Obike復活變窮學生的上學神器！一定要裝小座位，背後有個感人故事|數位時代 BusinessNext

Obike復活變窮學生的上學神器！一定要裝小座位，背後有個感人故事

共享單車的風潮不再，廢棄單車墳場成城市郊區新風景。緬甸創業家麥可卻突發奇想，砸下重金引進一萬台廢棄單車，解決貧困學童的交通問題。

沒錢搭校車，孩子們每天走1小時去學校

好在，麥可負擔得起這些錢。他的正職工作是創投公司BOD Technology的執行長，平時的任務是投資緬甸當地的科技新創公司。然而，他始終對這些每天需要花一個小時走路上學的貧童們有著很深的同理心。因為在他還沒去新加坡念書前，小時候的他也是這麼走去學校的。

現在已經33歲的麥可，發現即便過了這麼多年，長途跋涉走路上學的現象還是困擾著許多緬甸的孩童。「很多孩子沒錢搭校車，而一些偏鄉地帶的孩子連校車都沒見過，」他說。

因此，他突發奇想，把腦筋動到了廢棄的共享單車上。「對廢棄場來說，一台廢棄單車只能讓他們賺大概10美元（約新台幣300元）左右，不是什麼很賺的生意。但若是可以把這些單車給真正需要的學生們，就可以幫他們省下80%上學的時間，這才是更有意義的事情，」麥可說。

有了後座，他們就可以載著弟妹一起上學

將這些共享單車從新加坡及馬來西亞引進緬甸並非易事。當他帶著大量的單車要入境緬甸時，海關質疑他帶著這些看起來狀況很好的單車有什麼目的，即便麥可提供了解釋，他仍舊被課了高額的關稅。這些金額都由麥可自己概括承受。

這些得來不易的一萬台單車，麥可計畫將它們改裝後分送到緬甸偏遠地區的村莊裡。贈送的對象則為那些家離學校2公里以上、13到16歲之間，需要更多時間來念書的學生們。

Lesswalk則負責修復、改裝的任務。麥可更要求團隊要確保每一台車，都要加裝一個可以坐人的小座位。麥可說，村子裡的孩子們通常都會要照顧他們的弟妹，有了後座，他們就可以騎車載弟妹一起去上學。此外，他也將共享單車的電子鎖給拆掉，改裝上更方便使用的人工鎖，並配上一把鑰匙。

沒人要的共享單車這樣重生了！

麥可也曾經造訪過中國的「共享單車墳場」，他對那樣的場景感到相當震撼。「五萬多台的單車就這樣堆在那裡，有些看起來根本沒有被使用過，」他說。不過，目前他還沒機會將中國的廢棄單車引進到緬甸，因為相比起來，新加坡和馬來西亞能提供的廢棄單車品質還是比較好。

不過，麥可也不排除未來和中國「進貨」的打算。發完了這一萬台單車，他將進一步擴展他的計畫，去服務寮國與柬埔寨的貧困學生。

「一萬台單車只是冰山一角而已。全世界有上百萬台這樣的廢棄共享單車，而將這些車帶去給需要它們的人是我的任務，」麥可說。

責任編輯：林美欣

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。