Google搜尋引擎加入AI，各網站怕了？憂內容被剽竊，還有什麼衝擊？|數位時代 BusinessNext

AI導入搜尋引擎，Google與網站緊張關係升溫

這一爭議也凸顯出Google與其搜尋引擎網站之間長期存在的緊張關係，人工智慧新工具的出現無疑加劇了這種態勢。長期以來，網路出版商一直擔心Google會在自家網站上重新組合他們網站上的內容片段，但現在Google顯然在使用先進的機器學習模型來訓練人工智慧，從而生成類似文本和響應結果。

專注於遊戲新聞和評論內容的網站TechRaptor首席執行長拉特利奇·道格特(Rutledge Daugette)表示，Google的舉動根本沒有考慮網路出版商的利益，Google的人工智慧搜索相當於剽竊網站內容。

「他們的重點是零點擊搜尋，使用的是網路出版商和作家花時間和精力創作出的高質量內容；不同於用戶可能點擊網站，這沒有給網路出版商和作家提供任何好處。」道格特表示，「到目前為止，人工智慧一直在迅速重覆使用他人訊息，沒有給內容所有者帶來任何好處，具體到Google這種情況，聊天機器人Bard甚至不會提供所使用的訊息來源。」

長期以來，Yelp公共政策主管路德·洛威(Luther Lowe)一直對Google的搜尋政策持批評態度。他說，Google搜尋的更新是其長達數十年戰略的組成部分，目的是讓用戶在Google網站上停留更長時間，而不是把他們引到最初提供訊息的網站。

洛威在接受採訪時表示：「Google將ChatGPT仿照版引入搜尋領域所產生的排他性，是給整個網路放血的終章。」

據密切追蹤Google搜尋引擎變化的新聞網站「搜尋引擎天地(Search Engine Land)」透露，到目前為止，人工智慧生成內容在測試中都會顯示在自然搜尋結果（與搜尋相關且有價值的免費列表連結）之上。此前曾有報道稱，Google計劃重新設計搜尋結果頁面，為的是推廣人工智慧生成的內容。

根據對生成式搜尋體驗的測試，人工智慧生成內容會優先顯示在Google搜尋結果頁面頂部的綠色方框中，右邊有三個方框顯示相關網站連結。在關於Google搜尋結果的第一個例子中，來自三個網站的訊息標題都沒有顯示完全。

Google說，這些訊息不是從網站上抓取的，只是用來證實連結。Search Engine Land表示，與Google的Bard聊天機器人相比，生成式搜尋體驗是一種改進，也是一種更健康的連結方式，畢竟Bard很少直接連結到網路出版商的網站。

一些網絡出版商想知道他們是否能阻止Google等人工智慧公司抓取他們網站上的內容來訓練人工智慧模型。諸如Stable Diffusion等人工智慧公司已經面臨來自數據所有者的訴訟，但如何界定人工智慧抓取網絡數據的行為，還沒有一個清晰論斷。Reddit等其他公司開始宣布計劃，對訪問其數據的行為收費。

IAC旗下有All Recipe、People Magazine和Daily Beast等多個網站。公司董事長巴里·迪勒(Barry Diller)是出版界的領軍人物。他在上個月的一次會議上說：「如果世界上所有的訊息都能被吸進這個大鍋裡，然後在所謂的聊天功能中重新包裝成陳述性的語句，你想要多少就有多少，那就不會有出版業了，因為這是不可能的。」

迪勒繼續說道：「你所要做的就是讓整個行業認可，除非能想出一個讓網路出版商獲得付費渠道的系統，否則就不能盜取我們的內容。」他說Google將面臨這個問題。

迪勒表示，他認為網路出版商可以根據版權法起訴人工智慧公司，目前需要重新定義「合理使用」的限制範疇。周三有報道稱，以迪勒為首的一眾網路出版商高管表示，「如果有必要，我們將修改版權法。」

網路出版商面臨的主要挑戰是如何確定他們網站上的內容正在被人工智慧使用。Google並沒有透露生成式搜尋體驗背後大型語言模型PaLM 2的訓練來源。道格特說，雖然自己在聊天機器人Bard上看到來自其他網站的內容被改寫，但沒有注明歸屬的例子，但如果沒有直接連結來源，很難判斷訊息是不是來自特定網站。

