Google I/O 2023開發者大會要來了！AI以外，還會有什麼亮點？三大焦點搶先看|數位時代 BusinessNext

被逼急了？最先進的LLM模型有什麼亮點？

《CNBC》報導，此次大會的許多更新，都是在與微軟的AI之爭更加白熱化後才加入的。根據Google內部關於 I/O 2023的檔案顯示，此次將推出最新的大型語言模型PaLM 2。PaLM 2有超過一百種語言的資料庫，在Google內部一直以「統一語言模型（Unified Language Model）」的內部代號進行開發。

PaLM 2進行了大範圍的編碼以及數學測試，除了上述兩項偏理工類型的訓練外，它也做了像是創造性寫作和分析等訓練。

2022年4月，Google首次宣布了PaLM的語言模型，並在今年3月正式推出了PaLM的API，並同時發布了一系列瞄準企業市場的AI工具。據稱這些工具將協助企業從簡單的自然語言提示中生成文字、影像、程式碼、影片與音訊等內容。4月時Google還表示旗下醫學領域的「Med PaLM 2」可以回答專家級別的醫學問題，而且85％都是正確的。

比以往更聰明的Bard與AI工作助手，將協助用戶發揮潛力

隨著各大科技巨頭爭相將AI融入旗下產品，不只有微軟與OpenAI，亞馬遜也在上個月發表平台式服務「Bedrock」。Google在這場AI大戰中也不落人後，嘗試將Bard和LLM應用到各項服務中。

根據Google的內部檔案揭示，此次大會將以AI如何「幫助人們充分發揮潛力」為題，帶出聊天機器人Bard與搜尋引擎的「生成式體驗」。包括Bard用於編寫程式、數學等邏輯方面的應用，以及日語、韓語等語言的擴展應用。

《CNBC》指出，Google內部已經開發了一款名為「multi-Bard」的多模式版本，使用更龐大的數據集來解決棘手的數學和程式問題。同時還測試兩款名為「Big Bard」與「Giant Bard」的版本，種種規劃顯示出Google在生成性AI領域的野心。

今年3月，Google已經在Gmail與Google文件中測試了AI應用（用以起草信件或文章），如今這項服務也將拓展到其他工具中。除了聊天機器人與搜尋引擎外，Google還將加強其Workspace與AI的協作，包括Google試算表的範本生成，Google Slide（簡報）與Google Meet的影像生成等等。除此之外，還有圖片文字識別工具Google Lens，預計也將帶來結合相機和語音功能的更新。

硬體也沒有缺席，Pixel Fold與新款平板電腦也將推出

除了AI領域外，Google也預計將發布旗下第一款可折疊式手機Pixel Fold與平板電腦。《The Verge》報導，Pixel Fold外型更接近三星的Galaxy Z Fold，也就是翻書式的設計。據傳將搭載Tensor G2晶片以及「世界上最耐用的鉸鏈」，將可望解決折疊手機最為人詬病的耐用性問題。

《Engadget》報導，Pixel Fold起跳價將來到1700美元，最快將於6月上市。

新款平板電腦Pixel Tablet的資訊也在亞馬遜日本的網站上流出（現已刪除），《WinFuture》指出，這款產品一樣採用Tensor G2晶元，配備8GB的RAM和高達256GB的存儲空間，起跳價將來到600歐元（約新台幣2萬元）。

責任編輯：蘇祐萱

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。