李奧納多的職涯長跑哲學：對高薪說不、把停工2周變蓄力|數位時代 BusinessNext

「把職涯視為馬拉松，而非短跑」李奧納多年輕時為何敢對高薪說「不」？

職涯不是短跑，而是一場馬拉松。李奧納多15 歲便立下「把職涯當作馬拉松」的哲學，他曾拒絕高薪追求角色深度，將停工危機化為蓄力期。

勇敢對高薪說「不」：把職涯深度放在報酬之前

與勞勃・狄尼洛（Robert De Niro）合作《這個男孩的生活》（This Boy's Life）後，狄卡皮歐的電影事業開始起步。很快地，他面臨了人生中第一個關鍵的岔路口。當時有 2 部電影同時向他招手，其中一個機會能賺更多錢；另一個則是《戀戀情深》（What's Eating Gilbert Grape），劇組甚至對是否要錄用他，抱著遲疑的態度。

最終他選擇了對高薪說「不」，接下《戀戀情深》。

「我非常努力地去創造那個角色，那是我第一次真正體驗到什麼叫角色發展，」他描述，「那是我生命中的關鍵轉捩點。」捨棄那個更有利可圖的選擇，印證了他對職涯長期發展的看重，畢竟短期的報酬會消失，但演技的深度會留下來。

將被迫停下的空檔，化為衝刺前的蓄力

拍攝在《華爾街之狼》（The Wolf of Wall Street）電影中那場經典的「我絕不離開」（I'm not leaving）演講戲份的前一天，狄卡皮歐病倒了，他得了扁桃腺炎。劇組只能停工，等他康復後再開拍，而這一等就是 2 周。

面對突如其來的停工，他並沒有感到沮喪，反而覺得「這其實很棒」。他將這 2 周轉化為一段蓄力的時間，仔細推敲演講裡每一個節奏的細節。回到片場時，那些本就排練多時的台詞，已經被他掌握得更加完美。

別獨自苦行！找到你的導師與神隊友

馬拉松是個人賽，但沒有人能獨自跑完。

與知名導演暨編劇馬丁・史柯西斯（Martin Scorsese）合作時，狄卡皮歐見識到一種極其用心的籌備方式，導演讓全體演員、劇組成員連看好幾天的電影，就為了捕捉某一個場景的精髓；為了一個場景，演員可能就得看 2 部電影。而與喬納・希爾（Jonah Hill）的即興對戲，則給了他另一種截然不同的能量。

「那是整部片裡最魔幻、最令人亢奮的時刻，因為我們從來不知道那場戲下一秒會往哪個方向走，」狄卡皮歐說。在這段合作裡，他也看到史柯西斯在片場展現出前所未有的開心。因為沒有規則，整個劇組比他記憶中任何一部電影都更加自由。

對狄卡皮歐而言，演藝生涯不是一場必須獨自扛下的苦行，而是一趟與優秀夥伴並肩前進的旅程。在自己的職涯長跑裡，找到那個能讓你突破自己的導師，以及那個能把你帶往意料之外的地方的同伴，然後，享受每一公里。

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。