科技碎碎念 EP7 - AI、半導體與能源革命

哈囉！這邊是科技碎碎念，資訊 x AI時代下，我們將從海量的全球新聞與新知中，透過生成式 AI 彙整出精華懶人包，聚焦全球科技關鍵話題，讓您輕鬆透過閱讀或聆聽掌握趨勢變革。

快速重點摘要

1. 人工智慧技術與應用呈現多元化發展，並對多個產業帶來深遠影響：
2. • 語音 AI 互動普及化： Google 正推動 AI 模式的雙向語音對話功能，目標是讓使用者能更自然地與 AI 進行互動，尤其在行動或多工處理時，這將大幅提升搜尋體驗的便利性。
   • AI 影音內容生成加速： YouTube 將整合 Google 最先進的 AI 影音生成工具 Veo 3 至 YouTube Shorts，預期將徹底改變短影音的創作方式與內容呈現。
   
   ^{(Image credit: YouTube)}
   • AI 對勞動市場的重塑： 亞馬遜（Amazon）執行長明確指出 AI 將減少部分企業職位，並增加對新類型工作的需求，凸顯了 AI 驅動效率提升對企業人力的結構性影響。
   • 智慧眼鏡市場的演進： 高階智慧眼鏡正從獨立裝置朝向外接顯示器模式發展，強調其在娛樂與遊戲領域的應用潛力，同時也預示著未來更具獨立性的產品趨勢。
2. 半導體與供應鏈領域正經歷重大變革與策略調整：
3. • AMD 在高效能運算領域的策略性優化： AMD 最新 CDNA 4 架構（MI355X）透過增強低精度矩陣乘法效能和維持向量運算優勢，鞏固其在機器學習和高效能運算市場的競爭力。
   
   ^{(Image credit: amd)}
   • 中國汽車晶片供應鏈的徹底轉型： 中國正積極推動汽車晶片國產化，目標是到 2027 年實現 100% 本土晶片供應，這對全球汽車晶片供應鏈將產生深遠的結構性影響。
   • 供應鏈 AI 策略的急迫性： 儘管供應鏈中 AI 應用日漸廣泛，但缺乏正式的、全面的 AI 策略將帶來長期風險，包括難以擴展的「拼湊系統」和錯失轉型機會。
   • 能源儲存領域的創新實踐： 芬蘭啟動了全球首個工業規模的沙子電池，它能利用過剩的再生能源供熱，為電網穩定性、碳排放減少及循環經濟貢獻重要的解決方案。

人工智慧技術發展與應用

1. Google 的 AI 語音對話功能：
2. • Google 正在逐步推出 AI 模式的雙向語音對話功能，這是一個實驗性的搜尋功能，旨在讓使用者能夠提出複雜的多部分問題。
   • 透過全新的「搜尋即時」（Search Live）整合，使用者將能與 Google 搜尋進行流暢的語音對話，並進一步探索網路上的相關連結。
   • 使用者只需開啟 Google 應用程式，點擊新的「即時」（Live）圖示，然後說出他們的問題，接著會聽到 AI 生成的語音回應，並可以繼續提問。
   
