思科殺入AI網路主戰場！推出Silicon One G300晶片，直攻6,000億美元基礎設施商機|數位時代 BusinessNext

「智慧集體網路」技術：不只比頻寬，更比誰聰明

G300 採用台積電 (TSMC) 先進 3 奈米製程製造，最大特色是一套名為「智慧集體網路」（Intelligent Collective Networking）的技術組合，包含三大核心功能： 業界最大的 252MB 共享封包緩衝區、基於路徑的負載平衡，以及主動式網路遙測。

Cisco 將這些功能比喻為網路的「避震器」。當 AI 叢集中數萬顆 GPU 同時運作時，常會產生突發性的巨量資料流，G300 能在微秒等級內自動重新導引資料流量，避免壅塞導致整體計算停擺。Cisco 表示，模擬測試顯示網路吞吐量可提升 33%，AI 運算工作完成時間可縮短 28%。

Cisco 通用硬體事業群執行副總裁 Martin Lund 接受《路透》專訪時指出，當網路連接數以萬計或數十萬計時，偶爾的延遲就能拖慢整個 AI 訓練任務，自動重新導引是「必要功能，不是加分項」。

液冷、高密度、最少交換器：重新定義 AI 資料中心網路

G300 將驅動兩款新型交換器：Cisco 8133（氣冷）與 Cisco 8132（全液冷），均提供 64 埠 800Gb/1.6Tb 配置。液冷版本是 Cisco 首款商用水冷交換器，能源效率比前一代提升近 70%，過去需要 6 台的頻寬，現在單台就能提供。

更具戰略意義的是規模優勢：G300 支援最多 512 埠擴展，在典型部署中，僅需 750 台交換器即可連接 12.8 萬顆 GPU，過去同樣規模需要約 2,500 台。此外，G300 支援 P4 可程式化架構，設備部署後仍可透過軟體升級新功能，保護長期投資。

Cisco 總裁暨首席產品長 Jeetu Patel 表示：「我們正從晶片到系統、到軟體的全站式創新，為從超大規模雲端到企業的每一類客戶建構 AI 基礎建設。」

競爭白熱化：Ethernet 路線能否挑戰 NVIDIA 的 InfiniBand？

AI 網路晶片市場的競爭正在升溫。NVIDIA 上個月發表新一代系統時，其中一顆關鍵晶片就是專門的網路晶片，而博通的 Tomahawk 系列則是資料中心網路的主流選擇。Cisco 主打更開放的 Ethernet 標準，嘗試以「智慧」而非單純「頻寬」作為賣點。

研究機構 Dell'Oro Group 副總裁 Sameh Boujelbene 評價，G300 不只是典型的遞增升級，而是將智慧直接推入交換晶片，解決了大型 AI 叢集中不可預測的東西向流量、壅塞熱點與舊式網路的擴展限制。

G300 預計於 2026 年下半年量產出貨，屆時將正好趕上 NVIDIA 與 AMD 次世代伺服器機架系統的上市期。

本文初稿為AI編撰，整理．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。