用email向老闆提案反而降低說服力？專家揭背後的心理學秘密、3做法讓你更有影響力|數位時代 BusinessNext

為何有些人講起話來特別有說服力、特別容易讓人相信？而當需要爭取加薪、面試工作或請求別人幫忙時，你是否會覺得很困難？其實這背後都暗藏著心理學的秘密。

通常當我們有求於人時，都會下意識覺得請求會被對方輕視、拒絕，但社會心理學家凡妮莎・博恩斯（Vanessa Bohns）在她的書《你比自己想得還有影響力》（暫譯，You Have More Influence Than You Think）中解釋道，上述那些擔心的念頭，大多不會發生，這只不過是心理學的偏見所造成的。

她的研究結果也顯示，其實大部分的人都很願意合作並提供協助，事實上，要對別人說「不」反而是更難的事情，換句話說，就是我們常常都「想太多了」，並且低估了自己的影響力。

當然，若是想讓別人更買單，光靠「相信自己」顯然是不夠的。博恩斯歸納出3種有說服力的人跟大家不一樣的地方，這些策略其實人人都可以應用。

1. 別擔心你的陳述方式「不夠完美」

當你提出一項建議給老闆時，你可能會擔心對方正仔細地聽你所說的每一個字，並且可能隨時會拿出不同觀點反駁你。

但是，德州大學的研究人員就發現，其實大部分的人根本就不會為了可以快速反駁，而刻意記下對方所說的內容。心理學家形容，人類其實是「認知上的小氣鬼」，意思是，我們只有在真的非常需要、或是有動力的狀況下，才會真正仔細考慮某一件事情。

根據康乃爾大學神經科學家瓦萊麗・雷納（Valerie Reyna）提出的「模糊軌跡理論」（fuzzy-trace theory），當我們的大腦接收一條資訊時，會有以下兩種處理方式：

第一種是，在大腦中的某個區域，我們會一字不差地記下對方說了什麼。

第二種是，在大腦的另一個區域，我們會同時理解並記下聽到的重點（就如同理論的名字一樣，我們對實際的訊息進行「模糊化」）。

雖然剛收到這條資訊時，我們會同時記住細節和擷取後的重點，但隨著時間流逝，逐字的細節會逐漸消失，留下來的是我們自行整理後的重點。這意味著，你的老闆只會記得你提出的重點，而不是你如何提出，或是你所說的一字一句，因此，比起琢磨用字遣詞，清楚地表達想法才是最重要的。

2. 當面談更有效

回想一下，當我們想要說服某人做某件事時，通常會如何開始？是打電話、發email、傳訊息？還是直接走進對方的辦公室？

從表面上看，如果預期一項提議可能會被拒絕，email似乎是最好的選項，可以減少尷尬感。但事實上，就如同你想避開「當場遭拒」那種尷尬的心情一樣，對對方來說，「當面拒絕別人」也不好受，而email反而給了對方一條簡單的出路，可以更輕易地拒絕你。博恩斯認為，最有效率的策略還是當面談——而這項簡單的做法卻時常被大家忽略。

3. 提升你的自信

博恩斯近期的另一項研究顯示，當我們試圖向別人闡述自己的想法時，常常會變得沒有自信。

自信低落的影響不見得都是壞事，但可能會讓我們做許多不必要的白工，並且太過在意別人的意見，也就更難說服別人相信自己。

提升自信有許多方法，不論你覺得自己在對方心中的印象如何，都應該把這個形象想得更好一點；而不管你預期會得到怎樣鋪天蓋地的否決，都應該把它想得再更少一些。

【延伸閱讀】

1.在哪個縣市上班，薪水最高？能存最多錢？兩個答案不一樣！
2.舊 iPhone 能拿到全家換錢！鴻海透過超商回收二手機，打算做什麼呢？

最新10月號雜誌《無程式碼時代來了！》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

責任編輯：傅珮晴、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。