   ^{(Image credit: google)}
   • 這項功能在使用者處於行動中或執行多工處理時會特別有用，例如在打包旅行用品時，可以詢問如何防止亞麻洋裝起皺，然後再追問如果真的起皺該怎麼辦。
   • 對話過程中，相關連結會直接顯示在螢幕上，方便使用者深入了解資訊。
   • 「搜尋即時」可在背景運作，讓使用者在切換到其他應用程式時仍能繼續對話。
   • 使用者也可以點擊「文字稿」（transcript）按鈕，查看文字回應，並選擇以打字方式繼續提問，或是透過 AI 模式的歷史紀錄來回顧之前的搜尋結果。
   • 此功能採用了 Gemini 的客製化版本，具備先進的語音能力，並建立在 Google 搜尋頂尖的品質和資訊系統之上，以確保無論使用者身在何處或如何提問，都能獲得可靠且有用的回應。
   • 此外，它也運用了「查詢扇出」（query fan-out）技術，提供更廣泛且多樣的網路內容，為探索帶來新的機會。
   • Google 計畫在未來數月內，為 AI 模式帶來更多即時功能，包括讓使用者根據手機攝影機即時看到的內容來提問。
2. YouTube 與 AI 影音生成：
3. • YouTube 執行長尼爾·莫漢（Neal Mohan）在 2025 年的坎城國際創意節（Cannes Lions International Festival of Creativity）上宣布，YouTube 將於今年夏季稍晚，把 Google 最先進的 AI 影音生成工具 Veo 3 整合到 YouTube Shorts 中。
   • Veo 3 是 Google DeepMind 的影音生成模型，能夠根據文字提示創造出影片和聲音。YouTube Shorts 先前的「夢想螢幕」（Dream Screen）選項是使用舊版 Veo，而 Veo 3 的引入將顯著提升背景影片的品質並新增音訊生成功能。
   • 莫漢表示，AI 的可能性是無限的，它將「推動人類創造力的極限」。
   • YouTube Shorts 自 2021 年推出以來，截至 2025 年 6 月 18 日，每日平均觀看次數已超過 2,000 億次，這相較於一年前增長了約 186%。在 2024 年 3 月，YouTube Shorts 的日均觀看次數為 700 億次。
   • YouTube 成為串流影音領域的領導者，在 2025 年 5 月已連續第四個月位居尼爾森（Nielsen）The Gauge 報告中所有串流服務或頻道觀看量的榜首，佔總電視觀看量的 12.5%，這是該報告歷史上任何串流媒體或頻道所佔的最大份額。
   • YouTube 已成為娛樂和流行文化的主導力量，莫漢將內容創作者稱為「好萊塢的新創公司」，指出他們正在重新構想產業，並為編劇、剪輯師、演員和製作人創造新的工作機會。
3. AI 對企業勞動力的影響：
4. • 亞馬遜執行長安迪·賈西（Andy Jassy）表示，公司預期人工智慧將「隨著時間的推移，透過效率提升來減少我們的企業總體勞動力」。
   • 他補充說，未來會需要較少的人來從事目前某些類型的工作，而需要更多的人來從事其他類型的工作。
   • 亞馬遜正在「公司幾乎每個角落」應用生成式 AI。
   • 該公司計畫在 2025 年投入 1,000 億美元用於擴展 AI 服務及其所需的資料中心，高於去年的 830 億美元。
   • 賈西相信 AI 代理將改變我們工作和生活的方式，儘管許多代理尚未被建立，但它們將快速到來，並「改變我們為客戶創新 Scope 與 Speed」。
   • 亞馬遜目前有超過一千項 AI 服務和應用程式正在公司內部運作或開發中。
   • 這類言論可能會引發許多企業員工對於 AI 導致裁員的擔憂。一份來自彭博資訊（Bloomberg Intelligence）的報告指出，AI 可能會取代多達 20 萬個銀行業職位。
   • 網路安全公司 Crowdstrike 在 2025 年 5 月裁員 5%，稱 AI 正在推動前台和後台辦公室的效率提升。
   • 電商公司 Shopify 執行長 Toby Lutkkey 表示，經理們將需要證明為何他們「無法透過 AI 完成想要的工作」，然後才能要求增加人手。
   • 語言學習公司多鄰國（Duolingo）也宣布將用 AI 取代約聘人員，並表示只有當團隊無法進一步自動化他們的工作時，才會增加人員。
4. 高階智慧眼鏡的發展：
5. • 根據彭博社的評測，XREAL 的 One Pro 智慧眼鏡（售價 649 美元，因關稅從 599 美元上漲）在外觀上與普通眼鏡相似。
   • 它擅長作為個人電腦與手機的高解析度外接顯示器。
   • 這款眼鏡輕巧且佩戴舒適，但並非真正的獨立擴增實境（AR）眼鏡，無法同時融合數位內容與現實世界並取代手機功能。
   • One Pro 透過 USB-C 線纜連接裝置，這項設計消除了對電池的需求，但若纜線斷開，眼鏡會立即關閉。
   • 它旨在提供娛樂和遊戲體驗，每隻眼睛提供 1080p 解析度，以及更寬廣的 57 度視場角。
   • 舒適性是其一大優點，具備平衡的重量、可調整的鼻托，以及選配的度數鏡片插槽。
   • 音訊透過內建的 Bose 調校揚聲器傳遞，但音效並非完全私密。
   • 使用者可以從 XREAL 的 X1 晶片管理的幾種觀看模式中選擇，包括固定模式、跟隨模式和超寬模式，有助於最大限度地減少動暈症。
   • 儘管具備出色的調光技術，但它無法完全阻擋周邊的干擾，沉浸感不如封閉式虛擬實境（VR）頭戴裝置。
   • One Pro 雖然硬體不及 Apple Vision Pro（3,499 美元）先進，但價格更為親民。
   • 評測總結，XREAL 的 One Pro 眼鏡並非要成為下一代運算裝置，其顯示器對生產力工作來說不夠精細。但作為一款娛樂裝置，它在有人佔用電視或筆記型電腦不適合觀看電影時，提供了有趣的使用體驗。

