close

數據分析

IT 基建數據分析

AI 引爆全球記憶體荒:專家警告十年內都供不應求 售價不停漲

全球記憶體與儲存市場正面臨前所未有的供應危機,人工智能數據中心的瘋狂需求已將 NAND 快閃記憶體、DRAM 和硬碟三大儲存產品同時推向短缺邊緣。自 2025 年第四季開始,DRAM 合約價格預計上漲 10-30%,NAND 快閃記憶體價格攀升 5-10%,而高容量硬碟交貨期已延長至 52 週以上。這場被業界稱為「定價末日」的風暴,源於 OpenAI 等科技巨頭對記憶體的驚人胃口——其 Stargate 項目每月需求高達 900,000 片 DRAM 晶圓,相當於全球產量的 40%。台灣群聯電子行政總裁更直言,NAND 供應緊張將持續十年,原因是製造商在 2023 年慘賠後不再盲目擴產,轉而將資本投入高利潤的 HBM 記憶體。這場危機除了讓消費者面臨更高的硬件升級成本,更迫使企業重新思考數據中心基礎建設策略,從雲端服務商到個人電腦製造商,無人能倖免於這場供需失衡的衝擊。

 

90 萬片晶圓的驚人胃口:AI 巨頭如何吞噬全球產能

OpenAI 的 Stargate 數據中心項目與 Samsung 及 SK hynix 簽署的供應協議,揭示 AI 產業對記憶體需求的恐怖規模。根據彭博社報導,這項協議涉及每月 900,000 片 DRAM 晶圓的供應量,包括傳統 DDR5 記憶體和專為 AI 處理器設計的高頻寬記憶體(HBM)。TechInsights 數據顯示,2025 年全球 DRAM 產能預計達 2,250,000 片晶圓月產能,這意味著單一項目就將佔據 40% 的全球產量。更驚人的是,韓國媒體《每日經濟》指出,900,000 片晶圓相當於 SK hynix 整季 HBM 營收,而目前該公司 HBM 月產能僅 160,000 片。這種失衡迫使 Samsung 和 SK hynix 調整整體 DRAM 生產組合,犧牲主流記憶體產能以滿足高價值 HBM 訂單,直接導致消費級和企業級 DRAM 供應緊縮,價格持續攀升。

從暴跌到暴漲:記憶體市場的戲劇性逆轉

2023 年的記憶體市場曾經歷史無前例的崩盤,NAND 快閃記憶體和 DRAM 價格雙雙跌破成本線,製造商庫存堆積如山。當時 512Gb TLC NAND 顆粒的現貨價創下歷史新低,但在六個月內暴漲超過 100%,合約價格隨後跟進。Western Digital 的 2TB Black SN850X 固態硬碟價格從 2023 年假期的約 120 美元(約港幣 HK936)飆升至2024年初的150美元(約港幣HK1,170)以上,Samsung 990 Pro 2TB 更從同期攀升至 175 美元(約港幣 HK1,365)。根據TrendForce最新報告,8GbDDR4合約價格在2025年7月至8月期間從3.90美元(約港幣HK30.4)飆升至 5.70 美元(約港幣 HK$44.5),漲幅高達 46%。更嚴峻的是,群聯電子行政總裁潘健成在近期訪談中明確表示:「NAND 將在明年面臨嚴重短缺,我認為供應將在未來十年保持緊張」,他將原因歸咎於製造商過去每次擴產後都遭遇價格崩潰,無法回收投資,因此這次選擇將資本支出轉向利潤更豐厚的 HBM。

HBM 爭奪戰:高利潤記憶體如何擠壓傳統產能

高頻寬記憶體(HBM)的驚人利潤率正在重塑整個記憶體產業的生產優先序。SK hynix 在 2025 年 9 月宣布完成 HBM4 內部認證並建立量產系統,搶在 Samsung 和 Micron 之前佔據市場領先地位。根據 Meritz 分析師金宇的預測,SK hynix 預計在 2026 年維持約 60% 的 HBM 市場佔有率,略低於今年的 66%,但仍遠超競爭對手。HBM4 相比前代產品實現了雙倍頻寬和 40% 的能效提升,預計將成為 Nvidia 下一代 Rubin 架構 AI 晶片的關鍵記憶體。這種技術優勢讓 SK hynix 第二季營運利潤和營收創下歷史新高,HBM 銷售佔公司總營收的 77%。然而這場 HBM 盛宴的代價是傳統 DRAM 和 NAND 產能被大幅壓縮。Micron 已將 2026 年前的全部 HBM 產能售罄,每一片用於 HBM 的晶圓都意味著主流記憶體供應的減少。這種資源重新分配正在加劇 DDR4 和 DDR5 的供應緊張,推動價格進入新一輪上漲週期。

硬碟與固態硬碟雙重短缺的罕見困境

歷史上首次出現 NAND 快閃記憶體和機械硬碟同時供應緊張的局面,打破了過去「一漲一跌」的平衡機制。TrendForce 報告指出,高容量「近線」硬碟的交貨期已超過 52 週,超過一整年。Forbes 專欄作家 Tom Coughlin 的數據顯示,2025 年第二季全球硬碟出貨量季增 6%,容量出貨量(Exabyte)季增 12.6%,營收更暴增 17.4% 達 62 億美元(約港幣 483.6 億元)。Western Digital 單季出貨 1,290 萬顆硬碟共 190 Exabytes,平均單顆容量達 20.5TB,平均售價攀升至 202 美元(約港幣 HK$1,575.6);Seagate 出貨 1,250 萬顆共 162.5 Exabytes,近線硬碟出貨量季增 13%。供應緊張促使 Western Digital 在 2024 年 4 月通知合作夥伴將硬碟價格上調 5-10%。更關鍵的是,訓練大型 AI 模型需要攝取 PB 級資料,這些「溫資料」通常儲存在數據中心的近線硬碟中,但現在需求高到交貨期延長超過一年。面對硬碟短缺,部分雲端服務商加速部署 QLC 快閃記憶體陣列,但這又將需求壓力回推到 NAND 供應鏈,形成兩面擠壓的困境。

