台積電搶爭PM新職缺！「AI產品經理」是什麼？年薪多少？必備技能有哪些？|數位時代 BusinessNext

台積電搶爭PM新職缺！「AI產品經理」是什麼？年薪多少？必備技能有哪些？

AI產品經理強調AI專業，必須具備AI、機器學習、深度學習等相關技術的基本概念和應用場景。

AI 產品經理年薪多少？

AI 能力也反映在企業徵才趨勢中。根據職場評價社群Glassdoor數據， AI 產品經理的平均年薪在 148,000 美元至 225,000 美元（約新台幣447萬至680萬）之間 。

以台積電為例，旗下的業務系統部門近年積極招募AI 產品經理，職責涵蓋產品管理、數位轉型和利害關係人溝通等多個方面，該職缺要求具備 AI 技術理解力、跨部門協作經驗，以及在半導體或製造業具備實戰歷練。

AI產品經理必備4大技能！麥肯錫：懂AI基礎，還得具備同理心

麥肯錫也指出，AI產品經理想要成功開發 AI 產品，必須培養以下4項關鍵管理技能：

一、低代碼原型設計 (Low-Code Prototyping)： 熟練運用低代碼和無代碼開發平台，加速產品開發週期。

二、代理框架規劃 (Agentic Framework Planning)： 包括AI代理的協調、編排和整合進行策略規劃等，協同多個大型語言模型系統達成複雜的任務目標。

三、同理心與信任建立 (Empathy & Trust-Building)： 深入理解使用者對於 AI 解決方案的觀點、疑慮和採用障礙，設計出能培養信任的介面體驗，最終打造能引起使用者共鳴並鼓勵他們放心使用的 AI 產品。

四、風險管理與合規 (Risk Management & Compliance)： 與風險專家和法規專家緊密合作，在產品開發生命週期的每個階段導入嚴謹的安全措施，保護使用者安全，以及維護品牌聲譽。

此外，Dropbox 負責 AI 產品與成長的副總裁摩根．布朗（Morgan Brown），在近期訪談中分享了對於AI產品經理的看法，他認為，AI革命將遠超過行動網路與 Web 2.0 所帶來的改變，且生成式 AI 與大型語言模型（Large Language Models, LLMs）將大大重塑產品開發流程、顧客體驗，甚至整個攸關企業生存的營運模式。

布朗強調，AI 產品經理必須「親自動手」，即花時間培養使用多個大型語言模型及AI工具的習慣，不論是 Claude、ChatGPT等現有的模型，或是專為企業打造的內部模型，並建立自己的LLM智囊團，也就是同時與多個模型互動，將AI視為拓展思維的思考夥伴，提升工作效率。

另一方面，除了具備跨域理解能力，AI產品經理還要能適應超乎常理的變化速度。布朗提到，過去一般產品團隊習慣以季為單位規劃公司藍圖，如今卻常常面臨「3 個月後就被新創推翻」的窘境。他建議，AI產品經理想提升相對應的技能，可建立快速學習與調整的機制，重新思考產品策略、研發節奏與績效評估的方式。

本文初稿為AI編撰，整理．編輯/ 蘇柔瑋

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。