半導體產業動態

1. AMD 的 CDNA 4 架構更新：
2. • CDNA 4 是 AMD 最新針對運算設計的繪圖處理器（GPU）架構，是對 CDNA 3 的「適度」更新。
   • 其主要重點在於提升低精度資料類型下的矩陣乘法效能，這對於機器學習工作負載至關重要，因為這類工作負載常能在低精度下維持可接受的準確度。同時，CDNA 4 也力求保持 AMD 在更廣泛應用的向量運算方面的領先地位。
   • 為了實現這些目標，CDNA 4 大致沿用了 CDNA 3 的系統級架構，包括其大規模的小晶片（chiplet）配置。加速器運算晶粒（XCD）內含 CDNA 運算單元（CU），其作用類似於 AMD 中央處理器（CPU）產品中的核心複合晶粒（CCD）。
   • 該架構採用八個 XCD 晶粒堆疊在四個基礎晶粒之上，這些基礎晶粒實現了 256 MB 的記憶體側快取。AMD 的無限結構（Infinity Fabric）提供整個系統的記憶體一致性存取，甚至可以跨越多個晶片。
   • 相較於基於 CDNA 3 的 MI300X，搭載 CDNA 4 的 MI355X 略微減少了每個 XCD 的運算單元數量，並停用了更多的運算單元以維持良率。儘管如此，MI355X 透過提高時脈速度彌補了大部分性能差距。
   • 與 Nvidia 的 B200 相比，MI355X 和 MI300 都是更大的 GPU，包含更多的基本組成單元。雖然 Nvidia 的 B200 也採用了多晶粒策略，但 AMD 的小晶片配置更為積極，旨在複製其在 CPU 設計上成功的擴展經驗，應用於大型運算 GPU。
   • CDNA 3 在向量吞吐量方面相對於 Nvidia 的 H100 具備巨大優勢，但在機器學習工作負載方面面臨更複雜的局面。Nvidia 憑藉成熟的軟體生態系統和對矩陣乘法吞吐量的重視（張量核心），常能接近雖然名義上遠大於其的 MI300X 效能。
   • CDNA 4 重新平衡了執行單元，更精確地針對低精度資料類型的矩陣乘法，這正是機器學習工作負載所使用的。在許多情況下，每個運算單元的矩陣吞吐量倍增，CDNA 4 的運算單元在 FP6 精度方面與 Nvidia 的 B200 SM 相當。
   • 在其他方面，Nvidia 在 16 位元和 8 位元資料類型上對低精度矩陣吞吐量仍顯示出更強的重視，B200 SM 在這些類型上的每時脈吞吐量是 CDNA 4 運算單元的兩倍。AMD 仍依賴其更大的、更高時脈的 GPU 來維持整體吞吐量領先。
   • 在向量運算和更高精度資料類型方面，AMD 延續了 MI300X 的巨大優勢。每個 CDNA 4 運算單元仍擁有 128 個 FP32 通道，在計算 FMA 運算時，每週期可提供 256 FLOPS。MI355X 較低的運算單元數量確實導致向量性能相較於 MI300X 略有降低。
   • 與 Nvidia 的 Blackwell 相比，AMD 憑藉更高的核心數量和更高的時脈速度，維持了巨大的向量吞吐量領先。因此，AMD 的 CDNA 系列在高階運算（HPC）工作負載方面持續表現出色。
