Google最強AI又遲到，Gemini傳明年才推出！帶著AlphaGo血統、比ChatGPT更強|數位時代 BusinessNext

Google最強AI又遲到，Gemini傳明年才推出！帶著AlphaGo血統，為何能比ChatGPT強？

Google DeepMind負責人哈薩比斯近日透露，研發中的Gemini將是「融合」了AlphaGo血統，比GPT系列更強大的AI模型。

比GPT技術更強大，Gemini將結合AlphaGo模型優勢

根據《Wired》報導，Gemini是種本質上與OpenAI的GPT-4相似的大型語言模型，不過哈薩比斯透露，他們的團隊會將這項技術與AlphaGo所運用到的技術結合起來，賦予AI新的能力，好比說能夠進行規劃，或者解決問題的能力。

「你可以認為Gemini結合了AlphaGo這類系統的一些優點，以及大型語言模型強大的語言能力。」哈薩比斯解釋，同時他還稍稍透露，「我們還有一些非常有趣的創新。」

AlphaGo運用了DeepMind大力發展的強化學習技術，這項技術主要是透過獎勵、懲罰的機制讓AI在反覆嘗試的過程中，知道該如何做出正確決定。透過這項技術，或許將能賦予聊天機器人真正解決問題，而不單單只是呈現搜尋結果的能力。

不過就如OpenAI為GPT-4燒掉超過1億美元，哈薩比斯聲稱開發Gemini預計還會需要數千萬到上億美元的支出，並且還要幾個月時間才能完成，且沒有公佈較為精確的推出時間。

儘管DeepMind過去多著墨在遊戲競技、生技研究等領域上，這並非他們首度進軍大型語言模型，去年就發表過聊天機器人Sparrow，並且他們聲稱與其他聊天機器人相比它更不容易脫序，較不會給出不恰當的回應。

先前哈薩比斯曾對外透露，他們將在今年內某個時候展開Sparrow的私人測試，但經歷部門整併、Gemini發表後，這些安排是否會繼續計畫實施暫時還不得而知。

高層直接參與，Gemini被視為Google在AI領域逆轉殺手鐧

OpenAI發表ChatGPT後，過往被認為是AI領域龍頭老大的Google地位因此有些鬆動，並匆忙發表了聊天機器人Bard，並將AI整合到旗下各個服務當中。然而Bard無論於內於外都沒有獲得太多好評，被員工批評這個作法過於倉促，一點也不像Google過往的風格。

因此Gemini被視為Google在AI領域的力挽狂瀾之作。《The Information》今年3月的報導曾指出，Gemini就是受到Bard失敗的刺激而誕生的計畫，希望藉此與OpenAI的GPT技術分庭抗禮，這項計畫得到公司高層直接的參與，包括最為資深的AI主管、首席科學家傑夫．迪恩（Jeff Dean）。

雖然Google亟欲透過新AI模型挽回地位，哈薩比斯對發布AI模型仍然非常慎重，他向《Wired》表示，「我認為這個領域需要更多評估測試相關的研究，這非常迫切。」必須藉此掌握新AI模型的能力與風險。

先前接受《時代》雜誌訪問時，哈薩比斯也強調人類對AI發展必須更為審慎，一旦處置失當可能產生重創人類文明的可怕工具。上個月，他也與OpenAI山姆．奧特曼（Sam Altman）等350位AI領域的權威人物共同簽署公開信，警告AI風險應該與核戰、傳染病等社會規模風險同等看待。

哈薩比斯也透露，他們在Gemini加入了各種防護、保險措施，「我可以看到我們在Gemini系列中打造的各種東西，我們沒有理由認為它們（這些防護、保險）不會起作用。」

責任編輯：錢玉紘

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。