商學院大鬧博士荒|數位時代 BusinessNext

約翰‧佩尼（John W. Payne）最近完成杜克大學J.B.Fuqua商學院5年策略發展計畫，這位商學院院長的首要目標：擴張學校規模，把商學院教授從目前68人，增加到2005年98人。這對今天的商學院來說，是很大的野心，「如果我們在2006年達到目標，我會辦個慶功舞會。」他說。
的確，找人擔任商學院教授，愈來愈難了。最大的問題是，隨著系所擴張，商管學院畢業的博士生根本不夠。根據國家態度研究中心調查，過去10年商學博士只增加3.5%，其他領域像生化博士和歷史博士分別成長了36%和88%。1999年調查，商學類1104位準博士，只有一半選擇學術領域。「池塘愈來愈小，人才爭奪也愈來愈激烈。」哥倫比亞大學商學研究所副所長費德古恩（Awi Federgruen）說，哥大有12個職缺和一堆擴張計畫。

**解決商學院教授荒

**
美國《商業週刊》（Business Week）全美排名前30的商學院目前有近250個職缺，前60名來算，職缺更超過400名；全美知名商學院則有超過300所需增加教授人力。對商學院來說，成為知名院所是種賭注，它可以吸引企業支持、研究經費和最好的設備，但代價是人才流向付高薪的顧問公司、智庫甚至其他商學院。「我們變成世界級的免費人力仲介機構，」維吉尼亞大學達頓商管研究所所長辛德（Edward A. Snyder）說。幾所大學搶同一批人才，商學院正學著如何打這場人才戰爭。
一旦系所職缺沒有補滿，商學院的教授們通常被要求多教幾堂課，花更少時間做研究，「我們花太多時間教書，我們應該花時間在該做的事情上！」科瑞齊‧福克思（Craig R. Fox）教授說。
另一個辦法是僱用非科班出身的博士。商學院僱用社會科學出身的博士，但代價是付出時間。麻省理工學院史隆管理學院院長沙瑪雷西（Richard Schmalensee）說，「我們不聘請不了解商業專業的人」。在麻省理工學院，有些教授前4年教學負擔較小，有很多時間可以學習商業知識和學著教企業管理課程。
有些學校會聘請實務界的人，由於商界出身的教授傾向教學生實務課程，而把學術理論留給傳統教授，部份商學院院長擔心會引起學術流派分裂。
但這些作法仍不夠。為了解決人才荒，商學院院長們必須走進大學，吸收更多學生進入商學研究的殿堂。

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。