從樹莓派到企業:沒有人能逃脫漲價浪潮

記憶體價格飆漲的影響已從企業級市場滲透到消費端,連以親民價格著稱的 Raspberry Pi 基金會也不得不屈服。Raspberry Pi 行政總裁 Eben Upton 在 2025 年 10 月 1 日的官方聲明中坦言:「目前記憶體成本比一年前高出約 120%」。雖然公司在年初大量囤積記憶體以延緩漲價,但庫存終究耗盡,被迫調漲 4GB Compute Module 4 和 Module 5 各 5 美元(約港幣 HK39),8GB版本調漲10美元(約港幣HK78),Raspberry Pi 500 單機版漲至 100 美元(約港幣 HK$780)。企業級市場的處境更嚴峻,根據 Gartner 預測,2025 年 DRAM 價格將上漲 2.5%,2026 年再漲 5.5%,HBM 則以 21.7% 的年複合成長率從 2024 年延續至 2028 年。Samsung 宣布在 2025 年將 DDR4 產品推向停產(EOL),取消或調整既有訂單,而 Micron 即使作為市場領導者也無法填補 Samsung 留下的空缺。DDR4 供應限制加劇,即使小型供應商努力填補缺口,緊張局勢仍將持續到 2025 年底。

為何不擴建更多晶圓廠?地緣政治與商業謹慎的雙重枷鎖

理論上增加產能可以緩解短缺,但現實遠比想像複雜。新建一座記憶體晶圓廠需要數百億美元投資和數年時間才能達到量產規模,即使擴建現有產線也需要數月安裝和校準設備,而 ASML 和 Applied Materials 等設備供應商本身就面臨嚴重積壓。更重要的是,製造商對 2019 年和 2022 年慘痛教訓記憶猶新——當時的產能過剩導致價格崩盤,讓他們在這輪週期中選擇審慎而非激進的擴張策略。地緣政治因素更增添複雜性,先進光刻設備的出口管制和稀土元素限制都影響產能擴張計劃。硬碟製造依賴釹磁鐵這類稀土材料,而中國目前主導全球稀土生產,最近更因美中貿易戰實施磁鐵供應限制。即使資金到位,所需工具和材料的供應鏈本身也受限,半導體工程人才短缺進一步拖慢進度。結果是製造商選擇以更高利潤銷售現有供應,而非冒險重蹈產能過剩的覆轍,這種審慎態度在短期內不太可能改變。

軟件突圍之道:記憶體改良技術如何緩解硬件荒

面對 AI 記憶體供應危機,全球科技企業正積極開發軟件層面的解決方案,嘗試用演算法創新來彌補硬件短缺。華為在 2025 年 8 月推出的統一快取管理器(Unified Cache Manager, UCM)成為業界焦點,這項 AI 推論加速工具包通過智慧管理 KV Cache 記憶體數據,根據記憶體「熱度」自動將快取資料分配至 HBM、DRAM 和 SSD 三層儲存系統。華為數碼金融行政總裁曹建農表示,UCM 在長序列場景中可將每秒處理標記數(TPS)提升 2 至 22 倍,同時降低單標記推論成本,在多輪對話和知識搜尋應用中更可將初始回應延遲減少高達 90%。更具策略意義的是,華為宣布將於 2025 年 9 月開源 UCM 技術,率先在 MagicEngine 社區發布,隨後貢獻給主流推論引擎。模型量化技術同樣展現驚人潛力,華為蘇黎世計算系統實驗室最新推出的 SINQ 量化技術,可在不損失輸出質素的前提下將記憶體消耗降低 60-70%,讓原本需要 60GB 記憶體的模型在 20GB 環境下流暢運行。這意味著原本需要價值 30,000 美元(約港幣 HK234,000)NVIDIAH100企業級GPU的模型,現在可以在售價1,600美元(約港幣HK12,480)的消費級 RTX 4090 上部署。處理器內記憶體(PIM)和 CXL 記憶體池化技術則從架構層面重新定義資料處理方式,SK hynix 在 FMS 2025 展示的 GDDR6-AiM 加速卡,將運算能力直接整合進記憶體晶片,大幅減少資料在處理器與記憶體間往返造成的能耗瓶頸。阿里雲 PolarDB 資料庫採用 CXL 記憶體池化後,系統擴展性能比 RDMA 系統高出 3 倍,記憶體節省 50%,每個資料庫實例可存取 16-32TB 共享記憶體。這些技術突破雖無法完全取代 HBM,但為企業提供了多元化的應對策略,在硬件供應緊張的當下開闢出一條軟件改良的生存之道。

企業決策者必須面對的新現實與長期影響

這場記憶體供應危機對企業的影響將是深遠且結構性的。對於消費者而言,超低價電腦升級的時代已經結束,而企業客戶則需要編列更龐大的基礎設施預算。儲存陣列、伺服器和 GPU 叢集都需要以更高成本配置更多記憶體,許多雲端服務商甚至開始自行製造固態硬碟以掌握供應鏈。Pure Storage 等大型企業為 AI 數據中心的全快閃陣列大量採購 NAND,部分超大規模業者已提前數年預訂供應。沒有這種議價能力的小型業者則面臨更長的交貨期和更高的帳單。靈活性在兩種情況下都受到限制——消費者可以延遲升級或接受較小容量,但這會減緩高容量硬碟和大容量記憶體的採用速度;企業則幾乎沒有選擇,因為記憶體在 AI 和雲端工作負載中扮演關鍵角色。市場最終會重新平衡,政府激勵措施支援的新晶圓廠正在建設中,若需求成長放緩或採購暫停,週期可能再次轉向供過於求。然而在此之前,NAND 快閃記憶體、DRAM 和硬碟價格預計將維持高檔至 2026 年,企業買家將持續享有優先權,消費者只能為剩餘供應競爭,而過去習以為常的季節性降價優惠恐怕在短期內不會再現。

資料來源:
Tom’s Hardware
TrendForce
CNBC
PC Guide
Forbes

read more
人工智能企業趨勢數據分析

Indeed 分析 2,900 項工作技能 《AI 工作報告》研究揭示 80% 職位面臨中等至高度轉型

人工智能正以前所未有的速度改變職場生態,但最新研究表明 AI 更可能成為工作夥伴而非替代者。求職平台 Indeed 在 2025 年 9 月發布《AI 工作報告》顯示,雖然 26% 的職位可能被 AI「高度轉型」,但真正被完全取代的工作技能僅佔 0.7%。這項針對近 2,900 項工作技能的分析,重新定義了我們對 AI 就業衝擊的理解,從「工作替代」轉向「技能重新平衡」的新思維。

報告評估了 OpenAI GPT-4.1 和 Anthropic Claude Sonnet 4 兩大模型能力,發現 54% 的職位將經歷「中等程度轉型」,其演變速度將取決於企業採用 AI 的快慢,以及員工適應和技能再培訓的程度。此轉型將重點關注三個核心議題:哪些工作最容易被 AI 改變、企業如何平衡效率與人才發展,以及香港等亞洲市場的具體影響。

