「別等到痛才想辦法！」SAP看準智慧開銷，2面向為企業省錢|數位時代 BusinessNext

「別等到痛才想辦法！」SAP看準智慧開銷，2面向為企業省錢

不要等到痛了，才去做數位轉型！SAP看見智慧開銷商機，提供企業採購成本管理服務、外部人力資源管控兩方面，為企業支出進行更嚴密的把關。

智慧開銷兩大要素：採購成本、外聘人才管控

SAP旗下兩大獨立子公司SAP Ariba以及SAP Fieldglass，就是希望在智慧開銷方面，提供企業最佳的解決方案。SAP Ariba針對提供企業採購的成本管理服務，SAP Fieldglass則專注於外部人力資源的管控。 McCarthy表示，這兩項服務，能夠讓企業供應鏈變得更有彈性，並提供企業接軌AI與機器學習等技術的機會。

過去在採購過程中，許多步驟是非常人工且瑣碎的。舉例來說，在與供應商下單、討論合約時，很多人都是透過Line或者電子郵件來回傳遞格式不一的Excel、PDF、word等各式檔案。這樣的溝通方式除了鬆散之外，更難以系統化地統計與供應商間的數據資料。

針對這樣的痛點，SAP Ariba提供了一個平台，系統性整理不同的採購環節，讓客戶可以與供應商一同在平台上協作，簡化繁複的流程並提供數據化的統計，進而提升效率、減少不必要的支出。此外，SAP Ariba的全球網絡中還搜集近380萬名供應商的資料，讓客戶能輕鬆在上面尋找合適的廠商，加快媒合的速度。

不過，若要更完整地達到智慧開銷，雲端化的外部人力資源管理也是相當重要的一環。SAP與牛津大學合作的研究報告指出，企業裡平均有44%的人力資源來自外聘廠商及自由工作者。McCarthy表示，一般公司對於外包項目負責人另外再找的團隊，難以進行品質控管與監督。

McCarthy舉例，他們觀察到有些表現差的外聘人士，會反覆被同一間公司裡不同的人聘用。這樣的人才管理疏失，不僅是資源的浪費，也會影響到產品與服務本身。SAP Fieldglass想做的，就是讓企業和個人都能更有效率地找到適合的彼此。

McCarthy認為，外部人才的數位化管理會是未來的趨勢。因為這對許多年輕人正從事的零工經濟（gig economy）而言，是相當有益處的事。很多自由工作者他不是要找長期正職，而只是想在某一段特定時間、某一特定地點做自己喜歡的工作。過去這些人可能要土法煉鋼地在網上搜尋，但有了外部人才管理系統，他們只需要在平台上輸入資料，變得更方便。

智慧開銷的下一波浪潮：體驗經濟

從智慧開銷風潮的興起，我們可以看見數位轉型正不斷在深化。企業對數據的渴求勝過以往，並發明新的、規模化的方式，量化過去未曾紀錄過的行為。McCarthy也表示，數據以及速度，是數位轉型的兩大關鍵。數據帶來的新觀點加速了決策過程，改良的服務與產品也拉高顧客的期待值。速度不斷加快的情況下，人們也持續在探索新的數據。

至於SAP找到下一個重要數據了嗎？答案是有的。McCarthy認為，在不久的將來，體驗將會帶起下一波浪潮。他說，體驗數據就像是在坐雲霄飛車，過去我們能掌握車的速度、摩擦力等運作上的數據，但體驗數據講究的則是乘客是否有笑、和原先期待是否有落差、覺得好不好玩......等。

體驗數據若是套用在企業裡，就可能是這間公司合作起來感覺好不好、下屬能否輕鬆地與上司交談等。目前SAP已研發出相關系統，並已經在提供服務。對此，McCarthy也表示，SAP在這個領域方面，可說是世界第一。

面對種種快速的改變，McCarthy也對那些在執行數位轉型上感到猶豫的企業留下一句話：「別等到痛的時候才來想辦法。」或許這句話，正好象徵了數位時代的生存守則。

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。