一道紅色警戒後，Google搶著推結合搜尋的聊天機器人！怎麼拚過ChatGPT？|數位時代 BusinessNext

一道紅色警戒後，Google搶著推結合搜尋的聊天機器人！怎麼拚過ChatGPT？

為了應對ChatGPT的威脅，傳出Google目前正默默測試以LaMDA打造的新聊天機器人，並在開發整合聊天機器人與搜尋引擎的頁面。

對標ChatGPT，Google開發新聊天機器人展開測試

Apprentice Bard是基於LaMDA對話應用語言模型打造的聊天機器人，LaMDA也是去年被前Google工程師勒莫因（Blake Lemoine）聲稱有靈魂及感知能力，像個7、8歲小孩的AI技術。因為ChatGPT的出現，LaMDA被要求優先加強應對。

Apprentice Bard目前與ChatGPT比較顯著的差別在於，時事與資料庫的更新上更為及時與迅速，可以回應一些近期的事件，相較之下ChatGPT的數據大多還停留在幾年前，無法針對時事、最新的產品進行回應。

例如有員工在測試時詢問Apprentice Bard，公司是否有可能進行新的一輪裁員。Google在台灣農曆新年期間，才宣佈裁員1.2萬名員工，占總體員工數的6%。

「根據我的資料庫，Google不太可能在2023年進行新的一輪裁員。」AI在回覆中表示，「裁員通常是為了節省成本、精簡內部結構，但公司的財務狀況非常良好。事實上，Google 2021年營收成長了34%，公司股價自2022年1月以來成長了70%。」

由於無法確定Apprentice Bard內部的數據最新時間為何，若暫時不論數據的正確與否的話，Apprentice Bard毫無疑問能夠和ChatGPT一樣，順暢地回應使用者的提問。

且在開發Apprentice Bard的同時，Google也持續研究ChatGPT，比較自家LaMDA技術的對話成果與答案。值得一提的是，ChatGPT使用在面試工程職位時，成功錄取Google L3的職位，尚不知LaMDA在程式方面能否有同樣的造詣。

不過，Google也向兩個聊天機器人詢問，ChatGPT和DeepMind旗下的AlphaCode技術是否會取代工程師中，都得到了類似的回應。

LaMDA認為編寫程式是一項團隊運動，且雖然聊天機器人可以提昇工作效率，但無法取代工程師所具備的創意；而ChatGPT也表示，聊天機器人無法取代工程師的專業知識與創造力，同時編寫軟體必須對電腦科學有著深厚的認識，並且能夠與時俱進不斷更新技術。

祕密設計聊天機器人搜尋頁面，Google透露年內或推出ChatGPT類似產品

Google不光只是測試聊天機器人，同時還在研究如和將聊天機器人與搜尋引擎整合。《CNBC》指出，Google正在設計聊天機器人代替傳統搜尋引擎的搜尋頁面，提供了約5個可能的問題提示，取代了現在的「好手氣」。

輸入完問題後，聊天機器人的答覆會在搜索框下方以灰色的聊天氣泡呈現，並顯示幾個相關的問題供用戶參考，同時下方還會再顯示傳統的搜尋結果。

雖然Google開始設計聊天機器人的搜尋頁面，這間科技巨頭仍對使用AI回答問題抱持非常謹慎的態度。Google的AI部門負責人傑夫．迪恩（Jeff Dean）就曾經在會議上向員工解釋，身為科技巨頭的Google倘若給出錯誤資訊，會面臨更大的名聲風險，因此必須比新創公司更保守。

但他與執行長皮蔡（Sundar Pichai）也透露，公司有意在2023年內推出一款類似的產品，或許還是可以期待近一兩年實際體驗Google的聊天機器人技術。

目前Google也對這個傳言不置可否，僅聲稱他們長年專注開發AI技術改善人們生活，但他們需要考慮到這些創新可能帶來的社會影響，將會持續在內部測試AI技術，並會在未來和外部分享更多細節。

責任編輯：錢玉紘

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。