Google沒有發表相關評論。「PaLM 2是基於網路上大量公開可用數據進行訓練的，我們顯然重視網絡生態系統的健康。」Google研究副總裁佐賓·加赫拉馬尼（Zoubin Ghahramani）在本周早些時候的媒體會上表示，「確保健康生態系統的確是我們思考如何開發產品的組成部分，創作者也是這個繁榮發展生態系統的一部分。」

道格特表示，Google的舉動將讓獨立網路出版商處境艱難。

道格特說：「我認為，當很多同事被解雇時，我們不得不擔心自己的辛勤工作被剽竊，這對我們行業來說真的很令人沮喪。」「這是不對的。」

本文授權轉載自：網易科技
責任編輯：蘇祐萱

當資料不能離開企業，運算就得靠近：AI 先改寫儲存架構

AI 帶來的第一個變化，不只是運算能力提高，而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊，QNAP 身為資料安全的守護者，長期發展的是地端網路儲存設備（NAS），並擴展至 25GbE、100GbE 高速網路交換器產品線，提供完整的儲存與高速網路基礎架構。威聯通科技（QNAP）總經理劉文義解釋，當資料因合規要求或敏感度不能上雲，就必須留在靠近使用者與應用的地方；運算需求一旦增加，承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資，金融與保險業受到合規與法規限制，部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言，問題並不是雲端好不好用，而是一開始就沒有把核心資料全面上雲的選項。

真正讓更多企業回頭計算的，則是長期成本。劉文義指出，資料上傳雲端可能免費，下載卻會按流量收費；當企業把一年、兩年、三年的費用加總回推，可能會發現，購買一台同等容量的 NAS，還能使用 7-10 年。資料規模愈大、存取愈頻繁，總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載；地端則較適合高頻存取、對延遲敏感，或不能離開企業邊界的資料。企業真正要回答的，是每一類資料與任務應該放在哪裡。

依 QNAP 觀察，客戶過去關心的是需要幾 TB、幾 PB，或備份速度有多快；現在更常問的是，機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起，把公司發展定調在 AI 與高速網路的融合，試圖讓 NAS 從資料保存的位置，進一步成為資料被調用的位置。

當資料量持續擴大，搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例，當照片累積到 10 萬、20 萬張，要找出其中幾張特定畫面，已不可能只靠人工翻找。此時，能理解內容、接受自然語言指令的 AI 工具，會從加分功能逐漸變成必要條件。

從資料治理到地端推論：AI NAS 如何進入企業工作流？

AI NAS 不是「多了 AI 功能的 NAS」，而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察，目前客戶大致分布在一條導入光譜上。人數最多的一群，仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關，卻決定後續系統能不能找到正確資料、辨識版本，並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成（RAG）知識庫。RAG 並不是重新訓練一個模型，而是在模型回答前，先從企業的 SOP、合約、法規或技術文件中取回相關內容，再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用，協助企業建立私有知識庫；而走在最前面的少數企業，則已經嘗試地端推論與 AI Agent。

模型的選擇權，QNAP 刻意留給客戶。知識庫背後採用哪一個模型，可由企業依需求決定，不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定（MCP）相關能力，讓管理者透過自然語言查詢狀態、調整設定，並讓 NAS 成為 AI Agent 可調用的資料節點。

不過，劉文義沒有把這條路說得太容易。他坦言，目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用，可能需要約 300 到 800 TOPS，甚至 1,000 TOPS，因此多數方案會以 NVIDIA 顯示卡補足算力；一張卡約需新台幣 10 萬至 12 萬元，一張算不完，就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍，並不是大部分中小企業都能接受。」除了硬體，使用者還需要 AI 應用的 Know-how、程式背景與開發資源，這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中，一類是採用含有 iGPU 與專屬 NPU 的處理器平台，以一百多 TOPS 的範圍，可順暢使用 AI 應用程式；另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡，處理更大的運算量。