   • Nvidia 對機器學習和矩陣運算的專注使其在該領域保持高度競爭力，儘管其 SM 數量較少且運行時脈較低。AMD 龐大的 MI355X 在多種資料類型上保持領先，但 AMD 和 Nvidia 最大型 GPU 之間的差距遠不如向量運算領域那樣大。
   • 本地資料共享（LDS）的改進： GPU 為一組執行緒提供軟體管理的暫存記憶體，通常位於同一核心上。AMD GPU 使用本地資料共享（LDS），而 Nvidia 則稱其為共享記憶體（Shared Memory）。
   • CDNA 3 擁有 64 KB 的 LDS，沿用了自 2012 年 AMD GCN GPU 以來的類似設計，該 LDS 包含 32 個 2 KB 的記憶體庫，每個記憶體庫寬度為 32 位元。
   • CDNA 4 將 LDS 容量增加到 160 KB，並將讀取頻寬加倍至每時脈 256 位元組。
   • 更大的 LDS 容量使軟體能夠將更多資料儲存在靠近執行單元的位置，內核可以分配更多的 LDS 容量，而無需擔心因 LDS 容量限制導致占用率降低。
   • CDNA 4 還引入了支援轉置的 LDS 讀取指令。
   • 即使 LDS 容量增加，AMD 在 GPU 核心內的資料儲存量仍少於 Nvidia。Blackwell 的 SM 具有 256 KB 的儲存區塊，可作為 L1 快取和共享記憶體使用。
   • 系統架構： MI355X 大致沿用了 MI300X 的系統級架構，但有一些增強功能。
   • L2 快取現在可以「回寫髒資料並保留資料副本」。這可能旨在在記憶體子系統負載較低時利用寫入頻寬，從而平滑由快取填充請求（伴隨回寫）引起的頻寬需求高峰。
   • MI355X 的動態隨機存取記憶體（DRAM）子系統已升級至 HBM3E，大幅提升了頻寬和容量。它還保持了 AMD 對 Nvidia 競爭對手的領先地位。MI355X 提供 288 GB 容量和 8 TB/s 頻寬，而 Nvidia 的 B200 則最高提供 180 GB 容量和 7.7 TB/s 頻寬。
   • 更高的 HBM3E 頻寬也有助於提高 MI355X 的運算頻寬比。MI300X 的 DRAM 頻寬約為每 FP32 FLOP 0.03 位元組，而 MI355X 增加到 0.05。相比之下，Blackwell 約為每 FP32 FLOP 0.10 位元組。
   • AMD 繼續更 heavily 依賴大型快取，而 Nvidia 則更多地依賴 DRAM 頻寬。
   • 總結： CDNA 4 的變化相較於前幾代更為「溫和」，主要是在 CDNA 3 的基礎上進行調整與優化。它與 Nvidia 的策略有相似之處，兩者都在向量執行方面保持了上一代的基礎，而將改進重點放在了矩陣運算上。CDNA 3 的成功已被證實，MI300A（MI300X 的內建 GPU 版本）是 2025 年 6 月 TOP500 榜單上排名最高的超級電腦。
2. 中國汽車產業的晶片國產化策略：
3. • 包括上汽集團、長安汽車、長城汽車、比亞迪、理想汽車和吉利汽車在內的中國汽車製造商，正準備推出配備 100% 國產晶片的車型，其中至少有兩個品牌預計最早在 2026 年開始量產。
   