數據揭示 轉型取代替代成主旋律

Indeed GenAI 技能轉型指數 (GSTI) 分析發現,46% 的典型美國職位技能正準備接受「混合式轉型」,這意味著 AI 可以執行大部分例行工作,但人類監督仍至關重要。相較於去年的分析中沒有任何技能被評估為「很可能被完全替代」,今年有 19 項技能 (0.7%) 被認為「很可能被 GenAI 完全替代」,雖然絕對數量仍然很小,但這表明了 AI 模型能力的顯著進步。

Indeed 高級經濟學家 Annina Hering 和數據科學家 Arcenis Rojas 在報告中指出:「GenAI 已經變得(並且持續變得)更加智能。只要不需要物理執行(這是個重要限制) 並且 GenAI 能力持續增長,隨著工作的持續發展,更多技能可能會跨越現實自動化的門檻」。這種技能層面的分析方法,避免了對整體職業類別的簡單二分法判斷。

 

軟件開發引領轉型浪潮的背後邏輯

軟件開發、數據分析和會計被確定為最容易受 AI 轉型影響的職業領域。Indeed 數據顯示,AI/機器學習工程師職位需求自 2020 年以來激增 334%,成為平台上增長第二快的技術工作,而整體技術職位發布卻下降了 36%。

這一看似矛盾的現象反映了勞動力市場的結構性變化。機器學習工程師職位發布也保持近 60% 的增長,2024 年機器學習工程師的中位數年薪達到 26 萬美元(約港幣 202.8 萬元),位居技術工作薪酬榜首。世界經濟論壇報告指出,40% 的編程任務可能在 2040 年前實現自動化,但這並不意味著程式員將完全消失。

加州 Evans Data Corporation 對 550 名軟件開發者的調查顯示,近 30% 的受訪者認為他們的開發工作將在可預見的未來被 AI 取代。然而現實情況更為複雜:AI 正在改變編程工作的性質,從編寫基礎程式碼轉向系統設計、架構決策和人機協作的高級任務。

行業專家多角度解讀轉型趨勢

McKinsey 最新研究顯示,生成式 AI 可能在 2030 年前自動化美國經濟中 29.5% 的工作時間,高於目前的 21.5%。然而 Boston Consulting Group (BCG) 分析師認為,這種轉型需要「蓄意和主動的方法,超越傳統模式來塑造能應對 AI,甚至與 AI 共同繁榮的勞動力」。

PwC 2025 年全球 AI 工作晴雨表則提供了更樂觀的視角,該報告分析了近 10 億個職位廣告後發現,AI 技能可以為員工帶來 56% 的薪酬溢價。PwC 全球技術、媒體和電信領導者 Wilson Chow 表示:「報告強調,AI 不是作為人類創造力的替代品,而是作為變革性的『增強器』發揮最佳作用,推動邊界並擴大能力,在各行業推動更高的效率和生產力」。

 

老闆們向編者分享 : 港企 AI 化速度遠超外間想像

早前 Arist 行政總裁 Michael Ioffe 在最近的分析中直言:「從我的角度來看,AI 最大的用途實際上是削減成本和減少員工數量,但這是一個出於某種原因的禁忌話題」,他呼籲企業領導者應該更加透明地討論 AI 的真實影響,但香港老闆們應該不太認同。

編者在 unwire.pro 時採訪過多家企業,私底下都對 AI 分享了個人意見(不代表公司立場 )。他們很多都反駁外界指「香港企業在 AI 時代下反應遲緩」的說法。雖然國際大型企業或受資訊保安、人事架構及舊有系統等因素限制,但面對經濟不景,本港眾多企業,尤其中小企均抱持「能用 AI 則用 AI,能自動化則自動化」的態度,其積極性遠超外界想像。因為在當前經營環境下,不借助科技革新,許多企業將無法生存。他們認為採納 AI 是維持競爭力的關鍵,不少企業早在 ChatGPT 出現後已積極應用,甚至在「nothing to lose」的心態下,暫不優先考慮 Public AI 的私隱風險,期望能盡快透過 AI 轉型尋找出路。

有 CEO 更向編者分享,外界普遍認為企業引入 AI 的目的是削減成本或裁員,他們不否認這是誘因之一。然而當經營面臨困境時,他們更傾向利用 AI 提升「人的價值」,將低技術及重複性的繁瑣工作交由 AI 處理,讓員工能專注於更高增值的任務。他們相信這才是提升企業競爭力的核心,並能藉此向客戶突顯其獨特的市場定位,畢竟每位員工的工作經驗及培訓亦是企業成本之一。

「AI 是否會取代員工」此一議題,他們都認為最終決定權未必全在於管理層。有幾位更坦言,員工對 AI 反應兩極:部分人抗拒使用;另一部分人即使使用,也只為節省個人工時,而非將省下的時間投入到更高價值的工作上。例如當 AI 與自動化系統處理了大量文書工作後,他們有告訴過員工理應利用騰出的時間鞏固客戶關係、構思營銷策略或規劃新項目。企業始終是以人為本,員工的應變心態與能力成為轉型成功的關鍵。倘若管理層發現,在引入 AI 後仍有員工固守舊有工作模式,未能創造新價值,那麼在裁員決策中,這些員工自然面臨較高風險。

有一位本地 AI 專家跟編者笑言,如果你仍聽到員工回答跟以往相同的答案:「過幾日俾你」你應該自己都「心裡有數」了。在 AI 洪流下已經「無呢支歌仔唱」,所有都是即時或低延遲,再用傳統工時的尺去量度及回答的話,應該都準備被人淘汰了。

香港市場的特殊機遇與挑戰

聽了一些 CEO 們的心底話,我們再來看看數據是甚麼麼的畫面。香港 AI 技能職位發布比例從 2021 年的 1.6% 增長到 2024 年的 1.9%,在資訊及通訊科技行業,這一比例從 6.4% 增長到 7.2%。PwC 數據顯示,需要「AI 與人類專業知識結合」的職位需求正在各行業增長,AI 增強職位在香港增長了 6%,而高度自動化職位則減少了約 7%。

然而香港應屆畢業生對 AI 的態度呈現矛盾特徵。CFA 協會 2025 年畢業生前景調查顯示,82% 的香港畢業生認為 AI 和自動化會增加獲得理想工作的難度,這一比例明顯高於全球平均 67%,也比去年的 66% 有所上升。同時 56% 的香港畢業生認為 AI 技能將為他們帶來競爭優勢,超過全球 40% 的平均水平。

