30代投資銀行家的賞味期限|數位時代 BusinessNext

年紀和職業有什麼關聯？想想二十啷噹歲的網路新貴，三十出頭的投資銀行家，和40歲以上的企業家。歐美名列前茅的商學院，每年都有成千上萬30歲左右的畢業生尋找就業的機會。
和財務相關的領域中，最炙手可熱的是投資銀行（investment bank），一經錄用，不論你工作的地點是國際金融中心的紐約華爾街，或是尚待發展的印度孟買，將近6位數美元的年薪向著你招手。投資銀行是和管理顧問公司並列為商學院畢業後起薪最高的工作機會，對於剛踏入社會的MBA而言，更誘人的是入「行」兩、三年後，平均的年終紅利，將超過6位數美元。
但想像不到的是，這樣誘人的薪酬，似乎留不住人才。在投資銀行裡，極少看到超過40歲以上的銀行家。原因在於這個行業的競爭極度激烈，如果到了40歲還沒坐上「高階管理人」（senior management）的位置，通常會選擇下台一鞠躬。由於銀行內部高階管理人的位置有限，在優勝劣敗的激烈競爭下，只有鳳毛麟角的人能待到攀上頂峰。
當然，更不乏因為無法忍受扭曲的生活形態，或是找到更好的機會而提前轉業的情形。「投資銀行」和「管理顧問」在台灣是很新穎的觀念。
1990年代初期，分執這兩個領域牛耳的麥肯錫顧問公司（McKinsey）和高盛投資銀行（Goldman Sachs），在台灣的宏國大樓裡紛紛開張，不僅首先將「加班」（overtime）的概念延伸到「通宵達旦」（all-nighter），同時也在短時間內聲名大噪。
當時，麥肯錫負責台灣政府的亞太營運中心評估業務，高盛則擔任台積電ADR（美國存託憑證）的發行，但是若以賺錢多寡的經濟效益來評估，麥肯錫顯然難望高盛項背。
在投資銀行中，以寥寥十幾人在兩、三個月內全力衝刺，要賺近數百萬，甚至上千萬美元並不是一件難事，堪稱員工生產力最高的服務業。因此，投資銀行家的高薪其來有自。
但是一到景氣滑落時，投資銀行裁員的比率，動輒以40%~50%計算。例如今年所有叫得出名字的投資銀行都大刀闊斧的裁員。原因在於投資銀行的價值，其實多半在於長年經營累積而成的全球企業關係網絡，以及洲際的金融產品的銷售通路。
個人的價值其實有其局限。因此諸如高盛與摩根士丹利（Morgan Stanley）的品牌，價值非凡。曾經企圖要建立區域投資銀行的百富勤和凱基證券，不是已經鎩羽而歸，就是經營遲遲不見起色。
或許正因為投資銀行的報酬迷人，如今許多台灣企業管理科系的畢業生也開始嚮往投資銀行的工作。然而「市場在哪裡，工作機會就在哪裡」，隨著亞洲經濟重心轉向中國，投資銀行中所需台灣背景的人才，遠少於中國背景的人才，同時這也正具體而微地顯示了，台灣各行各業專業人才將面臨的困境。可以想見：不僅投資銀行家的賞味期限（保存期限）不長，投資銀行在台灣風光的歲月恐怕也不會太長。

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。