   ^{(Image credit: 攝影師：Daniel Andraski)}
   • 這些努力是中國推動晶片自給自足計畫的一部分，以應對日益緊張的美國與中國技術關係。
   • 中國工業和資訊化部（MIIT）正在主導這項倡議，鼓勵汽車製造商，特別是國有企業，評估並提高其國產晶片的使用率。
   • 最新的政策目標是到 2027 年，所有汽車晶片都應實現 100% 本土開發和製造。這比之前尼爾森亞洲報導的 2024 年國內汽車製造商使用 25% 國產晶片的目標，顯著加快了步伐。
   • 然而，100% 的目標並非強制性，而是作為一種框架，鼓勵企業向北京保證他們能夠達到目標並為此努力。
   • 目前，計算汽車晶片自給率的標準仍不清楚，有些解釋是根據車輛中使用的晶片總數，另一些則認為是根據使用的晶片類型有多少是在本地開發或製造的。
   • 大多數中國主要汽車製造商，包括上汽、一汽、廣汽、比亞迪、吉利、長安和長城，都被要求增加使用國產或本地開發的晶片。
   • 一家中國晶片開發商的高階主管表示，吉利等汽車客戶已告知他們，如果存在國產選項，他們將優先使用本地開發的晶片，甚至偏好中國國內廠商的晶片，即使外國晶片可以在本地生產。
   • 廣汽集團等一些汽車集團正與中國晶片代工廠中芯國際（SMIC）和粵芯半導體（CanSemi Technology）緊密合作，審查整個汽車晶片供應鏈，並促進本地開發替代方案的驗證。
   • 中國汽車製造商在自動駕駛系統等高階功能方面，仍然嚴重依賴美國或其他外國製造的晶片，例如 Nvidia 專為汽車設計的 AI 晶片，或高通（Qualcomm）用於智慧座艙和自駕相關功能的晶片解決方案。華盛頓逐步限制中國獲取美國技術的舉措，引發了中國汽車製造商可能無法獲得所需零組件的擔憂。
   • 在此背景下，意法半導體（STMicroelectronics）、恩智浦（NXP）和英飛凌（Infineon）等全球汽車晶片領導者，正加強與中國晶片代工廠的合作，以增加在中國市場的晶片生產。英飛凌執行長 Jochen Hanebeck 表示，中國客戶正要求該晶片製造商「本地化」其晶片在中國市場的生產。
   • 過去，汽車晶片必須經過嚴格的測試，包括承受惡劣的戶外條件，這個過程從開發到認證可能需要長達五年。然而，現在中國電動車製造商採取了更靈活的方式，例如為非關鍵功能（如資訊娛樂系統）使用消費級和現成的晶片。
   • 一家中國顯示器製造商的經理表示，歐洲汽車製造商的認證流程需要三到五年，而中國汽車製造商的測試和認證「僅需六到九個月」。
   • 驅動積體電路（Driver IC）和光學薄膜等子系統中的晶片和零組件，也面臨著本地化供應的要求。
   • 汽車中使用的晶片類型和數量正在快速增長。傳統上以微控制器、感測器和類比晶片為主，而現代電動車需要更多晶片用於運算、馬達、攝影機、顯示器以及電池和電源管理系統。
   • TechInsights 的分析師 Brian Matas 指出，中國在成熟節點技術的發展上非常積極，這對一些晶片產品領域造成了價格壓力。他表示，類比市場和大部分微控制器單元（MCU）市場近年來增長疲軟，部分原因就是這些主要在成熟製程節點上製造的設備面臨價格壓力。
   • 然而，中國在實現晶片總體自給自足方面仍有很長的路要走。TechInsights 估計，2025 年中國的積體電路總本地產量約只能滿足其總市場（約 1,850 億美元）的 17.5%。
   • 國際半導體產業協會（SEMI）預計，到 2027 年，中國成熟節點（定義為 14 奈米或更不先進技術生產的晶片）的產能將佔全球總產能的近 40%，高於 2023 年的 31%。相比之下，美國此類晶片的產量將約佔 5%。
3. AI 晶片市場的激烈競爭：
4. • OpenAI 的山姆·奧特曼（Sam Altman）表示，Meta 一直試圖以「巨額報價」（例如 1 億美元或更高的年薪簽約獎金）來挖角 OpenAI 的 AI 研究人員。
   • 儘管如此，奧特曼表示 OpenAI 最優秀的人才迄今為止都未接受這些邀約。他相信 OpenAI 有更好的機會實現通用人工智慧（AGI），並可能有一天成為更有價值的公司。
   • 奧特曼認為 Meta 專注於高額薪酬而非實現 AGI 的使命，可能無法建立一個良好的企業文化。
   • Meta 曾試圖挖角 OpenAI 的首席研究員 Nome Brown 以及 Google 的 AI 架構師 Koreo，但均告失敗。
   • 奧特曼指出，OpenAI 的創新文化是其成功的關鍵，並認為 Meta 目前的 AI 努力「不如他們希望的那麼成功」，他甚至認為 Meta「不是一家擅長創新的公司」。
   • Meta 也在 AI 領域進行了投資，去年宣布對 Alexander Wang 之前成立的 Scale AI 進行了大量投資。該公司據報導還招募了一些明星 AI 研究員，如 Google DeepMind 的 Jack Ray 和 Sesame AI 的 Johan Schulawak。
   • 彭博社的報導指出，XAI 每月燒錢約 10 億美元。該公司預計在 2025 年燒掉約 130 億美元，而同年營收預計僅為 5 億美元。不過，他們預計 2026 年的營收將增長到 20 億美元以上。
   • 這個燒錢的速度凸顯了人工智慧產業前所未有的財務需求，尤其是在 XAI 這種營收增長緩慢的公司。
   • 為彌補資金缺口，XAI 正尋求籌集 93 億美元的債務和股權。卡萊爾集團（Carlyle group）估計，到 2030 年將部署超過 1.8 兆美元的資金，以滿足建構 AI 基礎設施的需求。
   • XAI 在發展營收流方面，相較於 OpenAI 和 Anthropic 等競爭對手，仍面臨挑戰。OpenAI 預計在 2025 年的營收將達到 127 億美元。

