Google Pixel Watch背後，揭密台灣重磅角色！面對自研晶片效能質疑，怎麼回應？|數位時代 BusinessNext

Google Pixel Watch背後，揭密台灣重磅角色！面對自研晶片效能質疑，怎麼回應？

Google舉辦台灣上市記者會，硬體副總裁彭昱鈞分享台灣團隊在Pixel Watch的研發中投入很多心力，面對自研晶片的效能問題，團隊也提出解答。

Pixel Watch也有台灣功勞，強調設計感、Fitbit生態圈整合

繼Pixel手機、耳機後，Google迎來全新新產品線———智慧手錶Pixel Watch，不過配備的健康偵測、導航等功能和他牌差異並不大，是否缺乏足夠亮點吸引消費者購入？

彭昱鈞表示，Google的手錶最大優勢是和子公司Fitbit的整合，導入Fitbit龐大的健康、運動數據庫，加上Google軟體應用上和手機的高度結合，讓Pixel Watch成為整個Fitbit產品線中最高階的產品，功能也最全面，希望可以把Fitbit的消費族群也吸引過來，加上如同一般手錶般，適合更換搭配的錶帶設計，適合重視個人風格的消費者選用。

台灣多年以來都是Google Pixel手機的研發重鎮，這次在智慧手錶產品上也沒有缺席，不只硬體設計和製造，軟體方面如手錶和手機相機的連結功能，就是台灣團隊做出來的。彭昱鈞指出，雖然不能公布人數，但團隊一直在擴編，預期未來也會參與更多新產品的研發。

不過產品範圍愈來愈大，現在有手機、耳機和手錶，明年還會多出平板，研發上是否有困難之處？彭昱鈞表示，他認為讓不同裝置有一致的體驗是最難的事，例如Google語音助理，在手機、手錶兩種完全不同特性的產品上，要如何達到同樣的精準度，需要花很多時間調校，尤其Google強調的是打造生態系，就會對此有更嚴格的要求，這都是團隊非常努力的方向。

新一代自研晶片跑分不好看？演算技術和流暢體驗才是主力

Google Pixel 7系列這次採用了全新的晶片Tensor G2，外界都在關注是否能改善上一代過熱、效能不足的問題，不過網路上傳出內部人員的安兔兔效能測試跑分，分數比高通舊版晶片Snapdragon 888還低。

Pixel相機產品經理傅敬文表示，跑分和日常使用體驗其實並不是完全重合的，以Pixel系列的相機研發而言，很高的CPU（中央處理器）其實沒有多大用處，更需要的是TPU（張量處理器）在機器學習、影像處理的能力，所以Tensor晶片就是針對Google最需要的演算技術做效能提升，例如讓這次的去除噪點功能，耗能是過去的1/10。

而現場有用戶直言Pixel 6的發熱和更新體驗不佳，彭昱鈞表示，有時應用程式或使用習慣上，都可能造成和手機相衝，Google不管在軟體更新，或者下一代的硬體規格上，都力求針對痛點做出調整，希望一代比一代做得更好。

責任編輯：林美欣

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。