財經中心／廖珪如報導
群聯（8299）電子於全球AI技術指標性盛會 NVIDIA GTC 展會上，正式發表其革命性的「aiDAPTIV 多層級記憶體架構技術（multi-tier memory architecture）」。此技術旨在協助由 NVIDIA 平台驅動的本地邊緣 AI 系統，在不擴增現有 GPU 硬體的前提下，順利支援更大型的 AI 模型與長上下文推論工作。
它切進的不是傳統儲存，而是 AI 系統裡最卡、最貴、也最容易限制模型規模的那一層：有效記憶體容量。群聯這次的重點，是把 Pascari 企業級 SSD 拉進 GPU memory、系統 RAM、Flash 之間，變成 AI runtime 可以調度的記憶體層級，目標是在不增加 GPU 硬體的前提下，支撐更大的模型、更長的上下文，以及更吃記憶體的本地推論與微調。
官方展示場景也直接點名 long-context inference、agentic AI workflow、KV cache reuse，以及 memory-intensive fine-tuning，搭配的平台包括 NVIDIA GB10 Grace Blackwell、GeForce RTX 50 系列與 RTX PRO 6000 Blackwell Max-Q。這代表群聯不是在賣單純容量，而是在碰 AI 記憶體分層管理這件事。
素有半導體先知，前明星經理人沈萬鈞在粉專「萬鈞法人視野」分析，群聯這件事厲害的地方，不在於它「取代 HBM」或「取代 DRAM」，而在於它把原本不能進工作集的 NAND，變成可以參與 AI 記憶體階層的一部分。AI 推論尤其是長文推論，本質上很吃 KV cache、context retention 與 paging 行為；當工作集超過 VRAM 與主記憶體，系統通常不是效能掉得很難看，就是模型根本跑不起來。群聯現在做的，是把高耐久企業級 Flash 當成 AI-aware memory tier，去延伸 effective memory，而不是用 cheapest storage 的思維在賣 SSD。這種做法對邊緣端、本地端、企業私有資料推論特別有意義，因為這些場景不見得願意為了更大模型直接升級更多 GPU，但又有資料不能上雲、要在本地做推論與微調的需求。
他指出，群聯其實不是今天才開始講這條路線。它在今年 1 月 CES 就已經把 aiDAPTIV+ 往 PC 平台推進，當時官方說法已經很明確：利用 NAND 當成記憶體，去擴大 AI 處理能力，降低 DRAM 需求，讓較大模型能在筆電、桌機、mini-PC 這些平價平台上跑起來；它甚至宣稱在自家測試中，120B 參數的 MoE 推論可以從傳統做法需要 96GB DRAM，降到 32GB DRAM 處理，並且透過把放不進 KV cache 的 tokens 保存下來，讓未來 prompt 不需要重算，推理反應時間可顯著提升。這次 GTC 的多層級架構，等於是把原本 aiDAPTIV+ 在 PC/iGPU 的概念，再往 NVIDIA 邊緣 AI 與本地 AI 系統延伸，產品路線是連續的，不是臨時拼裝的行銷敘事。
從專業角度看，沈萬鈞說，自己會把它定義成「把 NAND 從容量元件，往 AI 記憶體基礎設施元件升級」。這個定位一旦成立，群聯的估值框架就會慢慢變。過去市場看群聯，多半還是控制器、模組、消費性儲存、企業級 SSD 這幾條線；但 aiDAPTIV 如果能真正跑進 OEM、工作站、邊緣伺服器、企業私有化 AI appliance，群聯賣的就不只是 controller ASP，也不只是 SSD 容量，而是帶有軟硬整合能力的 platform value。這種 platform value 的毛利結構、客戶黏著度、專案生命週期，都比單純賣 NAND controller 好。因為客戶一旦把模型部署、記憶體調度、長上下文推論流程，綁在你這套 runtime 與硬體組合上，替換成本會比一般 SSD 高很多。這也是為什麼我認為它對群聯的中長期意義，大於短線題材。
商機面也不能只看一個方向。第一個商機是本地端 AI 與企業私有化部署。很多企業真正有價值的資料在內網，法遵、資安、延遲、成本都不見得適合全上公有雲，這時候「用既有 GPU 加上更聰明的記憶體階層管理，把模型做大、把上下文拉長」就很有吸引力。第二個商機是邊緣 AI 工作站與小型伺服器。不是每個客戶都要買大型 HGX，很多實際落地案子是在工廠、醫療、零售、安控、設計研發現場，需求是 local inference，不是超大規模訓練。第三個商機是 agentic AI。因為 agent workflow 本來就比單次問答更依賴上下文保存、歷史狀態延續與 KV cache 重用，這剛好是 flash tier 最有機會參與的地方。群聯這次在 GTC 特別把 agentic AI workflow 與 KV cache reuse 拿出來講，這不是裝飾詞，這是在對準下一階段 workload。
這項技術也有它的邊界。第一，它不是免費午餐。Flash 再怎麼優化，也不會變成 HBM 的延遲與頻寬，所以這比較像是把原本跑不動、裝不下、或必須重算的 workload，變成可跑、可留、可延伸，而不是讓所有推論都直接等速升級。第二，它適合的是記憶體受限、上下文很長、可以接受分層調度的場景，不是所有 low-latency 極致即時任務都能同樣受惠。第三，這條路要真正放大，不能只有技術發表，還要看實際 benchmark、客戶導入、ODM/OEM 綁定、以及軟體堆疊是否能被開發者接受。
這是群聯開始從「NAND 控制器公司」往「AI 記憶體架構公司」靠的一個訊號。這家公司未來評價方式將會比較獨特，它短線未必立刻反映成爆量獲利，但中線很值得追蹤。因為 AI 發展到今天，瓶頸早就不只在算力，而是在算力後面的記憶體階層、資料移動、上下文長度、成本結構與本地部署能力。誰能把這幾件事整合起來，誰就有機會從零組件供應商，往基礎設施平台供應商升級。群聯這次的 aiDAPTIV 多層級記憶體架構，真正有價值的地方就在這裡。它不是要跟 HBM 正面對撞，而是在 HBM、DRAM 越來越貴、越來越缺的時代，替市場補上一層過去不存在、但未來會越來越重要的 AI 記憶體層。這條路如果走通，群聯後面看到的，不只是 SSD 商機，而是 AI 基礎設施重估。
三立新聞網提醒您：
內容僅供參考，投資人於決策時應審慎評估風險，並就投資結果自行負責。
投資一定有風險，基金投資有賺有賠，申購前應詳閱公開說明書。
更多三立新聞網報導
． 快檢查！不是炎黃子孫？ 這四個姓代表你可能戰神後代
． 盤前／日商村田漲價 被動元件18檔起飛
． 熱門股／黃仁勳GTC總點將 台廠30檔
． 熱門股／黃仁勳推的龍蝦 NemoClaw 18檔