能源儲存創新

1. 芬蘭沙子電池的突破性應用：
2. • 全球首個工業規模的沙子電池已於 2025 年 6 月 16 日在芬蘭的波爾奈寧（Pornainen）市投入運行。
   • 該電池將利用過剩的再生能源發電來產生熱能，然後供應給當地的區域供熱網路。
   • 這座沙子電池提供 1 百萬瓦（MW）的熱能，儲存容量為 100 百萬瓦時（MWh），由 Loviisan Lämpö 公司營運，用於波爾奈寧市的區域供熱系統。
   • 沙子電池是一種由新創公司 Polar Night Energy 開發的高溫熱能儲存系統。
   • 尋找儲存可變再生能源的方法，是能源轉型面臨的最大挑戰之一。這種電池的儲存介質是沙子或類似沙子的材料。
   • 電池利用再生電力為加熱器供電，然後將熱空氣吹入沙子中。沙子被加熱到攝氏 500 到 600 度之間，並保持這種熱量。
   • 儲存的能量除了用於區域供熱，還可以用於工業製程。
   • 這座在波爾奈寧的新電池比 2022 年在康卡安派（Kankaanpää）的瓦爾凱科斯基發電廠（Valkeakoski power plant）安裝的原型大了十倍，代表了這項技術首次實現了工業規模的應用。
   • 該電池高 13 公尺，寬 15 公尺，填充了 2,000 噸的壓碎皂石（soapstone），這是芬蘭公司 Tulikivi 生產壁爐的副產品。在冬季，該電池可以滿足約一週的供熱需求。
   • 該電池將使區域供熱部門的排放量減少 70%。Loviisan Lämpö 的目標是在 2035 年實現氣候中和，該電池將幫助其減少 160 噸的二氧化碳當量排放，這代表區域供熱部門的排放量減少了近 70%。
   • 透過該電池，該公司將完全停止使用燃油進行區域供熱，木屑的消耗量也將減少約 60%。生物質鍋爐將作為高峰需求期間的備用設備。
   • 沙子電池有助於穩定電網並促進循環經濟。
   • 其成本效益的關鍵在於根據芬蘭電網營運商 Fingrid 設定的電價來優化其運作。透過這種方式，該電池也為電網的穩定性做出了貢獻，這對於風能和太陽能的進一步發展至關重要。
   • 憑藉其巨大的儲存容量，該系統能夠優化數天甚至數週的電力使用。
   • 沙子電池中的熱儲存材料可包括工業或採礦過程中的副產品，從而避免了對自然資源的開採。

