因為不願意完整揭露，電極帽收集用戶的腦波後會上雲端演算法演算後回傳，呈現評估結果，這套技術「目前國內外沒有競爭對手！」

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。