Robert Half 2025 年香港就業市場趨勢報告指出,平均薪酬增長約 3.7%,反映了僱主的謹慎態度,但 AI 相關職位的薪酬溢價仍然顯著。這種雙重趨勢表明,香港市場正在經歷結構性調整,熟練掌握 AI 技能的專業人士將獲得更好的職業發展機會。

 

企業轉型策略:平衡效率與人才投資

面對 AI 轉型浪潮,領先企業正在採用「人本 AI」策略。世界經濟論壇強調,「AI 驅動的工作場所轉型是關於通過讓人們能夠與技術有效合作來賦權人們,開啟新的效率和創新水平」。這種方法除了關注技術能力,更注重人類獨特價值的發揮。

Accenture 行政總裁 Julie Sweet 最近宣布了一項 8.65 億美元(約港幣 67.47 億元)的重塑計劃,包括讓無法在 AI 技能上重新培訓的員工離開,她表示:「這種變化是如此巨大,這正在逆轉我們工作方式的五十年歷史」。這一決定突顯了企業在 AI 轉型中面臨的嚴峻選擇:投資於員工再培訓還是選擇更直接的人員替換。

BCG 研究表明,正在進行全面 AI 驅動重設計的組織中,46% 的員工對工作安全性更加擔憂,高於技術進展較慢的組織。這提醒企業領導者,透明的溝通和漸進式的轉型策略對於維持員工信任和組織穩定至關重要。

對香港企業而言,這場 AI 轉型既是挑戰也是機遇。隨著 75% 的知識工作者已經在工作中使用 AI 工具,平均生產力提升 66%,企業需要制定平衡短期效率和長期人才發展的策略。成功的企業將是那些能夠將 AI 作為人類能力增強器,而非簡單替代品的組織。

未來五年,AI 將如何重新定義我們對「工作」本身的理解?答案可能在於我們如何平衡技術進步與人類價值創造的獨特能力。
[最後更新:2025年9月29日]

資料來源:
Indeed Hiring Lab
ZDNet
PwC Global AI Jobs Barometer
South China Morning Post
Boston Consulting Group

 

read more
人工智能數據分析

Anthropic Economic Index 報告指 77% 企業靠 AI 自動化 現在誰被拋離 ? 深入分析原因

Anthropic 最新發布的經濟指數報告揭示了一個驚人現實:全球 AI 採用率呈現極度不平等分佈,以色列的 Claude 使用率比其人口預期高出 7 倍,而奈及利亞僅為 0.2 倍。這份基於 1,000,000 次對話數據的研究顯示,AI 正在重塑全球經濟格局,但受益者高度集中在高收入地區。報告指出三大關鍵趨勢:地理分佈嚴重失衡、企業自動化模式主導(77%),以及 AI 能力與經濟價值比成本更重要。這項發現對全球科技公司和政策制定者具有重大意義,預示著 AI 可能加劇而非縮小全球經濟差距。

Claude 使用模式出現了顯著轉變,用戶不再只把 AI 當作輔助工具,而是愈來愈願意把完整任務全權交由 AI 處理。所謂「Directive」式的自動化使用,在短短 8 個月內由 27% 躍升至 39%,首次超過協作模式。這種質變顯示,市場對 AI 的信任度與依賴度正急速增長,隨之而來的是企業運作模式可能被根本改寫的風險與機遇。

矽谷模式全球複製 富國壟斷 AI 紅利

Anthropic 的 AI 使用指數(AUI)數據顯示,AI 採用呈現明顯的「富國集中」模式。新加坡和加拿大分別以 4.6 倍和 2.9 倍的使用率領先全球,而印度(0.27 倍)和印尼(0.36 倍)等新興經濟體嚴重落後。這種分佈與國內生產總值高度相關,每 1% 的人均 GDP 增長對應 0.7% 的 AI 使用率提升。

這種不平等並非僅存在於國家之間,在同一市場內部也同樣明顯。根據 Gallup 2025 年的調查,美國 40% 的員工在工作中使用 AI,兩年間增加一倍。同時美國人口普查局的數據顯示,企業 AI 採用率已由 2023 年秋季的 3.7% 攀升至 2025 年 8 月的 9.7%。資訊產業的採用率高達 25%,而住宿餐飲業僅約 2.5%,差距達 10 倍。這意味著 AI 並非只是普遍的數碼化工具,而是在加速產業結構的分化,重塑哪些行業能在未來保持競爭力。

MIT 經濟學家警告  AI 恐成新時代的「分化引擎」

MIT 經濟學系教授 David Autor 在最新研究中提出了關於 AI 影響的雙重觀點。Autor 指出,AI 具有「擴展人類專業知識的獨特機會」,能讓更多工人執行目前由精英專家壟斷的高風險決策任務。然而這種樂觀情況需要滿足特定條件。他的研究發現,在律師、軟件工程師和客服代表等職業中,經驗較少的工人從 AI 獲得的生產力提升遠超資深從業者。這一發現支援了「AI 可能提升中產階級薪資並減少不平等」的假設,但他同時警告,若只看任務層面的生產力數據,可能掩蓋了 AI 對整體經濟的廣泛衝擊。

Stanford University HAI 最新報告也指出,過度強調 AI 曝光度忽略了專業與非專業之間在任務轉變上的細微差異。諾貝爾經濟學獎得主 Joseph Stiglitz 更直接警告,AI 可能「惡化現有不平等,並將權力集中在少數主導企業手中」。

 

AI 於企業中的「權力」越來越大

AI 的角色正從輔助者逐步轉向「代理者」。Anthropic 數據顯示,Directive 自動化模式的使用比例在短短八個月內大幅上升,標誌著用戶不再只是透過 AI 獲取建議,而是把決策與執行一併交付給系統。這種變化背後,既反映了模型能力的進步,也顯示市場對 AI 信任度正在快速提升。對企業而言這是一個雙刃劍:一方面它意味著效率與生產力的解放;另一方面它也挑戰著現有的組織流程與人力架構。能否把這種「全權交辦」納入標準工作流,將決定哪些企業能在新一輪數位轉型中率先突圍。

