大學想創業？掌握4大原則把握黃金時期|數位時代 BusinessNext

過去幾年還算常有機會被邀請去一些創業比賽或者政府支持的創業輔導計畫中擔任評審或者教練，這一兩年雖然忙於自己的公司因而減少這些活動，不過在今年少數我戲稱為「公民責任」的輔導教練中有了些新的體會和心得。

過去幾年有許多正負面關於探討大學生是否適合創業的問題，正面的不外乎讓學生提早面對社會現實，學習失敗。負面的就大概都是說太年輕沒經驗，不希望他們失敗等等。

不過試著看國內外幾個較為知名或者成功的案例，很常都是那種英雄出少年，身為大學生還真是辛苦，得面對著不同世代對他們的期待，挑戰，和質疑。如果我是現在的大學生恐怕會非常的不知所措。

是年輕人不主動，還是前輩拉不下臉來？

這些年下來，因為也面對和輔導過不少的年輕人，加上我自己很紮實地下來與年輕人豁，為何我會這樣說呢？因為有另外一派為數不少年長有成的前輩們，常會覺得自己有一身的經驗，很願意來教導年輕人，但卻常常到最後覺得很受傷，然後就一邊說著年輕人很可惜都不來學點經驗難怪受傷失敗。

面對這樣的前輩我心裡的OS是，如果你是認真覺得想要協助和參與，那為何不更主動些？為何一定得是年輕人主動來跟你求教？所以你到底要滿足的是你內心中好為人師的那一面需求，還是真心想動手下去協助，在我的觀察中，許多前輩或許拉不下臉來主動一點，但對於年輕人來說更常是為何我得去找你？你根本就不懂我們在做的事情，於是雙方的鴻溝是很難被弭平的。

在當評審教練時，很常會有年輕團隊大多都是想做社交有關的平台，老實說過去我不覺得這適合他們，並且學校都會教學生要注意business model以及如何獲利這件事情。

透過不同的視角反思，建立溝通的橋梁

這幾年下來，反而是我自己修正和學習了新的態度，我開始反思，

在這年紀，真的需要在乎Business Model 嗎?
這時候需要搞清楚獲利點嗎？

我新學習到的觀點是，

現在的年輕人都是網路原生代或者說手機原生代，他們的人生體驗和經歷都是我們這一代及上幾代都沒有的體驗，我們如何告訴他們怎麼做是對的？
現代人壽命越來越長，對於年輕人來說，你未來有將近五六十年甚至更多必須天天煩惱錢的問題，在你最精華並且沒有嚴重財務包袱的時候，是否就該落入獲利的思考然後失卻新機會嗎？

所以現在我有機會擔任評審或者相關的教練，我開始用新的論點來跟年輕人互動

把握4項原則，選擇自己真心喜歡的

1.在你大學時期的黃金時期，盡量做些有趣但不見得需要知道獲利的題目，因為有趣才是你的精采之處。你做的夠有趣並且有使用者，那麼自然會有懂得賺錢的人來幫你賺錢想Business Model.

2.然後盡量做你真心覺得有趣有意義的題目，不見得要聽大人們對於你題目的意見，因為常常評審看不懂是因為他們不是你的TA（Target Audience）

3.不要太過相信那些降低你失敗機率的意見，那是屬於你的失敗，失敗真的很苦，但這就是屬於你的失敗，並且在這時候失敗快一點總比年紀再大一點有更多包袱時失敗好

4.盡量做只有你們這年紀這世代能做，而非大人們能做的題目。很多題目其實對於成熟的大人們來說都是看起來簡單，但其實他們做不了的，尤其是跟社交有關的。當年的Facebook以及老一點像我們參與過的BBS都是當年被當成玩具的東西.

結語

在與大學生或者年輕人的互動中，我往往學習到更多，如同前面提到的，正因為世代的不同，人生體驗的不同，我們很難用過去的經驗去套住和制約年輕人，他們或許會失敗，但也只是失敗成本最低的年紀，年長的人要控制住自己，不要去剝奪屬於他們這世代的失敗機會，Fail fast，下一次才有更大躍起的機會。

我們能做的該做的，確實就是陪伴和給予機會及資源，並且從他們的認真中學習下一世代的機會之窗，進而想辦法與他們共創和合作，才有機會做出點與過去不一樣的成果。

這是我自己相信並且也身體力行的！

責任編輯：郭昱彣

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

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。