股市導師深耕新聞夢想|數位時代 BusinessNext

從熱愛政治，和陳文茜、吳乃仁等人創辦黨外雜誌，轉向投資理財領域，苦力自修的謝金河，利用大量閱讀，迅速熟悉股市環境，再讓這些知識，產生價值，幫他做判斷，持續努力下的結果，使他永遠沒有被淘汰的機會。

**一路窮追猛打

**
謝金河一旦決定要做的事情，一定窮追猛打。他回憶不順遂的求學經驗說，小時候讀鄉下學校，家庭作業總是敷衍了事，後來念斗六振興中學，功課也都是早自習才寫，隨便應付，考試老是考不好，一次數學考三十幾分，被老師打到手都腫起來，回到家裡父親問他怎麼了，他只好騙父親說是跌倒，後來謝金河狠下心來急起直追，爾後考上師大附中，最後進入政大企管系就讀。
大學時代，謝金河一心想從政，雖然念的是企管，但是額外修許多政治系的課，如果老師上課無聊的話，謝金河就會跑去讀書館看報紙，「早上去看到晚上，不管大小標題、或內容，每一份報紙都看得爐火純青，日積月累下，開始對新聞工作產生興趣，」當時的《政大自強報》、《政大青年》，謝金河都有參與編輯，「也許念大學時已經注定這一條路。」
謝金河的求學階段有三個重要轉捩點，第一次是在師大附中時，因為成績優異，可以直接保送師大，卻不假思索地放棄，另一次是依父親心願，去考中央警察學校，考上卻沒去報到，第三次是高普考分發到海關權證關區，卻不願當公務人員，再次棄權。
「我一生都選擇我喜歡做的事情。」謝金河說，人生最有趣的部分，就是摸索，已經確定的事情，他都不予理會，但是不可知的部分，就充滿探險性格，所以不論是當老師、警察或是公務員，共通點都是「只要一天是老師，就終生是老師」，所以他決定到雜誌社工作。
1981年謝金河退伍，當時黨外雜誌風起雲湧，卻也是白色恐怖高張的時期。因為不想給家人帶來困擾和壓力，所以謝金河隱姓埋名，在幕後和吳乃仁、邱義仁、陳文茜一起辦黨外雜誌，他笑說是自己膽子比較小，所以和政治漸行漸遠，如果當時他沒放棄，現在有可能已經是立法委員，或是代表民進黨回鄉參選雲林縣長。
後來《財訊》看上謝金河在《環球經濟》上發表的文章，覺得他跟《財訊》氣味相合，就力邀謝金河加入。當時只有兩三個人工作，他最大的專長是編刊物，而非股市分析，可是每次出去採訪，受訪者都問他股票，他不懂所以不答，別人卻都以為謝金河故意不回答，久而久之，謝金河覺得《財訊》畢竟是股票刊物，假如不懂股市，以後發展的空間可能有限，才開始下定決心瞭解股市。

**從新手到專家

**
從股市新手，到今日眾人眼中的投資理財專家，謝金河發揮堅持與毅力，苦讀自修。當年他一面在財訊工作，一面讀政大東亞所，但是課暇午後，他就躲進政大社會資料中心，從1962年起的《經濟日報》打開來讀，一路讀到1986年，整整花一年時間，才把股市的過去與現在接連起來。
謝金河認為，那一年帶給他的幫助很大，對產業來龍去脈的熟知，讓他的分析判斷更加準確。他自豪地說，「雖然我的年紀不大，對台灣股票市場的瞭解卻非常資深。」再加上他對政治的敏感度，謝金河從1989年起，在《財訊快報》每日一篇的股市專欄，很快博得廣大迴響。
謝金河說，「我一生都在做知識的經營，而知識經營，就是把知識轉換為賺錢的力量。」他進一步解釋，買股票不能人云亦云，如果把股票當成賭博，它是唯一可以透過研究努力，提高獲勝機率。先把功課做好，再上場打戰，內心會比較踏實，不會恐懼。
他說，與其把時間拿來看小說，讀完內心激盪不已，可是感覺過了就算，但是同樣的時間拿來念投資理財的書，看完還會有實質的回報，是立竿見影的事，一方面可以充實知識，另一方面創造財富。
到現在為止，謝金河很少把自己視為投資專家，他對自己永遠的定位叫做「新聞工作者」。即使每天排滿演講、上節目等緊湊行程，謝金河每天還是要看完台灣、香港等地的10份報紙，緊抓產業趨勢，即便環境越劣，謝金河卻因持續累積新知，而在灰澀氣氛中越顯光亮！

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。