輕鬆解讀數位經濟
輕鬆解讀數位經濟
2000.01.01 | 科技

傳統經濟,做得越久領得越多;數位經濟,做得越好領得越多

傳統經濟下薪資制度,企業發給資深員工退休金,經常被視為是對員工「終生貢獻」的一種肯定與獎勵。相對來說,在全球大變動的數位新經濟型態下,就連奉行「終生僱用制」的日本企業,都開始進行人事精簡、工作外包,在一家企業鞠躬盡瘁、終老一生,似乎是越來越遙不可及的事情。數位時代,看起來像是一個比較沒有人情味的時代,人人陷入工作朝不保夕的焦慮時代。
另一方面,我們卻又看見網路新貴一夜致富的故事幾乎天天上演,在今年10月份剛在美國上市的一家網路公司Akamai Technologies「打工」的麻省理工學院學生,平均每個人有超過2千萬美元的身價,恐怕會羨煞許多勞苦功高的「終身成就獎」得主。
但真正的事實是,傳統經濟的薪資僱用制度並沒有比較有人情味,善盡照顧年長者的責任;數位經濟也沒有獨獨偏好年輕人,專門製造年未卅的百萬富翁,從傳統經濟到數位經濟的真正轉型,是由過去的薪資「遞延給付」,轉而成為真正的「效率薪資」。
人們會對「終生僱用制」的傳統經濟懷有鄉愁,主要是出自「誤以為」生涯中薪資的成長是如同左圖中的直線A一般,和年資與對組織的貢獻成正比——做得越久,領得越多。實情是,我們在職場上辛苦奮鬥的薪資所得其實是曲線B-工作的初期階段所得低於我們對企業的實際貢獻;工作生涯後半段的所得卻又高於我們對企業的實質貢獻。工作的退休金從何而來呢?
就是你在職場生涯早期階段所少領的報酬C,在你退休的時候以D來「補償」你罷了!
傳統經濟的薪資結構之所以如同曲線B分布,一來是因為過去員工的績效與表現較難以評估,企業需要用較長的時間來過濾和觀察員工對企業的實質貢獻(最為明顯的制度是,許多企業經常在新進成員的試用期給予較低的薪資,試用期滿才給予加薪),更重要的是,員工在一家企業做得越久,企業對該員工的專業知識依賴就越深,而不得不出高薪來留用資深的專業員工。退休金,則是留住深具對企業有用的專業知識員工最有效的方式——把你年輕時代應有的所得,留到退休的時候再給你。
數位經濟時代,員工的績效衡量越來越簡單而準確,網站的經營成敗往往幾個月內就決定勝負,會計部門的工作開始有會計事務所來和你競爭,上班時間長短越來越少人在乎,倒是許多人開始用按件計酬。員工的專業知識,開始變成既是資產,也是包袱——IC設計業素有「一代拳王」之稱,當紅的設計典範往往很快就成為昨日黃花;炙手可熱的程式設計師,卅出頭就得面臨退休或轉型的危機;網路經營模式的移轉,似乎永遠沒有停下來的一刻。
績效評估簡易而精確,企業經營不再仰賴員工數十年的智慧與經驗累積,企業在數位經濟時代獲得專業而有效率的員工的唯一方式,就是付給員工與他本身貢獻度成正比的「效率薪資」——做得越好,領得越多(如右圖)。員工認股或是選擇權是數位經濟時代「退休金」的新型態,因為股市往往是反映效率薪資最有效的方式。

**傳統經濟,服務萬歲;數位經濟,自助最美

**
傳統經濟,花錢買服務的經濟;數位經濟,服務DIY的經濟。
農夫佔多數的社會稱之為農業社會,以工業為主力的社會叫做工業社會,服務業佔據主導性地位的社會既是服務業社會,也被冠以「後工業社會」之名。以網路為主體的社會,似乎名正言順就該叫做「網路社會」,或是,以性質來劃分,也可以稱之為「自助社會」(self-service society)。
美國的社會學家貝爾(Daniel Bell)在一九七○年代,提出現在我們耳熟能詳的後工業社會概念。貝爾區分工業與後工業社會的標準,主要是依據產業部門的變遷來劃分——後工業社會指的是服務業取代工業,成為社會居於主導性地位的產業。以美國為例,一九四七年仍有超過半數的就業人口在製造業相關的行業工作,服務業的人口僅佔49%,到了一九九一年,服務業的就業人口則大幅提高到72%,取得絕對的優勢地位。台灣在一九八六年工業和服務業各佔國民生產毛額的47%,到了一九九八年,服務業所佔的比例已達62%,工業所佔的比例則下降到34%,台灣已成為典型貝爾定義下的「後工業社會」。
貝爾認為,社會變遷的關鍵在於生產力的提高——少數的人口投入農業活動就足以養活全部人口以後(美國的農業人口不到總人口數的3%,卻仍有大量的農產品可以外銷),就會有更多的勞動力可以投入工業生產活動;技術革新、自動化設備的採用,使得工業部門的生產力同樣不斷地提高,釋放了大量人力投入服務業。工業生產創造了財富,服務業則滿足消費財富的需求。
貝爾預言,服務業不可能被取代,因為只要人們有錢要花,就會創造服務的新需求,而且服務多半很難自動化,必須以人工為基礎。所以坐飛機的時候儘管商務艙和經濟艙佔據的空間相差有限,但是服務有別,價差也就以倍數計。
但是很明顯的,社會學大師沒有預見網路解放服務業生產力的巨大潛能。美國的聯邦快遞每天處理數以百萬計的快遞郵件,過去為了讓顧客可以隨時查詢郵件的遞送狀況,每年花在電話費和客戶服務人員的費用高達數百萬美元。聯邦快遞自從架設了網站讓顧客自行查詢快遞郵件的處理狀況以後,不但大幅下降了人事和電話費用,顧客對服務的滿意度也同時大幅提昇。在美國開設一家全服務功能的網路銀行的成本與開設一家實體分行相當,約在100萬美元之譜,但是一家網路銀行可以服務1000萬個客戶,實體銀行要服務等同的客戶數則要花上9億美元開一大堆的分行、聘請一大堆的行員。
網路社會的真實意涵在於服務性的產品也被工業化和自動化,過去我們花費在服務性商品的消費(我們過去所認知的「奢侈性消費」)佔總體消費比例將會下降,而非上升。網路所帶來的服務業生產力大躍進,將會使得越來越多的消費者自行生產更多的服務供自己使用─愛爾蘭的nua網站(www.nua.ie)只要回答站上的問卷就可以免費使用所有站上的統計資料;美國的「接線總機」(switchboard.com)網站,使用者只要輸入和更新自己的電話號碼,就可以免費使用網路電話簿查詢,成為最受歡迎的網站之一——畢竟,多數人大概都不願意花錢播104查號台,還得大費唇舌,引經據典告訴服務人員「數位時代」該怎麼拼!

往下滑看下一篇文章
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點

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。

美光 x 數位時代
美光科技全球業務執行副總裁 Mike Cordano
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