同時 QNAP 也在軟體端也持續開發，目標是讓 NAS 裡的資料更有效率地被 AI 工具調用，讓資料成為有價值的知識。

從規格走到現場：能源公司如何導入私有 LLM？

本地 AI 實際落地部署會是什麼模樣？劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫，但很快遇到兩個瓶頸：一是員工查詢時明顯出現卡頓；二是專利、技術與合約都高度敏感，高層不願上傳至公有雲，擔心機密資料會有外洩的疑慮。

後來，該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX，搭配顯示卡與全快閃 SSD，在地端部署私有大型語言模型，把數十年來封存的靜態檔案交給 AI 調用，進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間，核心機密也能留在企業內部。

這個案例說明，若任務範圍明確，有些應用不必動用雲端大型模型，地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同，導入前仍需要概念驗證（POC）與技術人員評估。

而且，資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值，是讓資料邊界與控制權回到企業手上；相對地，安全責任也會更直接地回到企業。

哪些企業現在該做，哪些再等？先看重複性與三個條件

能不能導入地端 AI，不只由產業標籤決定，也要看工作是否重複，以及場景能不能被清楚定義。劉文義觀察，第一批走進來的，除了受法規限制的醫療、金融與保險業，也包括利用地端 AI 加速資料處理的科技業，以及會計、律師等有大量重複文書工作的專業服務業，因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有　10　台、20　台機器，每台處理與儲存資料的 Protocol 都不同，需要相對應的儲存裝置；生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料，AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多，或重複性動作越多的產業，越容易透過導入 AI 提高工作效率。」反過來說，較傳統、人力密集，或仍高度依賴人工判斷的製造業，短期內未必能快速導入地端 AI。

依 QNAP 提供的資料，企業也可用「高頻、大量、敏感」三個條件做第一輪判斷：資料是否被頻繁調用？規模是否大到雲端傳輸與長期費用開始變得明顯？內容是否涉及個資、法規、智慧財產或商業機密？三個條件愈集中，地端部署愈值得評估；三者都不成立時，使用雲端 API 往往更簡單，也可能更划算。

可以先等的企業，大致也有三種。第一，資料仍分散、版本混亂、權限不清，急著上 AI 只會把混亂放大，先完成集中與治理，效率就可能先提升。第二，找不到一個具體且反覆發生的業務痛點，只因為「別人都在做」而採購，設備很可能變成昂貴的展示品。第三，使用量仍小、需求偶發，現階段雲端的彈性反而更有優勢。

因此，POC 不應只驗證「模型答不答得出來」，還要回答三個問題：資料由誰負責，誰可以存取？導入後能節省多少查找時間、傳輸成本或人工作業？正式上線後，誰負責資料、模型與資安維運？只有當效益與責任都能被量化，才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房，動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太，其中歐洲占比將近一半，而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證，並滿足 GDPR、HIPAA 等資料保護與法規遵循需求；累積至今，已售出約數百萬台裝置，協助企業打造智慧、安全的儲存方案。

至於普及時間點，劉文義提出一個明確的價格與效能交會點：地端應用若要順暢運作，運算量可能至少要達到 300 至 600 TOPS，甚至 800 TOPS，同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

「AI NAS 不是多了 AI 功能，而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言，地端算力成本高昂，QNAP 透過「算力分級」與開放模型架構，助企業逐步建構私有 RAG 知識庫與 AI 團隊。

圖／數位時代

「預測約兩、三年後，應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點，就會是 AI 落地最蓬勃發展的時候。」在此之前，企業真正能先做的，不是搶著買最大的模型或最昂貴的顯示卡，而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色：原油再多，沒有整理、提煉與配送的過程，也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力，而是誰的資料先準備好被調用。模型會持續更換，但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備，而是在資料必須留在企業內時，讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日（五）舉行，現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控，並安排 Live Demo，適合 IT 管理者、系統整合商與企業決策者參加。

活動地點：新板希爾頓酒店｜如意 AB 廳

活動時間：09:20–16:00

地址：新北市板橋區民權路 88 號 2F

立即報名：https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查，填問券抽好禮，倒數計時：https://www.surveycake.com/s/q4abw