GitHub揭3大開源趨勢：Python首度超越Java躍升社群第二大程式語言|數位時代 BusinessNext

先是微軟砸75億美元收購GitHub，其後IBM也以340億美元買下紅帽，科技巨頭頻頻的大動作，都集中在一個關鍵詞上：開源。

身為原始碼託管平台的GitHub，目前是全球最大的開源專案平台。GitHub每年都會發布Octoverse報告，向外界揭露過去一年開源社群的面面向向，而2019年度報告也在上週正式公開。

南極洲也有開發者，開源熱蔓延全球

GitHub表示，開發人員數在今年夏季突破4,000萬人大關，光是過去一年間，就有超過1,000萬名開發者加入這個大家族，且首次建立儲存庫的用戶也比去年增加44%，顯示出「開源」越來越熱的趨勢。

目前逾4,000萬的用戶中，超過8成來自美國海外，貢獻者的分佈也變得更為多元，GitHub提到，就連南極洲都有開發人員。

以洲進行分類的話，亞洲是今年最大的貢獻社群，貢獻人數近400萬，而成長最快的地區，則是香港（175%）、新加坡（111%）與印尼（90%）。在GitHub 2019年推出的免費私人儲存庫上，亞洲占比也達36%。

非洲與西亞則是開源專案成長最快的兩個地區，其中奈及利亞（59%）、伊朗（44%）、肯亞（44%）為前3名。

Python超車Java，首次成GitHub第2大程式語言

在開源社群裡，什麼程式語言最受歡迎？即使對開源軟體毫無興趣的人，也可能對這項趨勢感到好奇。過去一年開發者們使用了超過370種程式語言，GitHub從中列出近5年內前10大程式語言的排行變化。

在今年度的榜單中，雖然JavaScript依舊穩如泰山，坐擁第一名寶座，廣受各方工程師喜愛的Python首次超越Java，成為開發社群第2大程式語言。且C#與Shell的排名皆有所上升，

另外，GitHub指出，由於Google開源行動App開發套件Flutter的加入，身為其開發語言的Dart以532%成長遠遠拋開第2名，躍居今年竄升最快的程式語言。

而靜態語言在型別安全（type safety）與互操作性上的優勢，讓這類程式語言快速成長，榜上有名的Rust、Kotlin及TypeScript都屬於靜態語言。

企業、學校皆仰賴GitHub

目前有來自70個國家地區，約300萬的企業帳戶在GitHub上活躍，他們可能是企業、非營利組織、一個開源專案等等。企業行號們不僅利用平台上的資源，也開始參與這個社群、貢獻一份心力。

GitHub提到，《財富》世界50大企業中，有35間為開源社群做出貢獻，還有29間透過企業帳戶建立軟體及App。值得一提的是，支付平台Stripe、串流音樂平台Spotify都是GitHub的愛用者。

學校方面，目前有170萬人利用GitHub學習寫程式，較去年成長55%，以及76.1萬人利用了GitHub的學生開發者包，並有3.1萬名教師藉由GitHub教授開發者工作流程。

資料科學正夯，機器學習、深度學習也漸受矚目

從醫療領域拯救人命的機器學習技術，到製作稀奇古怪的機器人，過去12個月內，各式各樣的開源專案在平台上萌芽。GitHub指出，推動Python發展的「資料科學」便是一項值得點出的趨勢。

許多資料科學相關的框架與工具皆是用Python寫成，在這項主題下最受矚目的儲存庫中，約半數是利用numpy建立，這就是一個根基於Python的擴展模組。

在資料科學之外，機器學習、自然語言處理、深度學習等項目也越來越受到關注，近年來擁有非常顯著的成長。

完整報告請見：GitHub Octoverse 2019

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。