【圖解】Google秀25項AI肌肉、改組應戰!有成功反擊微軟嗎?AI一哥如何奮力出招
【圖解】Google秀25項AI肌肉、改組應戰!有成功反擊微軟嗎?AI一哥如何奮力出招

這是Google最沉重的一次跳躍,就連往年「大秀肌肉」的I/O開發者大會,今年都像是一場令人緊張的大考。

出卷的是被AI撼動的市場,考題則是對手微軟和OpenAI同盟的強勁挑戰,短短幾個月內丟出ChatGPT、Bing、Copilot等一連串產品進攻,讓Google首次感受到「紅色警報」等級的威脅,緊急推出聊天機器人 Bard 應戰,卻在發表會中誤答,導致市值暴跌1,000多億美元。

兵荒馬亂之下登場的I/O,一口氣端出25項導入AI的新功能,橫跨搜尋引擎、Workspace、Google Cloud全生態系,奮力宣告「大哥沒有輸」。活動隔天市值單日增長 560億美元,2周就將ChatGPT登場後的失土收復。

Google早在 2014 年耗資 5 億美元買下 AI 新創公司DeepMind,執行長桑德爾.皮蔡(Sundar Pichai)更在2017年I/O大會上直接定義Google是「以AI 為核心的公司」,並一路推出BERT、T5、兩代LaMDA等大型語言模型,領先業界,就連對手的ChatGPT都是建構在Google開發的Transformer模型之上(GPT中的T源自於此)。原本資源、技術、數據庫都在 AI 領域最前端,如今產品市場卻差點被整碗端走,Google怎麼反擊?

GOOGLE 生成式AI
今年登場的I/O大會,一口氣端出25項導入AI的新功能,橫跨搜尋引擎、Workspace、Google Cloud全生態系。
圖/ 隋昱嬋攝影

張臂擁抱AI,直面「創新者兩難」

皮蔡的答案是 「大膽且負責任的AI」(Bold and responsible AI),其中的「大膽」,展現在產品和組織改革2大面向。

曾在微軟任職的台灣AI實驗室創辦人杜奕瑾認為,Google這次推出的產品雖然沒有展現太多獨特的應用,但已足夠讓人覺得 「巨人醒過來了,而且還能跳舞。」 在短時間內讓 AI 覆蓋全線產品,證明團隊技術不落人後,更不可能讓競爭對手獨領風騷。

直接在搜尋中導入 AI 更展現「自我破壞」的決心。Google 在搜尋引擎具有 93%市占,根據母公司 Alphabet 第1季財報,光是搜尋廣告1項就賺進 403 億美元,占總營收約57%。2022 年,Google 創造了2,822 億美元收入,其中1,625億美元都來自搜尋廣告。

搜尋模式的改變,將直接衝擊到搜尋廣告的收入,然而在 I/O 中發布的生成式 AI 搜尋功能「Snapshot」就是這樣撼動根本的產品。未來用戶搜尋時,會根據結果整理出一段 AI 生成的文本,在頁面最上方直接回答用戶的問題。這代表需要繼續往下滑,或點進附帶連結,才能看見品牌購買的廣告版位和其他網頁資訊。不只影響用戶使用習慣,導致廣告觸及率降低,更影響到 SEO(搜尋引擎優化)規則和計算方式,形成不透明的廣告生態,勢必影響 Google 與廣告主的關係,以及本身最仰賴的廣告收益。

增加的成本,也是考驗Google「AI決心」的一環。摩根士丹利分析師估算,Google去年共計3.3 兆次搜索,若投入ChatGPT同等演算力,到 2024 年可能面臨 60 億美元的支出增長;晶片技術諮詢公司 SemiAnalysis 也認為,聊天機器人加進搜索引擎將導致 Google 多花 30 億美元在晶片研發上。

知名數據分析公司GlobalData高階主管Cyrus Mewawalla曾受訪指出,他認為Google在AI 領域正面臨「柯達時刻」。柯達公司曾是市占8成的影像服務供應商,當數位相機殺進市場,儘管柯達在1975年就掌握相關技術,卻因擔心衝擊到營收核心的底片業務,未積極投入研發,導致公司沒落。許多評論中都以此解釋Google在AI 領域遭微軟挑戰的主因。