供應鏈管理中的 AI 策略

1. 缺乏 AI 策略的風險：
2. • 在全球供應鏈面臨前所未有的分歧和波動之際，缺乏人工智慧（AI）策略正帶來長期風險。
   • 高達 75% 的執行長（CEO）認為，供應鏈中斷是其業務面臨的最重大風險之一。
   • 然而，儘管 AI 的影響日益增長，卻存在一個顯著且潛在危險的脫節：只有 23% 的供應鏈組織擁有正式且文件化的 AI 策略。
   • 這項令人擔憂的統計數據，來自 Gartner 在 2024 年 12 月至 2025 年 1 月進行的一項調查。
   • 許多供應鏈長（CSCO）在追求短期投資報酬率（ROI）的巨大壓力下，可能無意中危害了 AI 在其營運中深遠的長期轉型潛力。
   • 目前普遍採取的這種「專案式」方法，僅狹隘地關注短期收益，可能導致 Gartner 所稱的「拼湊系統」（franken systems）。這些系統複雜且多層，阻礙了擴展性，延長了 AI 轉型的回報週期，最終只能帶來微不足道的長期效益，並具備脆弱的技術基礎設施。
   • 戰術性部署與策略方向之間的鴻溝，是大多數企業的關鍵脆弱點。
   • 儘管 57% 的組織已將 AI 整合到部分功能或整個組織中，顯示其廣泛採用，但這些活動往往缺乏連貫的指導願景。
   • 供應鏈領導者主要透過成本節省和效率來衡量 AI 的成功，而忽略了收入增長和創新。
   • AI 主要被視為一種成本削減工具，而非轉型的增長引擎。這與執行長更廣泛地將 AI 視為增長關鍵驅動力的觀點形成鮮明對比。這種策略短視的後果是巨大的；77% 的執行長承認他們目前的營運模式不足以在 AI 主導的世界中競爭。
2. 供應鏈長（CSCO）角色的演變：
3. • 轉向 AI 驅動的世界需要根本性的改變。供應鏈長傳統上以卓越營運和成本控制為中心的角色，正在轉變為新一代的企業領導者。
   • 現代供應鏈長必須扮演策略協調者、客戶擁護者、韌性管理者以及人機轉型領導者的角色。
   • 這項轉變將供應鏈的核心使命從成本最小化轉向價值創造，使其成為增長、客戶滿意度和企業韌性的主要驅動力。
   • 這項新任務包括掌控客戶體驗。Gartner 預測，到 2027 年，30% 的大型全球供應鏈將採用客戶努力分數（CES）作為供應鏈長的一項關鍵績效指標（KPI）。
   • 這與目前僅有 4% 的供應鏈長正式對公司整體客戶體驗願景和策略負責的狀況相比，是一個巨大的飛躍。
   • 此外，隨著 AI 自動化決策，供應鏈長的角色將從直接的營運決策轉變為設計系統，建立治理框架、風險情報協議和道德規範。
   • 供應鏈長還必須引導員工度過 AI 將帶來的重大變革。Gartner 恰當地指出，技術變革是交易性的，但人類的回應（即轉變）是情感的。
   • AI 的採用必然會讓員工產生恐懼和不確定性。供應鏈長必須培養一種從焦慮轉向好奇，最終走向希望和興奮的文化。Gartner 強調：「我們不會因為開啟技術而獲得讚譽；只有當人們使用它時，我們才能獲得讚譽。」
3. AI 轉型的路線圖與挑戰：
