Google該擔心了?DeepMind創辦人警告前老闆:傳統搜尋引擎10年內消失
Google該擔心了?DeepMind創辦人警告前老闆:傳統搜尋引擎10年內消失

人工智慧實驗室DeepMind聯合創辦人穆斯塔法·蘇萊曼(Mustafa Süleyman)向他的前雇主Google發出了嚴厲警告:網路即將發生根本性變革,老式搜尋引擎將在十年內消失。

在近期接受No Priors播客節目採訪時,蘇萊曼表示:「如果我是Google,我會非常擔心,因為老式搜尋引擎將在十年內不復存在。」

2010年,蘇萊曼與德米斯·哈薩比斯(Demis Hassabis)和肖恩·萊格(Shane Legg)共同創辦了開創性的人工智慧公司DeepMind。 2014年,Google收購了它,並支持其繼續開發突破性技術,包括可以預測蛋白質結構的人工智慧模型AlphaFold。

2019年,蘇萊曼從DeepMind轉任Google副總裁。在此之前,DeepMind曾對蘇萊曼欺凌員工的指控進行了內部調查,數年來人們一直在抱怨他的行為。他已經為此道歉,並表示自己「真的搞砸了」。

在Google的最後那段時間,蘇萊曼致力於開發大型語言模型LaMDA。他說,他和其他同事試圖推出一款使用這種模型的對話式互動產品,但未能說服Google接受。

他懊惱地笑著說:「出於各種原因,對於Google來說那都不是合適的時機。我只是想,對話式互動產品肯定會出現,這顯然將引發新一波的技術浪潮。」

蘇萊曼補充道:「我認為,對話是未來的界面,而Google已經採用了對話,只是對話體驗令人難以忍受。」

離開Google之後,蘇萊曼等合夥創立了一家名為Inflect AI的新創公司。該公司最近推出了第一款產品——個性化聊天機器人Pi。

如果Google搜尋引擎被迫進行根本性的改變,它將損失慘重。作為「網路守門人」,Google爬取、索引並對無數站點進行排名。Google幾乎所有的利潤都來自於在搜尋結果旁邊投放廣告。現在,該公司正在測試自己的聊天機器人Bard,並將其中的部分技術應用到搜尋中。但沒有人真正知道Google將如何從這種新的商業模式中賺錢。

延伸閱讀:「不要太快行動!」推動AI顛覆大眾視野,DeepMind創辦人卻呼籲小心使用?

蘇萊曼在No Priors Podcast節目中表示,無論有沒有Google,搜尋體驗都將向對話和互動形式演變,這將對網路的未來以及每個依賴它獲取資訊和謀生的人產生巨大影響。以下是蘇萊曼評論中的更多亮點:

google search
圖/ Unsplash

80年代的黃頁

當你在Google上搜尋時,它會顯示出10個藍色連結,你可以透過點擊這些連結來查找答案。這是Google搜尋生成的頁面,當你瀏覽它時,可以告訴Google你在上面花了多長時間,點擊了哪些連結,瀏覽了多少內容等等。

然後,你需要返回搜尋登錄頁面,重新輸入查詢內容,再次重複上述查詢過程。這就是一種對話,Google也是透過重複這個過程學習的。然而,它使用的是20世紀80年代的黃頁對話方式,而我們現在已經可以用流利的自然語言進行對話了。

搜尋引擎優化到了極致

我認為,Google在網路上所做的事情可能是無心之舉,但實際上它已經改變了內容的製作方式,以優化廣告。現在所有的內容都被優化到了極致,以符合SEO的要求。導致網頁上的文字都被分成小塊和子標題,廣告也把它們分開,使得我們需要花費5到7或10秒鐘才能找到自己想要的資訊,大多數時候我們只是想要了解一小段資訊。

而當我們需要閱讀時,內容通常以一種尷尬的格式呈現,因為如果你在頁面上停留11秒鐘,而不是5秒鐘,那Google就認為這是高質量的,具有吸引力的內容。因此,內容創作者被激勵讓你停留在頁面上,這對我們來說是不利的,因為我們作為人類,需要高質量、簡潔、流暢、自然的語言回答我們的問題。

