替Uber「大車隊」暖身？交通部開放多元計程車免跳表、APP算車資|數位時代 BusinessNext

多元計程車修法「免跳表」，費率調整才是真難題

「彈性費率」是Uber主打的演算法機制。消費者僅需輸入上、下車地點，系統會以附近可載客車輛多寡、叫車人數、行駛距離等因素即時計算車資。以台北市捷運大湖公園站至國父紀念館站為例，4日凌晨12點多搭乘「菁英優步」的報價為230元。

現行多元計程車的計費方式，比照一般計程車跳表，雖開放車隊自訂費用，價格彈性卻很有限，業者多半選擇在跳表價區分尖峰、離峰，或直接把跳表費用乘上固定費率。

同樣是凌晨自內湖到台北市區，以台灣大車隊為例，豪華車型多元計程車費率為跳表金額1.4倍，雖然也可預估車資，但金額浮動差異不小，落在378至497元之間，且會註明「實際車資以服務總里程計算為準」。消費者最終還是要看跳表價，預估車資僅能用來參考。

此次修法後，搭多元計程車可省去跳表方式，比照Uber「估多少付多少」。不過，由於主導計程車價格的主管機關為各地方政府，即便Uber最終選擇成立大車隊，能否順利爭取到理想的彈性費率方式，仍是未知數。

交通部表示，目前多元化計程車已有預估車資功能，為了更貼近消費者期待，再放寬多元化計程車可使用APP預先報價，讓民眾在搭車前就能充分瞭解乘車價格，減少雙方爭議。

今年5月，交通部訂定「Uber條款」—「汽車運輸業管理規則」103-1條修正草案，將於公告期滿的10月初正式取締，依法可開罰9千至9萬元罰鍰。

面對台灣政府開出的合法期限，至今Uber仍在積極溝通，尚未點頭成立計程車隊，但透過聲明表示「我們樂見交通部肯定科技可以協助提升消費者選擇和交通產業轉型。這是第一步，但還有需要解決的問題。我們期待與交通部和計程車產業持續努力，確保平台駕駛和合作租賃公司順利轉型。」

據了解，Uber合法化的卡關原因，除了他們擔心未來費率計算方式和現行機制差距太大，另一點則是想避免在全球開啟成立計程車隊的先例。

一直以來，Uber都希望在各國以「網約車」形式符合法令規範，即便與小黃車隊合作推出Uber Taxi服務，也是藉由平台替計程車隊、司機招攬生意。

交通部推動多元計程車至今約3年時間，全台僅有約2,000輛加入。此次修改法規讓APP能計算實際車資，看似是替Uber合法大門開了縫隙，但最終大結局如何，還有得吵。

責任編輯：蕭閔云

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。