4. • 為了應對這些複雜性，Gartner 建議供應鏈長制定一個 AI 投資組合，明智地平衡短期和長期優先事項。這包括採用「運營 - 成長 - 轉型」（Run-Grow-Transform）框架來策略性地分配資源。「運營」（Run）階段側重於基礎性改進，透過 AI 驅動的自動化和預測性維護，提高營運效率並優化成本。「成長」（Grow）階段促進跨職能協調，增強決策能力，例如將 AI 整合到銷售與營運計畫（S&OP）等核心流程中。「轉型」（Transform）階段涉及進行「原則性賭注」（principled bets）—這是經過計算、風險較高、回報期較長的倡議，但有潛力從根本上重塑業務，例如利用 AI 進行深入的消費者洞察或主動的需求塑形。
   • 資誠（PwC）的「AI 價值創造四大原則」進一步提供了實施和治理的實用指南，強調清晰的 AI 策略、領導贊助、關注高投資回報率的使用案例、建立強大的技術和資料基礎，以及健全的組織結構和 AI 治理。
   • 投資 AI 就緒的基礎設施需要與資訊長（CIO）和其他高階主管合作，以確保其擴展性和適應性。
   • 如果沒有對這些經過計算、風險較高但回報期較長的專案進行「原則性賭注」，供應鏈領導者可能會錯失真正具有轉型意義的機會。
   • 實施挑戰：儘管 AI 的潛力巨大，但實現其價值卻充滿障礙。基礎性挑戰包括資料品質差、缺乏標準化和資料碎片化。高達 43% 的企業領導者承認，他們甚至缺乏對其主要供應商績效的清晰了解。組織性障礙包括嚴重的人才缺口，公司報告的技能缺口百分比從 2021 年的 55% 增加到 2023 年的 69%。麥肯錫（McKinsey）將變革管理認定為實施過程中最大的風險，高達 82% 的供應鏈領導者提及此點。
   • 缺乏正式的 AI 策略，往往是由於過於關注短期投資報酬率所驅動，這可能導致許多供應鏈在應對日益由 AI 主導的世界的複雜性和充分利用其全部潛力方面，準備不足。
   • 證據顯示：AI 是重塑供應鏈管理的催化劑，將線性、以成本為中心的營運轉變為智慧化、網路化且日益自主的生態系統，旨在實現韌性、以客戶為中心和策略性增長。這不再僅僅是優化成本，而是確保競爭的未來。

資料來源

1. World’s largest sand battery commissioned in Finland
2. China's automakers aim for cars with 100% domestic chips from 2026
3. Chinese Automakers Target Using 100% Domestic Made Chips In New Vehicles
4. AMD’s CDNA 4 Architecture Announcement
5. Risks of Lack of Strategy for AI in Supply Chains
6. Wed. 06/18 – Oh Yeah. What About TikTok?
7. YouTube to Add Google’s Veo 3 to Shorts in Move That Could Turbocharge AI on the Video Platform
8. YouTube Shorts Now Averages 200 Billion Daily Views
9. Google’s AI Mode can now have back-and-forth voice conversations

 聽完碎碎念後，記得按讚、收藏、分享喔～， 科技碎碎念將繼續為您追蹤最新時事，讓您通勤時、空閒時一樣能持續了解最新關鍵話題，下次見！