企業部署的隱形瓶頸 情境資料成關鍵門檻

報告同時揭示了一個常被低估的事實:成本並不是企業決定是否採用 AI 的主要考量。實際上使用頻率最高的任務往往成本最高,企業更看重的是 AI 的能力和能否創造經濟價值。然而企業真正面臨的挑戰在於「情境資料」的獲取和整合。複雜任務需要更長、更豐富的輸入內容才能達到理想效果,而這要求企業必須進行資料現代化,打通 ERP、CRM 和檔案庫等分散系統。缺乏這樣的資料基礎設施,AI 即使具備先進能力,也無法在規模上產生穩定而可靠的輸出。對 CEO 而言,這一點揭示了 AI 投資的真正優先順序:不是先買 AI,而是先建構能支撐 AI 應用的數據環境。

歷史重演 科技擴散的地理集中規律

AI 的地理集中採用模式並非首次出現,而是遵循了歷史上變革性技術擴散的規律。電氣化在城市普及後,花了 30 多年才進入農村家庭;第一台大眾市場個人電腦 1981 年面世,但直到 20 年後才進入美國大部分家庭;即使是互聯網,也用了 5 年才達到如今 AI 僅 2 年就能實現的普及率。這意味著雖然 AI 速度前所未有,但分化效應也可能前所未有地強烈。若生產力收益集中在高採用率國家,AI 可能不僅無法縮小數碼鴻溝,反而逆轉過去幾十年來的增長趨同趨勢。

企業轉型的十字路口 自動化浪潮下的策略選擇

這項研究對全球企業和政策制定者發出了明確訊號:AI 正在創造一個分化的經濟格局,早期採用者將獲得顯著競爭優勢。企業必須在提升技術能力與組織變革之間找到平衡,尤其在資料現代化和情境工程上的投入。對於政策制定者而言,挑戰在於如何確保 AI 的收益能跨越國界與產業,避免形成新的全球不平等時代。隨著 AI 能力的持續提升,地理與產業的集中模式可能進一步固化,決定未來數十年的經濟格局。

資料來源:
Anthropic
Anthropic Economic Index
eWeek
NBER
GovAI

read more
人工智能數據分析

WTO 報告:AI 將助全球貿易增長近 40% 惟數碼鴻溝威脅公平發展

世界貿易組織 (WTO) 最新發布的《2025 年世界貿易報告》顯示,人工智能技術可望在 2040 年前將跨境商品和服務貿易價值提升近 40%,主要歸因於生產力提升和貿易成本降低。然而報告同時警告,若缺乏適當政策支援以縮小數碼鴻溝,AI 發展可能加劇全球經濟不平等。該報告於 9 月 17 日在瑞士 WTO 年度公共論壇上正式發布,涵蓋全球貿易增長預測、企業 AI 採用現況以及政策建議三大核心議題。

核心數據突顯 AI 貿易潛力巨大

根據 WTO 模擬分析,在不同政策和技術追趕程度下,全球貿易預計將增長 34-37%,而全球 GDP 則可能在各種情境下增長 12-13%。WTO 總幹事 Ngozi Okonjo-Iweala 在報告前言中表示:「AI 模擬顯示,到 2040 年,AI 可能使商品和服務出口比目前趨勢增加近 40%」。

該組織副總幹事 Johanna Hill 在媒體簡報會上指出:「AI 可能成為日益複雜貿易環境中的重點,為降低貿易成本、提高生產力和擴大全球市場參與提供新機會」。報告估計 2023 年全球 AI 相關商品貿易總額(包括原材料、半導體和中間投入品)達到 2.3 兆美元 (約港幣 17.94 兆元)。

AI 技術對服務業的影響尤其顯著。WTO Marc Bacchetta 表示:「服務業預計將看到最大的貿易成本降幅,主要收益來自消除語言障礙和簡化監管合規,這對服務貿易尤其重要」。

企業採用趨勢呈現分化格局

金融業領跑 AI 商業應用

WTO 與國際商會 (ICC) 對 158 家跨國企業的調查顯示,已使用 AI 的企業中 90% 報告在貿易相關業務中獲得實質效益。金融和保險業處於領先地位,超過 50% 的企業已在貿易活動中使用 AI 技術。

企業應用 AI 的主要效益排序為:提高貿易效率 (22%)、改善貿易決策 (14%)、擴大海外客戶群 (10%)、增強供應鏈管理 (9%)、擴大進出口產品範圍 (分別為 9% 和 8%)。

大小企業應用策略差異明顯

大型企業主要運用 AI 處理貿易法規合規、合約分析和貿易融資,而中小企業則側重市場資訊和改善溝通效率。值得注意的是,中小企業對 AI 成本削減的樂觀程度超過大型企業,報告分析這可能反映「小型企業相對有限的資源管理貿易相關成本,因此對 AI 帶來的相對較大收益抱有更高期望」。

數碼鴻溝成關鍵制約因素

基礎設施落差威脅包容性增長

Ngozi Okonjo-Iweala 強調:「AI 的收益不會自動在經濟體之間和內部廣泛分享」。模擬結果顯示,在沒有大幅改善數碼基礎設施和 AI 採用的情況下,低收入經濟體僅能從 AI 獲得 8% 的實際收入增長,而高收入經濟體則實現雙位數增長。

然而若低收入和中等收入經濟體能將與高收入經濟體的數碼基礎設施差距縮小 50% 並更廣泛採用 AI,這些經濟體的收入預計將分別增長 15% 和 14%。

貿易政策障礙日益嚴重

報告指出 AI 相關商品面臨的量化限制措施從 2012 年的 130 項激增至 2024 年的近 500 項,主要由高收入和中高收入經濟體推動。部分低收入經濟體對 AI 相關商品的約束關稅高達 45%,嚴重影響技術普及。

WTO 數碼貿易和前沿技術部門負責人 Emmanuelle Ganne 表示:「AI 可以降低許多隱性成本,如物流成本、打破語言障礙、改善搜尋及匹配成本,使監管檢查或合規檢查變得更容易」。

貿易融資創新助力普惠發展

數碼平台重塑風險評估機制

報告特別強調數碼貿易融資平台正運用 AI 更準確評估信貸風險,幫助小企業獲得此前難以取得的資本。這項技術突破對縮小融資缺口具有重要意義,特別是在發展中市場。

調查發現七分之一的企業預期 AI 將帶來顯著的貿易成本節約,特別是在物流和通訊領域。AI 翻譯工具正加速並降低溝通成本,特別是幫助小型生產商和零售商進入國際市場。

