Appier淡季交出33%營收成長，全因3大AI模組導入產品線！解密AI精兵人才策略|數位時代 BusinessNext

Appier於5月14日發布2024財年第一季的營收成果，儘管正值傳統淡季，Appier 仍繳出年增33%的第一季營收成長，來到74億日圓（約為新台幣15億元），同時，這也是Appier歷史第一次在第一季實現淨利轉正，其他亮眼的營運數字包含創歷年第一季新高的51.7%毛利率。

而成長的原因，則來自於生成式AI（GenAI）納入產品線，獲得客戶青睞有直接相關。

3大策略方向，增強生成式AI能力

Appier在去年第二季起測試將生成式AI模組納入現有產品線中，目前在廣告成效、強化關鍵字搜尋，以及生成式AI驅動的自動網站開發有較顯著的表現。

增強廣告成效 ：過去行銷人員必須自行撰寫產品敘述，並大量進行A/B test測試廣告成效。現在則可利用生成式AI自動化生成個人化行銷訊息與廣告創意，優化廣告成效。

以網路銀行為例，行銷人員必須圍繞在網路銀行發想關鍵字，但這樣做的問題在於，有些關鍵字可能不夠直觀，就永遠不會被想到。利用生成式AI，可以跳脫傳統策略，鎖定相關的關鍵字來下廣告，擴大觸及的客戶群。

圖／ Appier

強化關鍵字搜尋 ：以網路銀行為例，行銷人員必須圍繞在網路銀行發想關鍵字，但這樣做的問題在於，有些關鍵字可能不夠直觀，就永遠不會被想到。利用生成式AI，可以跳脫傳統策略，鎖定相關的關鍵字來下廣告，擴大觸及的客戶群。

生成式AI自動網站開發 ：允許客戶根據文字或圖片輸入描述他們想要的網站模板，讓生成式AI立即自動學習、完成整合，減少了行銷、工程和設計團隊間的跨部門溝通。

Appier共同創辦人暨執行長游直翰表示：「以生成式AI為核心，成為Appier一個正向的循環。客戶提供的資料愈多，AI就越準確；AI越準確，客戶就願意投入更多預算。」目前Appier的生成式AI，以開源的大型語言模型，加上內部自有數據，以及客戶提供（用於客戶自己）的數據來訓練、調整。

此外，Appier共同創辦人暨營運長李婉菱也透露，在Appier內部營運也在進行使用生成式AI的測試，除了工程團隊之外，初步瞄準HR、行政，讓所有Appier員工可以直接與AI機器人對話，獲得需要的資訊。

「AI精兵」策略，連執行長都要第一線求才

也因為Appier很早就開始測試生成式AI產品，內部自然也需要有更多的AI技術人才。

游直翰坦言，大部分AI、大型語言模型專長的人才，還是在歐美較多，「所以我們在招募上滿努力的，我剛從國外回來，也是在研討會跟最頂尖的研究者交流。」

但考量到AI人才非常搶手，《金融時報》過往的報導指出，OpenAI、DeepMind、Anthropic等當紅AI公司中，即使只是相對初階的工程師，也能輕鬆獲得百萬美元年薪，頂級的工程師薪資甚至有望達到1,000萬美元以上。

游直翰表示，因為Appier對於人均產出非常要求，在工程師方面也採用精兵策略，求精不求多，吸引這些人才的優勢，就是Appier有非常大量的實際數據（如廣告），「像我們有這麽大量的數據，且可以實際應用公司可能沒有這麽多，加上既有的人才網路推薦，會是我們找尋AI人才的方式。」

中國遊戲、電商積極出海，為Appier帶來客源

從區域、服務的產業來看，Appier第一季也有不少好消息。

現在Appier 90%的客戶還是來自於年營收100億日圓以上的大型客戶。區域方面，在韓國除了電商之外，也拓展到持續成長的數位內容客戶群；一直以來占比雖然較低、但是高速成長的美國與EMEA客戶，則從遊戲領域拓展至電商、生產力工具類型的客戶。東北亞、美國和EMEA（Europe, Middle East & Africa；歐洲、中東及非洲）的營收增幅分別為31%、67%。

而游直翰特別點出中國客戶，由於中國企業有AI轉型的需求，再加上中國遊戲、電商產業有積極出海的規劃，為Appier帶來營收成長。

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。