亞大攜手產業育人才 白培霖談記憶體「史詩級榮景」與反轉風險

(中央社訊息服務20261012 17:09:14)從AI運算新局到DRAM供需循環 亞大深化產學對話，培養回應產業需求跨領域人才

AI快速發展，帶動記憶體需求，也重新牽動產業供需與技術布局，亞大12日舉辦「傑出講座系列」，邀請國立陽明交通大學資訊工程學系榮譽講座、前華邦電子副總經理白培霖博士，以「記憶體的過去、現在、未來」為題，解析技術演進與市場趨勢。他指出，DRAM產業已從「技術導向」轉向「資本導向」，目前記憶體市場正迎來「史詩級榮景」，也須提防後續可能出現的「史詩級崩跌」；理解供給變化、掌握產能布局，與開發符合應用需求的新技術，同樣重要。

白培霖教授指出，DRAM是周期性產業，約每4至5年一輪，需求持續存在，決定市場變化的關鍵在供給端：當供給過多，價格便會下跌，因此，觀察記憶體景氣，除了關注AI帶來多少需求，更須理解業者投入多少資本、形成多少產能，以及供給如何變化。

他以「技術導向」轉向「資本導向」，說明DRAM產業競爭重心的轉變，技術研發仍是基礎，但資本投入與產能布局對市場的影響更加關鍵，即使AI應用持續成長，也不能據此認定記憶體產業已擺脫景氣循環；當擴產形成的供給超過需求，市場仍可能反轉。他提醒，在榮景中更應正視周期性，審慎看待後續供需與價格變化。

在技術演進方面，白培霖從記憶體的基本功能談起，介紹DRAM、SRAM、NOR與NAND快閃記憶體等技術的差異，並透過元件結構、製程微縮與3D堆疊，說明提高容量、速度及使用效率的發展歷程。他強調，各類記憶體都有不同特色，技術選擇必須配合實際應用，不能只用單一性能指標判斷優劣。

生成式AI的興起，讓記憶體面臨新的任務。白培霖透過大型語言模型的KV Cache、AI伺服器儲存配置及高頻寬記憶體（HBM），說明AI系統對容量與資料傳輸能力的要求。模型運作需要大量資料，即使處理器運算能力持續提高，若記憶體無法及時供應資料，整體效能仍會受到限制，形成所謂的「記憶體牆」。

資料搬移也帶來功耗與散熱負擔，白培霖說明，傳統運算架構將處理器與記憶體分開，資料必須在兩者之間往返；當AI運算規模擴大，傳輸所需的時間與能源便成為重要課題。因此，未來技術發展除了提高記憶體容量與頻寬，也要思考如何減少資料搬移，改善整體系統效率。

「記憶體內運算」（Computing-in-Memory，CIM）正是其中一條發展路徑。白培霖以AI常用的矩陣乘法為例，介紹將部分運算直接放在記憶體內進行的方式，藉由記憶體陣列參與平行運算，降低資料往返的需求。其價值不只在運算速度，也包括功耗、系統成本與終端裝置續航力，尤其適合對能源使用有嚴格限制的應用情境。

12日講座在亞大哈佛講堂舉行，蔡進發校長、講座教授黃光彩、資電學院院長許慶賢及講座教授詹景裕都參與提問，與白培霖就記憶體內運算、量子記憶體、元件架構及跨領域合作等議題交流，從產業趨勢延伸至技術落地與研發方向。

在問答交流中，白培霖進一步指出，CIM要落地，必須找到具有領域專業知識的合作對象，從具體問題出發，選擇適合的記憶體技術。他分享與臺大土木系合作的土石流監測構想，希望結合低功耗AI與太陽能供電，讓部署於戶外的裝置持續觀測並回傳訊息。這類設備的挑戰，不只是能否辨識異常，更包括能否在有限供電條件下長時間運作。

他也分享日前於宜蘭大學演講時，教授提出的森林監測需求：能否在多處部署低功耗裝置，辨識電鋸聲並即時通報可能的盜伐。從土石流觀測到森林保護，這些情境都顯示，邊緣智慧的價值在於把辨識能力放到現場，並讓設備在有限能源下持續執行任務；技術是否適用，須與環境條件及使用需求一併考量。

針對CIM究竟是概念、方法或產品的討論，白培霖說明，CIM可作為支援產品開發的技術平台與實作方式，最終仍須形成能解決問題的產品。因此，研發不能停留在架構與性能展示，而要進一步回答服務哪些使用者、處理什麼問題，以及能否在實際條件下運作。

談到量子記憶體，白培霖區分保存量子態與傳統資料儲存的不同，並分享對低溫控制電路，以及低溫環境與室溫系統之間訊息傳遞的思考。這也說明，新興運算技術的發展，需要重新理解元件特性與系統介面，才能找到既有半導體技術可參與的研發方向。

白培霖認為，未來高科技的突破，將需要更多不同領域的專長共同投入。例如引入通訊領域的訊號處理能力，改善微弱訊號偵測與訊雜比問題，再結合錯誤更正、修復機制及新元件設計，探索新的記憶體與3D架構。他強調，未來機會在於跨領域合作，從應用需求與技術難題出發，讓不同專業共同推進記憶體技術的下一階段發展。