沒有方向盤的無人計程車：亞馬遜Zoox拉斯維加斯試乘報告，「四人對坐」體驗如何？|數位時代 BusinessNext

開箱Zoox：從預約到上路，有哪些設計巧思？

Zoox目前在拉斯維加斯仍是免費試乘階段，僅有拉斯維加斯大道上的固定路線可搭乘，多是大型飯店之間的接駁。使用
官方APP註冊後，選取上下車地點，等待大約10-15分鐘即可搭乘，需要注意的是，目前僅限美國手機號碼註冊。

Zoox車輛外觀是淺綠色和黑色線條相間，形狀類似一台烤麵包機的圓潤方形，沒有區分車頭和車尾，兩邊都可以移動。

頂端四角配有四個感測器，採用雷達、光達技術，每個鏡頭視野達到270度，亞馬遜指出，這個設計能夠消除傳統車輛形狀的視野死角，

車輛抵達時，結束旅程的乘客下車後，車門會先關閉上鎖，需先使用APP點按重新開啟才能上車。兩側車門採類似捷運的雙向電動滑門設計，加大車內空間。

車內設計是Zoox的最大特點，和目前市面上包含Waymo、Robotaxi等無人計程車的車型大不相同，Zoox選擇完全拿掉駕駛座和方向盤，採用類似馬車四人對坐設計，單純以乘客為主。

車內兩側都是落地窗型，上方有天窗，前後則是被坐椅和紗網遮擋視野，主要是由側邊看到外部風景，感受很像在搭乘大眾運輸。

在四位乘客座椅之間，都設有無線充電座和飲料杯架，牆面則各有一個觸控螢幕，螢幕可以按下關門和開始行駛的按鍵，並且會持續顯示目前抵達目的地剩餘時間。在行進間可以調整的是車內溫度、音樂歌單等，並且不過無法對車子的操作有任何多餘的控制，完全能感受到Level-5的全自駕，能夠放手讓車子自行控制。

平均時速大約50-60公里，加速、轉彎和煞車都很滑順，即使在車多的地區緩慢前進，也並未感覺到階段性煞車的不適，穿過減速坡的震動感也不明顯，根據官方數據，Zoox最高可行駛120km/h的速度，以方便車輛行走高速公路快速穿越城市。

車輛抵達目的地後，會自動偵測尋找合適的停車、下車點。值得一提的是，體驗結束後，同車乘客下車時不慎把東西遺落在座位上，Zoox自動偵測到，App便無法還車，車門也無法再次開啟。車身的對講機立刻接通客服，由客服人員協助通知還有遺落物品，核對訂車資料後開門讓乘客拿取。

體驗總結：消除「幽靈駕駛」違和感

Zoox在設計上和現有無人車款差異相當大，大膽拿掉駕駛座，也代表完全沒有任何人為介入操作的空間，但巧妙降低其他無人車款「駕駛座無人、方向盤卻在旋轉」的怪異感，乘客面對面對座，不直視路況，而是引導視覺往窗外風景移動，加上不過快的速度、平穩的剎車方式，讓整體乘車的體感非常自然，甚至在聊天搭車的過程中，可能忘記這是一台完全「非人」主導的車輛。

不過拉斯維加斯大道整體相當平坦、路線單純，11月在車多路況更複雜的的舊金山市區上線行駛，未來營運狀況值得觀察。

Zoox目前在舊金山與拉斯維加斯共部署了約50輛無人車，並計劃進一步擴展至洛杉磯、西雅圖、奧斯汀、亞特蘭大與華盛頓特區。

責任編輯：李先泰

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。