在適當的數碼基礎設施改善前提下,這些技術進步可能使低收入國家的出口增長提高多達 11%。

隨著全球貿易環境日趨複雜,AI 技術為企業提供了重要的競爭優勢和成本改善機會。然而實現 AI 貿易效益的包容性分享需要各國政府、國際組織和私營部門的協調努力。WTO 呼籲維持開放可預測的貿易環境,投資教育培訓,並部署適當的勞動力調整政策。企業應如何平衡 AI 投資與人力資源發展,以及各國如何在保護本土產業與促進技術擴散間找到平衡點,將是未來政策制定的關鍵考量。

資料來源:
Reuters
Global Trade Review
UN Media
PYMNTS

 

read more
企業趨勢數據分析

中國科技實力躍進:首度躋身全球十大創新國家 研發投資策略重塑競爭格局


中國科技實力躍進:首度躋身全球十大創新國家 研發投資策略重塑競爭格局

聯合國世界知識產權組織 (WIPO) 發佈《2025 年全球創新指數》報告,顯示中國首次進入全球最具創新力國家前十名,排名第 10 位,取代德國成為新興創新強國。這歷史性突破源於中國企業在研發領域大規模投資,預計中國將成為全球研發支出最多的國家。然而全球創新投資增速放緩,為未來創新發展帶來不確定性。本文將深入分析中國創新排名提升的驅動因素、全球創新生態變化以及企業應對策略。

企業研發投資成效顯著 中國創新實力獲國際認可

中國此次躋身全球創新指數前十名,主要歸功於民營企業在研發方面持續投入。根據 WIPO 數據,中國正快速縮小與發達國家在民營企業研發資金的差距。WIPO 總幹事鄧鴻森 (Daren Tang) 表示:「中國面臨的挑戰是如何在保持數十年來作為工業創新強大引擎地位的同時,成為數碼創新的強國」。

2024 年,中國貢獻全球約 25% 國際專利申請量,繼續穩居全球最大專利申請來源國地位。這數據反映出中國創新活動活躍及技術實力提升。相比之下,美國、日本和德國三國雖然合計佔全球專利申請總量 40%,但均現輕微下滑。值得注意的是,中國連續第三年擁有最多全球百強科技創新集群,共有 24 個集群入選 2025 年指數。其中,深圳-香港-廣州集群首次登頂全球第一,顯示出粵港澳大灣區在全球創新版圖的重要地位。

全球創新投資放緩 企業決策面臨新挑戰

雖然中國創新表現亮眼,但全球創新投資環境正面臨嚴峻挑戰。2025 年全球研發支出增幅預計將從 2024 年的 2.9% 放緩至 2.3%,創下 2010 年金融危機以來最低水準。這趨勢對企業制定長期創新策略具重要影響。WIPO 報告指出,企業研發支出實際增長率僅 1%,遠低於過去十年 4.6% 平均水準。其中,人工智能密集型行業、軟件和製藥企業擴大了研發預算,而汽車製造和消費品等傳統製造業則因收入下降而削減研發投入。

風險投資方面呈分化趨勢。2024 年風投交易價值回升 7.7%,主要由美國大型交易和生成式 AI 投資推動。然而排除這些投資後,風投價值實際收縮。風投交易數量連續第三年下降 4.4%,顯示投資者在特定行業和地區外仍保持謹慎。

創新生態系統重塑 區域競爭格局深刻變化

全球創新排名的變化反映出創新生態系統深刻重塑。瑞士連續 14 年保持榜首,瑞典和美國分列第 2、3 名,韓國、新加坡、英國、芬蘭、荷蘭、丹麥緊隨其後。德國從第 9 名跌至第 11 名,這變化引發業界對傳統創新強國競爭力的思考。

GII 共同編輯 Sacha Wunsch-Vincent 認為,德國不應對排名下滑過於擔憂,關鍵在於如何在保持工業創新優勢的同時,加強數碼創新能力。這觀點對其他面臨類似挑戰的經濟體具借鑒意義。從區域表現來看,亞洲經濟體表現突出。香港在全球創新指數中排名第 15 位,較去年上升 3 位。中等收入經濟體中,除中國外,印度 (第 38 位)、土耳其 (第 43 位)、越南 (第 44 位) 等國家也持續攀升。

技術發展方面,電池價格和超級電腦效率持續改善,基因測序成本進一步下降。機械人技術和連接性領域保持增長,但機械人和電動汽車採用速度明顯放緩。這些趨勢為企業制定技術投資策略提供重要參考。

企業創新投資策略:平衡風險與機遇的關鍵抉擇

面對全球創新環境的複雜變化,企業需要重新審視創新投資策略。WIPO 總幹事鄧鴻森警告:「雖然我們在創新應用和影響方面看到令人鼓舞的復甦跡象,但全球創新引擎並非全力運轉。研發投資增長放緩和風投活動下降提醒我們,創新需要持續的上游和金融承諾」。

對中國企業而言,這歷史性突破既是肯定也是挑戰。如何在全球創新投資放緩的大環境下保持競爭優勢,將考驗企業的戰略眼光和執行能力。同時國際專利申請增長也意味著企業需更重視知識產權保護和國際化佈局。全球創新生態變化為企業帶來新機遇。隨著風投資金向 AI 和 ICT 相關領域集中,相關企業有望獲得更多資金支援。然而傳統製造業和新興市場的投資機會或會減少,企業需及時調整投資方向和市場策略。

中國首度進入全球十大創新國家排名,標誌其創新實力獲國際認可,但全球創新投資放緩趨勢不容忽視。企業應密切關注創新生態變化,制定靈活投資策略,在風險與機遇並存的環境中尋求可持續發展。未來創新競爭將更激烈,只有持續投入並適應變化的企業,才能在新一輪創新浪潮中脫穎而出。

資料來源:
世界知識產權組織路透社新華社

 

read more
人工智能數據分析

ChatGPT vs Claude 用家使用報告 數據間為企業帶來啟示

OpenAI 與 Anthropic 於 2025 年 9 月發布的對比研究顯示,ChatGPT 有超過 70% 的使用屬於非工作相關,而 Claude 則在編程和商業自動化領域佔據主導地位。這項涵蓋 150 萬個對話樣本的分析,揭示了 AI 工具市場正出現明顯的使用者分化趨勢。

根據 OpenAI 經濟研究團隊與哈佛大學經濟學家 David Deming 合作完成的研究,在 ChatGPT 的 7 億週活躍用戶中,非工作相關訊息從 2024 年 6 月的 53% 激增至 2025 年 6 月的 73%。相對地,Anthropic 的數據顯示 Claude.ai 和 Claude API 主要用於編程、研究和教育等專業任務。這種市場分化對企業決策者具有重要的戰略意義。

