Web3女生薪水更好？Pantera Capital報告：收入比男性高出14.67%|數位時代 BusinessNext

Web3產業工資存在差距

我們報告了 Pantera Capital 關於區塊鏈行業薪酬的橫斷面調查結果。該調查共有 502 名普通人群的受訪者，是迄今為止同類調查中規模最大的。我們的分析發現，加密行業員工的性別工資差距與一般情況相反——在我們的樣本中，女性的收入超過男性。

方法論

本研究採用兩階段研究設計，以應對多重假設檢驗和 p-hacking 的潛在問題。前一年調查的初步觀察被視為試點研究，為當前研究提供了資訊。

試點研究（前一年）

在前一次調查的探索性數據分析中觀察到了性別工資差距，但由於多重比較引發的假陽性風險，並未將其報告為發現。這種方法符合避免第一類錯誤和出版偏見的最佳實踐。基於試點數據，我們進行了先驗功效分析，以確定今年調查中檢測假設效應所需的樣本量。這些結果在此呈現。

確認性分析：

當前研究作為確認性測試。這種方法允許更可靠的 p 值解釋，因為它不受多重比較或事後假設的影響。

透過採用這種兩階段方法，我們避免了多重比較校正的需要，例如 Bonferroni 方法，這在同時測試多個假設的單個研究中是合適的。相反，我們的方法與預測建模中的「樣本外驗證」概念相一緻，增強了我們發現的穩健性。

這一方法論框架增強了我們結果的有效性，並為加密貨幣行業研究等探索性領域提供了嚴格假設檢驗的模型。

調查方法和結果

數據收集時間為 2024 年 6 月 4 日至 7 月 20 日，透過基於網路的調查問卷進行，問卷透過專業網路（LinkedIn）、社交媒體平台（X）、新聞通訊和電子郵件傳播。樣本由 502 名自我認定為男性或女性的美國受訪者組成。僅全職員工被納入分析。

對中位數基本工資的分析顯示，加密貨幣公司的女性收入比男性高出 14.67%。 女性的中位數基本工資為 172,000 美元，而男性為 150,000 美元，女性的收入相當於男性每賺一美元就賺 1.15 美元。

這一差異在統計上顯著（Mann-Whitney U 檢驗，p < 0.05），與一般勞動市場趨勢相反，後者女性通常收入低於男性。通過回歸分析，我們還觀察到平均差異有利於女性（p < 0.05）。

這一結果挑戰了性別工資差距的敘述，在非加密公司中，女性通常每賺一美元男性只賺 $0.84 美元。

進一步分析

更仔細地檢查職業群體，娛樂行業的製作人和導演是女性收入高於男性的唯一其他領域。雖然其他高學位職業的薪酬接近平等，但現實是，即使在 Web2 技術行業，男性的收入仍然顯著高於女性。

這種反向工資差距可能部分歸因於性別之間經驗水平的差異。加密行業的女性往往經驗更豐富，通常處於中級到高級職位，當前職位的工作經驗超過五年。相比之下，更多男性占據入門級職位，因為他們正在向加密行業過渡。

這種「反向」工資差距可能表明，與傳統領域相比，加密行業為女性提供了更好的機會。

需要認識到，女性在這一行業中仍然可能面臨障礙和困難。然而，加密行業相對公平的薪酬表明，性別平等正在朝著更大的方向發展，標誌著這一新興領域的進步趨勢。

本文合作轉載自：深潮

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。