前英特爾「建廠最快主將」到位!盧東暉如何率美光台灣隊PK三星?
前英特爾「建廠最快主將」到位!盧東暉如何率美光台灣隊PK三星?

去年11月,台灣美光(Micron)董座位置出現空缺,當時美光全球前段營運資深副總裁尼可森(Buddy Nicoson)花了大把心力尋找適任人選。一位美光離職員工透露:「這個人不僅要是中文母語、懂技術和能帶人,還要在業界德高望重,實在不好找。」

全球的記憶體市場正處於三分天下的局面,而台灣又是美光在角逐龍頭的重要一環,因此繼任者的選任,自然是各界焦點。最終脫穎而出的,是擁有豐富記憶體產業經驗的前英特爾(Intel)記憶體大將、現任美光前段製造企業副總裁暨台灣美光董事長盧東暉。

超猛執行力!3D NAND量產關鍵推手

很多人不太認識這位美光新董座,但談起他的戰績,便能立刻理解為何美光會找來這位英特爾曾經的記憶體大將,引領美光開創新局。

2010年初期,當NAND Flash(快閃記憶體)從2D跨入3D之時,業界希望能藉由拉高堆疊層數,降低每單位儲存資訊量的成本以優化定價,如此一來才能取代傳統硬碟(HDD),獲得消費者青睞。

當時任職於英特爾記憶體部門的謝博任,對於盧東暉接下將原先生產邏輯晶片的中國大連廠,改造成記憶體工廠的任務,以及能在這樣的情況下,提前完成3D NAND Flash的技術量產,相當佩服。

謝博任指出,盧東暉僅用不到10個月,就完成工廠從改建到新機台的導入,量產更是提前完成,「而且品質還非常好,讓我記憶深刻。」試產跟量產之間其實差距很大,謝博任解釋,「新機進場後,還要反覆調整參數,必須通過層層關卡才能量產,前後都需要1、2年。」然而,無論是廠區改建還是規模化,盧東暉都提前達標,「這樣的成就,必須仰賴領導者的規畫與執行能力,才有辦法達成。」

不僅如此,盧東暉還在2018年時,於大連成立研發團隊,進行144層NAND的製程開發,並再次完成量產重任。謝博任讚嘆地說,「他最厲害的,就是能一邊接收新技術,同時還能完成量產。」

台灣美光 內部活動
台灣美光董事長盧東暉,也是台灣女婿。擁有20年以上於半導體產業跨國協作的經驗。畢業於北京清華大學材料科學與工程學系,為美國俄亥俄州立大學材料科學與工程博士。
圖/ 台灣美光提供

曝超前達標關鍵:「問題解決者」要被授權

盧東暉還號稱是「建廠最快的男人」。

2017年,由於產能滿載,大連廠區因此進行擴建。沒想到,從鋼筋混泥土等基礎建設動工,到機台導入,包含對工廠內潔淨需求的到位,盧東暉與其團隊僅用了9個月就完成,至今仍是紀錄,「一般來說大概需要14到18個月。」盧東暉說。

為何能如此快速?盧東輝表示,倘若主事者未被充分授權,將會浪費許多時間,「A長官說要用氦氣,B長官說用氧氣,加上大家都很忙,沒時間協調,速度就慢下來。」其次是廠務、製程專家和建造人員間的溝通,「他們彼此不知道對方需求,一來一往耗費太多時間。」

然而這些狀況放在盧東暉身上,卻剛好都不成立,「因為我有技術背景、做過製程也懂廠務,加上有被充分授權,能快速做出決定。」

此外,盧東暉也補充,如何讓諸如灌水泥、打樁或進機台等項目,用錯開次序的方式同時執行也很重要,「像我們就有建築是從中間開始蓋,左右就可以共容納6個吊臂不會互相打到,速度也可以加快,中間蓋好了機台就可以開始運作,旁邊再繼續蓋,能省下3個月的時間。」

曾經有位財務主管和盧東暉共事一陣子後,起了一個封號給盧東暉,叫他「Problem Solver(問題解決者)」,肯定盧東暉解決問題的能力。盧東暉也分享, 「我覺得比起經理人,自己更像一個工程師,我喜歡探索、解決問題的過程。」

「打群架」才能成功,追求更卓越DRAM技術

攤開美光未來發展,從台中A3廠EUV(極紫外光曝光機)的導入、從日本技術轉移到台生產的1β,以及推動供應鏈本土化和培育人才,盧東暉都經驗豐富,不難理解美光為何會找來這位記憶體戰將。不過外界也好奇,為何盧東暉選擇了美光?

