挖掘數據背後的價值，治略資訊用技術推進零售與工業的資訊革命！|數位時代 BusinessNext

數據的價值在近幾年越來越受到各界重視，人們試圖要從以往被忽略的數據中找出新的解決方案，尤其是實際進到產業落地後，出現各種技術應用，以零售業和工業來說，大數據、AI、物聯網帶動產業升級，出現智慧零售與智慧工業，更有效地管理生產製程，也企業更了解顧客購物行為，產出符合人們需求、人性化的產品，不斷拉近企業與消費者的距離。

治略資訊正是在這樣的趨勢下，要來協助屬於零售業或工業範疇的公司更貼近大數據，有效地運用現有數據，找出目前產業困境的突破點。

團隊成員來自中央研究院，擅長機器學習、大數據分析、人工智慧等技術，長期鑽研資料分析，提供數據分析平台，讓企業輸入龐大資訊後找到預測模型，得以產出有效的解方。

智慧零售拉近與顧客間的距離

以零售業來說，人、貨、場是其中重要的三元素，治略資訊能以AI技術分析消費者購物習慣，進而會影響到門市鋪貨、安全庫存要訂多少，可見人、貨、場彼此息息相關，牽一髮而動全身，有了數據分析幫助商家做決策，也較能降低人為預測失誤所帶來的成本。

對於店家來說，除了要鞏固忠實客戶，也會希望喚醒那些一段時間未消費的沈睡會員，因此如何花費最少的成本去喚醒將來最有消費潛能的客群就是一個難題，以人為判斷是無法做到最有效的廣告投放或預測潛在客戶，但交給數據分析就有可能達成。治略資訊曾協助某間餐飲業者分析會員消費情形，將大筆的消費數據丟入分析平台可以得知最有可能被喚醒的會員有什麼特徵，依此來判斷需要發送訊息給多少會員，甚至是分析什麼時段的投放效果最好，讓店家的行銷資訊一出去就能打中目標客群。

大量購物紀錄其實很有數據分析的價值，治略資訊共同創辦人王智舉例，如果零售業者想開發購買威士忌客群，AI就能自動列出哪些人是從未購買威士忌但在未來很有可能購買，或是人們購買威士忌時通常會一起選購哪些商品。這些分析結果最終可以對潛在客全量身打造促銷活動，不需要浪費太多成本就能做到精準行銷。

協助工業物連網做到製程管理最佳化

工業物聯網（IIoT）正是企業迎接工業4.0的重要技術，在導入這方面的應用時，會由治略資訊的合作夥伴負責機台連網、數據採集，治略資訊則進行後續的數據分析。

工廠最怕的就是製程不穩定，需要時刻監控生產情形，並提高產品良率。目前治略資訊致力於進行工廠供應鏈或生產線的改善，形成智能數據平台，提升原物料管控、設備維護、製程品質的管理。平台會即時演算機台數據，推導在生產過程中出現的問題點是由哪些原因所造成，改善製程中的不確定性。

王智解釋工廠製程改善的重心會放在「品質」，當製程出錯時，通常會由工廠的老師傅憑著經驗去一一校對錯誤，當AI出現之後，AI要如何向工廠老師傅一樣自動且精準的修改製程錯誤將是數據分析平台獲得成效的關鍵。

治略資訊在接觸合作客戶時，也發現到很多工廠並不了解如何運用數據，也不知道該從何改善生產流程，因此治略資訊開展「12周分析」的業務模型，在這12周內，雙方會經過多次的討論與釐清，由客戶幫助治略資訊了解產業know-how、痛點，抓住問題點之後再由治略資訊為客戶擬定解決辦法。透過這樣深度盤點問題之後，也較能從根本解決產業問題。

成為輔助產業升級的推進器

治略資訊在台灣以及中國都有開展業務，對於這兩種不同的市場狀況有著深刻的體悟。中國內需市場龐大，不管是企業還是工廠老闆都很敢投資，產業競爭壓力大讓中國企業寧可犯錯也不要錯過，治略資訊營運長李榮生也說到：「即使去到那邊技術可能會被複製，但這不是不去中國的理由，不去可能會死得更快。」

治略資訊也曾拜訪過台灣超商業者，但普遍沒有使用或投資的興趣。因台灣企業多抱持著保守心態，產業龍頭仍安於目前現況，不敢冒太大風險，其他業者則奉行老二哲學，這樣下來也讓整個產業沒有進步的動力。

在工業方面也是同樣的情形，李榮生認為台灣目前還落在工業1.5或2.0，很多工廠的數據蒐集並不完整，自然無法導入AI或物聯網的應用，想要進到工業4.0就得花費很多額外成本汰換舊設備，許多工廠老闆是不願意投資的，最後也只能放棄數據分析這一塊，這也是令李榮生覺得相當可惜的部分。

治略資訊仍相信著大數據可以為企業帶來前所未有的改變，即便有些企業還沒在這股資料革命的趨勢中做好準備，治略資訊也期望可以做為輔助產業升級的推進器，以數據分析做企業的最佳後盾。

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。