個人化應用成 ChatGPT 增長引擎

OpenAI 的最新研究分析了 2025 年 5 月 4 日至 7 月 31 日期間的大規模用戶數據,發現 ChatGPT 正迅速轉型為消費級產品。工作相關查詢僅佔總訊息的 27%,較去年同期的 47% 大幅下降。這趨勢反映了 AI 工具在大眾市場的滲透程度。

Washington Post 的分析指出,ChatGPT 用戶群體呈現年輕化特徵,近 50% 的對話來自 18 至 25 歲用戶。同時性別比例發生顯著變化:截至 2025 年 6 月,52% 的 ChatGPT 用戶擁有「典型女性」姓名,而在服務推出初期,80% 用戶為男性。

研究團隊將 ChatGPT 的三大主要用途歸類為實用指導、寫作和資訊搜尋,這三類應用合共佔據了近 78% 的所有訊息。其中寫作輔助佔所有對話的 28%,在工作相關對話中更高達 42%。值得注意的是,用戶更傾向於請求 ChatGPT 編輯現有文本,而非從零開始創作。

Claude 主導企業級應用場景

與 ChatGPT 形成鮮明對比的是,Anthropic 的研究顯示 Claude 在專業應用領域表現卓越。數學任務和編程是 Claude.ai 全球用戶的主要活動,編程相關使用佔 API 總用量的 44%。這數據遠超 ChatGPT 的 4.2% 編程相關訊息比例。

企業用戶特別是通過 API 使用 Claude 的客戶,主要將該工具用於自動化密集型工作。研究發現,77% 的 API 任務實現了自動化,而 Claude.ai 上這比例約為 50%。這表明企業更傾向於使用 Claude 進行完整任務委派而非協作。

教育領域的使用量自 2024 年 12 月以來增長約 35%,目前佔 Claude 總使用量的 13%。科學研究應用也達到約 7% 的使用率。相反傳統辦公和商業任務有所下降:管理相關任務從 5% 降至 3%,商業和金融業務從 6% 降至 3%。

市場定位差異化的戰略意義

這種使用模式的分化,揭示了 AI 市場正在形成互補性利基市場而非直接競爭關係。哈佛大學經濟學家 David Deming 在研究中指出,ChatGPT 通過決策支援提升工作者生產力,用戶更傾向於將其視為顧問或研究助理。

技術分析師認為,ChatGPT 在個人和探索性用途方面的優勢,反映了其在自然語言處理和對話體驗方面的技術特色。而 Claude 在編程和自動化領域的領先地位,則突顯了其在結構化任務處理方面的技術優勢。

從用戶滿意度角度來看,OpenAI 的研究顯示技術幫助類別(包括電腦編程)在 7 個測試類別中滿意度最低。這可能解釋了為何軟件工程師更青睞 Claude 的原因。

企業採用策略的歷史演進

回顧 AI 聊天機械人的發展軌跡,ChatGPT 自 2022 年 11 月推出以來經歷了快速的用戶基礎擴張。從最初的 100 萬用戶到 2025 年 7 月的 7 億週活躍用戶,其增長軌跡主要依賴消費市場的滲透。

相對地,Claude 的發展策略更加專注於企業市場。其 API 服務的高自動化率(77%)顯示了企業客戶對完整任務委派的偏好,這與 ChatGPT 用戶更傾向於協作式互動形成對比。

值得注意的是,OpenAI 的研究僅涵蓋消費版本(免費、Plus、Pro 方案),未包括 Teams、Enterprise 或 Education 方案更未有新推出的 Codex 數據。這意味著 ChatGPT 在企業市場的實際表現可能被低估。

未來趨勢展望與企業決策建議

這項對比研究為企業決策者提供了重要的工具選擇指引:對於需要編程、自動化和結構化任務處理的企業,Claude 展現出明顯優勢;而在需要創意寫作、資訊搜尋和一般性諮詢的應用場景中,ChatGPT 更具競爭力。

隨著 AI 工具市場的持續分化,企業可能需要採取多元化的 AI 策略,根據具體應用場景選擇最適合的工具。這種市場分化趨勢是否會持續,將取決於兩家公司未來的產品策略調整和技術發展方向。

 

資料來源:
OpenAI
Fortune
Washington Post
Ars Technica
The Decoder

read more
人工智能數據分析

史丹福研究:AI 失業-讓年輕人就業機會跌 13% 三十歲以上反增 9% 企業人才斷層危機浮現

史丹福大學最新研究顯示,生成式 AI 普及已導致美國 22 至 25 歲年輕勞動者就業機會相對減少 13%,30歲以上員工的相對就業則增加約 9%(這項研究基於數百萬員工薪資數據,為 AI 影響勞動市場提供首個大規模實證證據。該研究由資訊經濟學權威學者 Erik Brynjolfsson 教授領銜,分析了美國最大薪資軟件公司 ADP 從 2022 年末至 2025 年 7 月的數據,發現 AI 對初級職位的影響遠超預期。

這項於 2025 年 8 月發表的研究揭示三個關鍵發現:AI 對年輕勞動者不成比例的影響、不同年齡層就業趨勢的分化,以及 AI 使用方式如何決定就業影響程度。研究結果被形容為勞動市場變革的「煤礦中的金絲雀」,預示 AI 革命將對美國勞動力結構產生深遠影響。

 

入門職位為何成 AI 重災區

研究團隊分析 ADP 公司提供的數百萬美國勞動者薪資記錄,發現 AI 影響最顯著的是軟件開發和客戶服務等領域的初級職位。數據顯示,在 AI 依賴度最高的職業中(意指:大部份工序可被 AI 取代),22 至 25 歲勞動者的就業率自 2022 年末至 2025 年 7 月下降 6%,而同期 30 歲以上勞動者的就業率則增長 6% 至 13%。

Brynjolfsson 教授接受 CBS MoneyWatch 採訪時解釋:「這些大型語言模型接受書籍、文章和網絡資料訓練,這正是許多人在大學獲得的書本知識,因此 LLMs 與年輕人掌握的知識存在大量重疊」。相比之下經驗豐富的勞動者擁有更多隱性知識和職場技巧,這些是 AI 目前難以複製的。

另一方面史丹佛數據顯示,在高 AI 依賴度職位中,30 歲以上員工的就業反而增加約 6~12 %。多數企業將生成式 AI 視為「輔助」而非「取代」工具,當模型接手重複性任務後,仍需資深人員監督輸出、整合流程並負責最終決策;這些員工長年累積的隱性業務知識、跨部門協調與客戶關係等軟技能當前仍難以被自動化,因而帶動中高階職位人數微增