謝博任分析,當初大連廠其實還有另一項NAND技術3D XPoint,然而最終未變成市場主流應用,連帶影響營收,最後以出售給SK海力士收場,「到美光,能讓盧東暉持續發揮長才。」今年6月,在一場媒體見面會上,盧東暉也曾表示,「加入美光,是因為這裡有最先進的DRAM技術,非常吸引我。」

在談論這些戰績時,盧東暉語氣仍是淡淡地,並未喜形於色, 「我雖然是關鍵領導人之一,但我強調的是協作團隊精神,在我們這行一個人做不了什麼事,要很多人一起配合才能成功。」 而這樣的風格,其實也體現在盧東暉平時的領導方式上。

盧東暉分享,自己並不喜歡嚴厲的管理方式,「我把自己定位成facilitator(促成者),是幫助下屬成長的人。」曾任職於大連廠區、現任職於美光的陳柏辰表示,辦公室中大家都是稱呼他為「東暉」,並不會特別使用尊稱,「東暉跟員工沒什麼距離,工程師只要有好的想法,轉身就可以跟主管討論。」

和下屬最好的距離,就是沒有距離!

不少美光員工都知道,盧東暉喜歡清幽的大自然,爬山、打高爾夫是他的興趣。曾與他共同招募多位員工的一名同事也說,當初盧東暉在大連的住所,是山頂上只有一戶的狀態,顯見盧東暉愛好山水。盧東暉也透露,自己近來對苗栗三義的環境非常中意。更在採訪當天,與記者分享前陣子在戶外,所拍下肉眼可見的銀河照片。

這樣的文化塑造,盧東暉很看重,「員工時刻都會盯著你看,要培養什麼文化端看上位者怎麼做。」盧東暉也分享一個小故事,在前東家時,某次安迪.葛洛夫(Andy Grove)正在開會,才超過1分鐘,下個要用會議室的工程師就跑進來罵人,「為什麼這個工程師敢這樣?我想這就是領導者在形塑平等文化。」

盧東暉 台灣美光董事長
盧東暉相當重視與員工的相處, 圖為盧東暉參加台灣美光內部活動Reunited Event。
圖/ 周書羽攝影

另一方面,技術出身的盧東暉,在領導上也相當具有特色。陳柏辰表示,「東暉比較偏技術導向,這跟商管型的主管不同,他不是只看KPI數字,而是會明確給你一個執行方向。」

關於這點,前大連廠研發團隊成員董大釗也相當贊同, 「他比較有『戰略視角』,比如說當時蝕刻製程機台選擇有3個方案,東暉會在綜合考量未來技術路線的演進、商業趨勢和成本等因素下,主導機台選擇。」

而與同事的相處上,一位同事也透露,「東暉不太罵人,你工作上出問題,他會在會議上講,但會議結束,這件事就結束了。」

除了公事,盧東暉也相當願意付出額外時間,提供員工建議或協助,讓董大釗印象深刻。他曾與盧東暉聊天時,隨口提及公司前的十字路口未設有紅路燈,導致過馬路時常提心吊膽,「過1個月之後,斑馬線和紅綠燈就出現了。」這讓董大釗發現,這位高管不只能傾聽,也會把員工的心聲放在心上。

當記者求證此事時,盧東暉表示確實有請公司與政府反映,「但我沒想到政府效率也很快,不全是我的功勞。」陳柏辰也說,「一般我們都覺得大老闆很難親近,但東暉甚至會願意幫忙我們私人的事情,這就是其他高管不會做的。」

從基層工程師出發,看著20年來記憶體市場不斷地迭代更新,歷經過最好與最壞的年代,盧東暉仍不忘本心, 「半導體業非常奇特,你所具備的知識沒有足夠的一天,這也是為什麼在這一行,具備求知慾是如此重要,待的愈久就需要愈謙卑。」

責任編輯:傅珮晴、蘇柔瑋

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