AI餐廳訂位沒那麼神！Google Duplex部分通話由人工代勞|數位時代 BusinessNext

AI餐廳訂位沒那麼神！Google Duplex部分通話由人工代勞

Google Duplex餐廳訂位服務現在已大規模開放美國地區Android、iOS用戶使用，經外國媒體測試發現，其過程中仍有Google員工的協助。

避免訂位失敗，Duplex仍需人力從旁輔助

外媒《紐約時報》身先士卒撥打數十通電話，測試Duplex成效如何。儘管AI表現不賴，他們發現撥打的電話中，有相當比例其實是交由人工負責通話，而非AI處理。尤其訂位成功的4次通話中，其中3次是由人工協助完成，僅1通是AI從頭到尾獨立溝通。

有趣的是，如果詢問對方是否為人工智慧（機器人），Google員工也會笑著否認，並未假裝是AI。

根據Google的回應，他們坦承透過Duplex功能撥打的電話中，其實約25%左右是由Google呼叫中心員工開始通話，並且另外約15%的電話中途會有人力介入協助訂位。

Google解釋，人工介入主要是為避免訂位失誤，影響重要飯局。他們會依據各種情況、指標決定一通電話是否要轉交人類負責，舉例來說，若無法確定公司內是否有人已經先行訂位，又或者使用者帳號有被誤認為垃圾訊息來源的可能性時，諸如此類的情況下，保守起見會由人工協助訂位服務。

顧客體驗優先於自動化

儘管有時仍需人力從旁協助，這並不代表Duplex純粹徒具虛名。在紐時記者其中一次測試中，Duplex成功展現如同當年在Google I/O舞台上，驚豔眾人的溝通能力。

《紐時》透露，餐廳負責人不太確定訂位內容，反覆詢問Duplex訂位細節時，AI相當有耐心地一一進行回覆，甚至當對方拋出「是否有小孩？」這樣超出所知資訊的問題時，AI依舊能從容地應對，「我其實是幫忙顧客訂位，所以不太清楚。」餐廳負責人也欣賞AI靈活的應變能力，如同和真人在對話。

雖然Duplex最初是以語音訂位功能成為焦點，但實際使用這項功能時，打電話卻是「備用選項」。允許的情形下，AI會先透過OpenTable、Resy與Yelp等線上餐廳預訂平台進行線上訂位，如此一來只須填寫資料即可。若餐廳不在平台上，才會嘗試打電話。

Duplex正處於剛起步的階段，需要人力時刻關照、監督對話過程，儘管對於AI工具而言，這似乎有點諷刺，但Google將顧客體驗放在首位，他們認為自動化是件循序漸進的任務，並不急於求成，盲目躁進反倒會讓使用者體驗變質。

目前Duplex也透過各地用戶的預約紀錄，以及呼叫中心員工協助訂位累積的數據，一步步提升AI溝通能力，降低人工輔助的需求。相信在不久的未來，Duplex將能更勝任這份工作。

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。

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。