將F1的競速感 延伸至產業
將F1的競速感 延伸至產業
2007.08.01 | 科技

全世界最昂貴的車是什麼?不是法拉利、不是賓士,而是風靡全球賽車迷的F1賽車。你知道一台F1賽車的造價需要多少錢嗎?至少在一百萬英磅以上,換算成新台幣相當於要花費六千八百萬元,才能打造出一台F1等級的賽車。由於價格如此昂貴,使得F1賽車從設計、研發到製造都列為最高機密,也令外界想一探究竟。

一台F1賽車的設計與製作是非常複雜的工作,其中引擎、變速箱、車身以及電子系統,是當中百萬零件裡最為昂貴的部份。尤其是引擎更是整個車體的心臟,每年F1車隊的預算,幾乎超過五○%都用在引擎的研發與製作上。

由於需要高轉速的動力輸出,F1賽車所需的零組件相當要求輕量化以及高強度,這也使得在零組件的挑選上需採用多種特殊合金材質。因此,這些特殊材質在一般汽車零組件供應鏈中並不常見。

賽道上分秒必爭

其實整個賽車的發展就好像產品供應鏈的縮影,若不能即時洞察產品性能,就無法在第一時間內做出立即反應。

根據研究機構AMR二○○三年報告指出,市面上看到的手機、筆記型電腦,或者大到飛機、汽車等產品,其設計開發與製造的成本,即占掉產品生命週期總成本的七成以上。如果在產品開發的過程中,減少設計與製造的落差,可提高三○%的生產力、降低二五%的材料成本、節省八○%的文件成本、加快六○%的報價速度與延長產品週期達八○%。

以最講究「時間差」的F1賽車為例,若能降低製造時間,將更利於比賽;換句話說,比賽不僅在賽車道上,更多是在賽車道之外。因此,組成F1賽車裡的每一顆小螺絲釘都非常重要。

傳統汽車供應鏈相當複雜,不但零件供應商體系龐大,地理位置又散布全球各地,管理起來很不容易。若是再將物流系統的複雜度納入考量之中,就算不計零組件運送費用成本,單單尋找原物料與運送物流的時間就可能造成失誤。

要解決上下游產業鏈聯繫不足的問題,最好的方法就是在研發車體結構時,讓零組件供應商一同參與,甚至直接提供相關意見。

例如零組件廠商可以隨時提報某零件此時是否缺貨,或建議採用某種零組件讓車速更快等。研發團隊第一時間收到這些資訊,可立即修正車體結構與零組件,不需等到設計圖全部畫完交給零組件製造商時,才發現某些零組件缺貨需汰換,浪費不必要的時間與成本。
**
浪費時間成本是大忌**

「速度、速度、速度」是賽車場最重要的定律,產業競爭何嘗不是?
由於F1賽車的零組件大多不是標準規格,很多都是由車隊自行研發設計,因此如何記錄這些複雜的零組件顯得相當重要。F1賽車從研發設計、製造生產、檢測再到實際比賽,每一項數據資料都必須作為日後在維

修站裡的參考指標,更可能是影響﹁賽道上﹂的關鍵因素。

為了解決傳統供應鏈的缺失,知名的軟體方案廠商IBM透過產品生命週期管理(Product Life-cycle Management, PLM)解決方案,整合原廠與上下游供應鏈的資源,不但可降低管理供應鏈的成本,更可隨時監控零組件的庫存情況。

過去因原廠與零組件供應鏈之間的訊息並未透明化,容易造成資訊不對稱。透過這套產品生命週期管理,可讓車隊與零組件供應商彼此清楚庫存狀況,順利安排生產計畫。

下次看到F1賽車的轉播時,可以特別留意賽道邊的維修人員常盯著筆記型電腦上的數據,其實這時候就是維修人員在賽車遇到故障時,立即調閱這些零組件的資料,以便於在最短的時間內更換新零件。要拿到冠軍前,得先搞定一台賽車裡的這五千個零件才行。 

**速度決定一切  **
在產品開發的過程中,減少設計與製造的落差,才不會浪費不必要的時間與成本。 
提高的生產力      30%  
降低的材料成本  25% 
節省的文件成本  80% 
加快的報價速度  60% 
延長產品週期      80% 

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