具體而言,到 2025 年 7 月,最年輕的軟件工程師群體就業率比 2022 年秋季高峰期下降近 20%,客戶服務工作者也呈現類似趨勢。這種影響並非局限於特定行業,研究發現即使在控制企業層面的衝擊後,相對就業下降幅度仍達到 13%。

圖表 1:  AI 對年青人「入行」影響最大,對 30 以上的不跌反升

 

決定企業未來的 AI 策略抉擇

多位權威專家對此研究結果表達不同觀點。高盛首席經濟學家 Jan Hatzius 在報告中指出:「AI 確實開始在數據中更清晰地顯現」,並預測生成式 AI 最終將取代 6% 至 7% 的美國勞動者。世界經濟論壇 2025 年就業前景報告也顯示,40% 僱主預計在 AI 可以自動化任務的領域減少勞動力。

然而並非所有專家都持悲觀態度。OpenAI 行政總裁 Sam Altman 在《紐約時報》Podcast 中表示:「一兩年內失去一半工作的想法並不符合社會運作方式」。NVIDIA 行政總裁黃仁勳則提出更平衡的觀點:「你不會因 AI 失去工作,但會輸給懂得運用 AI 的人」。

研究亦發現 AI 的使用方式決定其對就業的影響。當 AI 以「補充」方式使用時,就業不但沒有減少,某些情況下還有所增加。Anthropic 於 2025 年 3 月發布的 Claude 使用報告顯示,57% 的 AI 應用屬於「補充」性質,43% 為「替代」性質。

圖表 2:  AI 對年輕軟體工程師影響最大 -20%

勞動市場轉型的歷史脈絡

從歷史角度看技術進步對勞動市場的影響並非首次出現。自 2000 年以來,自動化已導致美國製造業失去 1,700,000 個工作崗位。然而當前 AI 革命的特殊之處在於其影響速度和範圍。Brynjolfsson 教授表示:「這是我見過最快、最廣泛的變化」,唯一可比的轉變是 COVID-19 疫情期間轉向遙距工作。

美國勞工統計局的就業預測已開始納入 AI 影響因素,預計到 2033 年醫療轉錄員和客戶服務代表的就業將分別下降 4.7% 和 5.0%。同時需要人工判斷的職業,例如個人財務顧問,預計將保持強勁增長,尤其是在服務年長客戶方面。

Challenger, Gray & Christmas 的報告顯示,2025 年前 7 個月,採用 AI 技術直接導致削減超過 10,000 個職位,自 2023 年以來已有超過 27,000 個職位削減直接與 AI 相關。這些數據反映出 AI 對勞動市場影響的加速度和廣度。

對企業與未來趨勢的影響

這項研究對企業人才策略和社會政策制定具有重要啟示。Forbes 分析師 Andrea Hill 指出,入門級職位消失正在縮小人才管道,影響薪資增長並威脅長期創新競爭力。企業正在失去將新人才培養成資深專家的學習循環,這種「學徒制紅利」的中斷可能產生長遠影響。

面對這一趨勢部分年輕勞動者開始轉向藍領工作,求職網站 Zety 將此現象稱為「AI 焦慮轉向」。然而只有約三分之一的 Z 世代員工還是覺得學徒制行業提供了通往穩定職業的更快捷徑。

政策制定者和教育機構需要重新思考人才培養模式。當前一些學校禁用 AI 技術的做法可能過於極端,更好的做法是制定指引幫助學生正確使用這項技術。企業也需要在追求效率與維護人才培養生態之間找到平衡。

隨着 AI 技術持續演進,年輕勞動者如何在這快速變化的市場中找到自己位置?這除了是個人職業規劃問題,更是整個社會需要共同面對的挑戰。我們是否準備好為下一代創造足夠機會,讓創新能夠惠及所有人,而非將年輕一代拋諸腦後?

 

資料來源:
史丹佛數位經濟實驗室
CNBC財經新聞
CBS新聞
ADP研究中心
世界經濟論壇

read more
IT 基建人工智能專題特寫數據分析雲端服務

速度就是新規模 NetApp 助龐源加速提供 AI 即服務

假如說混合工作模式是疫後新常態,那麼「Speed Is the New Scale(速度就是新規模)」相信便是企業儲存的新演繹。

據 Gartner 預測,及至 2025 年,40%的基建及營運領袖將部署最少一個混合雲端架構,相較 2020 年僅為 10%,增長相當顯著。

NetApp 大中華區、東盟及南韓區或總監吳福生(上圖)指出,疫情推動各界邁向雲端,對應產生的數據量自然爆發性增長。「不可能所有數據一律上雲,企業要統一處理天上和地上的數據,速度便是致勝關鍵。」

人工智能機器學習(Machine Learning,ML)正是一個好例子。ML 需要以大數據來訓練才可提升準確度,然而這些不一定是儲存在 SSD 上的熱數據,可能有更多是冷數據。要取得儲存於混合環境的大數據進行實時演算,速度便是關鍵。

「過去,只有大學研究、金融和醫療用得起 AI,但在 AI 即服務的生態下,我們留意到不少初創亦開始涉獵 AI。NetApp 於 2022 年初與龐源(Pong Yuen)合作,為他們提供包括一站式方案,從而讓龐源得以將為客戶構建虛擬世界的能力變得大眾化,好提供AI 即服務。」吳福生透露,龐源的客戶將 ONTAP AI 用於數碼對映(digital twins)並生成合成數據,並以這些數據來訓練他們的機器學習模型。

▲鄧子安接替吳福生出任 NetApp 香港及澳門區總經理。

據知龐源同時在構建元宇宙的領域用上 ONTAP AI。NetApp ONTAP AI 讓龐源利用 NVIDIA 和 NetApp 已認證的架構解決方案構建 AI 叢集,將數據中心級的分析、訓練和推論運算(inference computing)整合至單一的綜合系統。如此一來,客戶無須架設自己的機器學習基礎設施,即可輕鬆啟動和運行他們的 AI 或機器學習工作負載。

吳福生更笑言當時的合作尚未推出 NetApp BlueXP,若龐源採用 BlueXP 則運作管理更快更有效率。NetApp 香港及澳門區總經理鄧子安表示,BlueXP 乃NetApp 去年年底推出,可為本地和雲環境中的儲存及數據服務提供混合多雲體驗的統一控制平台,提供整合、廣泛的數據服務功能,用於部署、自動化、發現、管理、保護、管治和優化數據、基礎架構以及支援其業務流程。

read more