更重要的是,我們希望能夠更新我們的回答,而不需要思考如何更改我們的查詢。我們已經學會了「Google語言」,這是一個我們與谷歌共同發展了20年的奇怪詞彙。現在,這種情況必須停止。這個時代已經結束了,我們現在可以用流暢、自然的語言與電腦進行交流,這才是新的搜尋界面。

每個人都將擁有自己的人工智慧

我們認為,在未來幾年中,每個人都將擁有自己的個人人工智慧。這些人工智慧將包括商業人工智慧、政府人工智慧、非營利性人工智慧、政治人工智慧、網紅人工智慧和品牌人工智慧等多種類型。

每種人工智慧都將有自己的目標,並且與主人的目標保持一致。我們相信,作為個人,我們都希望我們的人工智慧與我們的利益保持一致。這就是個人人工智慧的含義,我們稱之為Pi,它將成為你的伴侶。我們一開始就採用了富有同理心和支持性的風格,並試圖問自己,什麼是良好的對話。

網路結構發生了什麼變化?

我認為,在未來,網路將發生根本性的變化,大部分計算將以對話的形式展現,並且這種對話的很大部分將由各種類型的人工智慧來促成。例如,Pi可以在早上為你提供一份新聞摘要。它會不斷了解你的喜好,不論是仙人掌還是摩托車。每隔幾天,它就會向你發送新的更新,以摘要的方式提供新的資訊,而且這非常確實符合你的閱讀風格、興趣和對消費資訊的偏好。

傳統網站和開放網路都默認一個固定的格式,他們認為每個人都需要相同的格式。而生成式人工智慧向我們清晰地展示,我們可以讓一切變得動態、完全個性化。如果我是Google,我會非常擔心,因為老式搜尋引擎將在十年內不復存在。這不會在一夜之間發生,將會有過渡時間,但這些簡潔、動態的個性化互動顯然代表未來的趨勢。

對內容創作者的建議

我認為,人工智慧本質上只是一個網站或應用程式。比如,你有一個有關烘焙的部落格,你可以使用人工智慧製作高質量的內容,使你的部落格更具吸引力和互動性。因此,對我來說,任何品牌都可以被視為一種人工智慧,只是使用的是靜態工具。

幾百年來,廣告業一直在使用顏色、形狀、紋理、文本、聲音和圖像來產生有意義的內容,只是他們每六個月或每年發布一次新版本。如今,這一切將變得更加活力十足和互動性更強。因此,我真的不同意只有1到5個人工智慧的觀點。我認為這完全是被誤導的,而且根本是錯誤的。實際上,將會有數億或數十億的人工智慧。我們不想要的是完全獨立運作的自主人工智慧,它們會漫無目的地做自己的事情,這不會產生好的結果。

如果部落格作者擁有自己的人工智慧來製作內容,那麼我可以想像這樣的世界:我的Pi會和其他人工智慧交流,比如它會說,「蘇萊曼對學習烘焙非常感興趣,但他不會打雞蛋,那麼他應該從哪裡開始呢?」然後,人工智慧之間會產生互動。當Pi回到我身邊時,它會說:「嘿,我今天發現了一個很棒的人工智慧。」

或許我們可以聊聊,你會發現很多超級有趣的事情。它們可能會錄下我和另一個人工智慧互動的短影片,或者類似的東西。我認為,這將是新的內容生成方式。我認為,你的個人人工智慧將充當對話者進入另一個世界。順便說一下,這基本上就是Google目前正在做的事情。Google會抓取其他由傳統靜態生成方法的人工智慧,並與它們進行一些互動、排名,然後將它們呈現給你。

延伸閱讀:Google I/O樸實無華,皮蔡不搶畫大餅!分析師反而大讚:無新意,是好事

本文授權轉載自:網易科技

責任編輯:傅珮晴、蘇祐萱

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

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。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

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。

qnap3.png
「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

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