「Google 這次傳達出一個訊息,宣告自己未來在人工智慧領域會和其他國際大公司腳步一致,也就是全力擁抱它。」杜奕瑾說。針對搜尋引擎端出 AI 產品,就是對這場「創新者兩難」提出的回應,為了創新不惜破壞核心事業,同時投資未來產業找新出路。

Google 在 I/O 結束不久,緊接著宣布推出廣告文案和企畫生成工具,加入AI的功力後,可以製作和廣告公司同等級的複雜計畫,以目標客群、業績目標等進行客製化。加上今年首度轉虧為盈的 Google Cloud ,也加入多項協助生成式 AI 應用的工具,透過商業模式調整,期待獲得更多企業客戶青睞。

「逼婚」組織,催生克敵殺手鐧

在組織方面,Google今年4月大動作將AI研究部門Brain和子公司DeepMind合併為 Google DeepMind,由DeepMind創辦人德米斯.哈薩比斯(Demis Hassabis)擔任首席執行官。新部門在財報中將不再列入其他押注(Other Bets)的範疇,而是直接隸屬Google的事業體。

皮蔡受訪時指出,「2個團隊會有更多、更緊密的合作,因為有些工作需要更強大的計算能力,所以共同合作具有重要意義。」《The Information》則直白形容,這是一場「被迫的婚姻」,過去2個團隊很少共享技術知識,長期以來都被視為獨立單位營運,但是在 AI 研究領域中有明顯的重疊問題,容易造成資源競爭、關係緊繃,DeepMind 也頻傳尋求獨立。

Sundar Pichai
Google今年4月將AI研究部門Brain和子公司DeepMind合併為 Google DeepMind,皮蔡指出,2個團隊會有更多、更緊密的合作。
圖/ 路透

資誠創新諮詢公司董事長盧志浩指出,對Google來說,這場整合確實是有效的突圍方式,讓成效、目標的管理都更統一,不再有子公司和部門之間開發不同調的問題,也能傾注所有資源,讓AI在新部門中加速發展。

如今這對「歡喜冤家」,將會共同建立下一代大型語言模型「Gemini」—— 被視為叫戰 OpenAI大型語言模型GPT-4的重要產品,兩者有相仿的參數量,但GPT-4目前仍只能回應純文本,而Gemini將是「多模態」(Multimodel)的,意味著可以理解和生成文本、程式和圖片等多種型態的內容,是Google AI產品未來的重要心臟。

至於「負責任」,則是直面用戶信任和倫理問題。Google在2015年曾因AI把相簿中的黑人照片歸類為大猩猩,在科技倫理方面的聲譽受到打擊。被稱作AI教父的傑佛瑞.辛頓(Geoffrey Hinton)在I/O大會前10天宣布從Google離職,直指現今AI發展過快,將帶來威脅,更擔心一直扮演「合適管家」角色的Google,會在激烈競爭下放寬對AI的約束。

不比「有毒」賽!確保資安倫理

面臨龐大的社會倫理壓力和信任問題,Google多項新產品都選擇先以「實驗產品」的形式上線,開放民眾申請測試,皮蔡在I/O大會現場也 承諾會謹慎實驗調校,確保資料安全可用,沒有「有毒」偏見後才會推向上億用戶。 他反覆強調,即使Google對 AI野心勃勃,「但這不是一場比賽,我們只想把它做對。」

2004年,Google股票上市,結束了當時全球長達4年的網路泡沫期,而其快速成長的關鍵字廣告營收,也對在瀏覽器、入口網站及搜尋技術都未取得成功的微軟,帶來重大威脅。Google成立之初頒布的10條守則裡,其中1條「賺錢不必靠作惡。(You can make money without doing evil.)」就被解讀是針對微軟而來。

2014年,上任不久的微軟執行長薩提亞.納德拉(Satya Nadella),將公司產品重心從桌面轉向雲端,讓微軟再次強大,能與Google在軟體和網路服務收入上分庭抗禮。

在又一個新的十年、2024年到來前,微軟搶先出招,藉GPT之勢全面布陣搶斷Google前路。後發的Google也是一舉反攻,和對方硬拚。勝負大概很難在短期內分出,但雙方all-in籌碼注定是場史詩級戰役。

責任編輯:蘇祐萱、蘇柔瑋

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