蘋果搜尋引擎快來了！庫克為何費力自己做，Google百億授權金不香嗎？|數位時代 BusinessNext

過去多年來，蘋果一直有著開發搜尋引擎的野心，如今《彭博社》聲稱，蘋果已經湊齊了實現這個目標的必要元素，甚至微軟也曾主動提議出售Bing，想幫助蘋果打破Google在搜尋引擎上的獨霸。

蘋果傳出投入搜尋引擎技術研究，已有相當時日，不過外界普遍認為距離蘋果真的推出搜尋引擎還有好一段時間，然而現在有看法認為，蘋果已經湊齊打造搜尋引擎所需的「龍珠」了。

蘋果為搜尋引擎準備了什麼？

2018年加入蘋果的前Google高管約翰．吉南德里亞（John Giannandrea），正是蘋果備戰搜尋引擎的主力軍。名目上，他加入蘋果主要是為了AI技術，不過《彭博社》指出，過去幾年裡他所領導的團隊，已經著手開發蘋果的下一代搜尋引擎，開發代號為「Pegasus」。

Pegasus能夠更精準地顯示搜尋結果，並且已經應用在一些旗下的應用程式當中，持續拓展應用範圍，甚至是App Store也將應用這項搜尋技術。

快速搜尋App Spotlight中，就可以看到蘋果在搜尋技術上的投入。先前該App的搜尋結果主要是利用Google搜尋或Bing的結果，現在也導入了自家的搜尋引擎技術。Siri也是利用同樣的技術來呈現網路搜尋結果。

另外，蘋果還準備了自己的網路爬蟲，這是一種會自動瀏覽網路內容的機器人，能為網站建立索引，提供未來呈現搜尋結果之用。結合前面提到，應用在App當中的搜尋技術，便能為用戶提供網路上的搜尋結果。

同時近來頗受關注的AI，也可能給予蘋果發展搜尋引擎技術的機會。而蘋果2019年收購的Laserlike，也是一大基礎。Laserlike是一款研發基於AI搜尋引擎的公司，三位創辦人都是Google的重量級員工，雖然現在許多高管都已經離開，這個團隊仍在蘋果內部運轉當中。

為什麼蘋果要進軍搜尋引擎？

蘋果服務主管艾迪．庫伊（Eddy Cue）曾說，Google搜尋是最好的搜尋引擎，同時進軍搜尋引擎，意謂著將放棄Google每年為Safari預設搜尋引擎支付的約百億美元授權費用，即使如此，為何蘋果一直對打造自家搜尋引擎念念不忘？

原因一：發展數位廣告！可為蘋果創造全新收入來源，一年估140億美元

值得蘋果大舉投入，自然代表發展搜尋引擎帶來的好處更為龐大。根據《彭博社》報導， 倘若蘋果能建立搜尋引擎，他們將能用與Google相同的價格販售數位廣告，這有可能創造一個規模匹敵Apple Watch的全新收入來源 。雖然蘋果從未單獨公布過Apple Watch的營收數字，外界估計一年營收可能高達120億至140億美元。

再加上如今蘋果也有了自己的廣告技術團隊，更使得蘋果想掌握這塊大餅。去年蘋果在App Store搜尋結果、News及Stock等App新增的廣告欄位，就是該廣告團隊負責營運。蘋果近年數位廣告快速成長，去年數位廣告使用率更一度超越Google、Meta兩大巨頭，廣告業務副總裁陶德．泰勒西（Todd Teresi）也曾在內部表示，他們將把廣告打造成有著百億美元收入的龐大業務。

原因二：讓蘋果生態系愈來愈大！包括App Store、地圖等服務都能用

且就算蘋果沒有真的推出搜尋引擎與Google競爭，光是搜尋技術的進步，也能為蘋果龐大的生態系帶來優勢，像是App Store、Apple地圖、Apple TV、Apple News等各種服務都能享受到搜尋引擎技術帶來的影響。

Google前廣告高管斯里達．拉瑪斯瓦米（Sridhar Ramaswamy）也曾經表示，蘋果開發搜尋引擎是非常自然的一件事，他們能夠從擁有的龐大數據中認識用戶行為。

或者當蘋果掌握搜尋引擎技術後，也更有條件以此為籌碼和Google協商預測搜尋引擎的費用，取得比目前傳言80億至120億美元更好的價格。

蘋果搜尋引擎研發路上，其實微軟也曾想出售Bing

而在蘋果漫長的搜尋引擎研發路上，微軟也曾經試圖參一咖。現在因為AI技術受到高關注的Bing搜尋引擎，其實微軟曾打算將其賣給蘋果，讓Bing取代Google成為Safari上的預設搜尋引擎。

值得一提的是，近期在Google的反壟斷訴訟中，微軟執行長納德拉（Satya Nadella）也再次提到對Bing成為Safari預設搜尋引擎的渴望，認為這有可能改變Bing與Google搜尋的競爭態勢。為了實現這個目的，他們每年可以容許150億美元的損失，甚至隱藏Bing的品牌名稱也再所不惜。

不過這個議題沒有進入到較為深入的階段，當時蘋果並不想因為收購Bing，而失去Google每年龐大的授權費，同時他們也擔心Bing的表現可能比不上Google搜尋，沒有辦法與之競爭，最終放棄了收購的討論。

但這個消息也顯示出，無論是藉由收購或完全自建，蘋果一直有著打造自家搜尋引擎的念頭，而隨著《彭博社》聲稱，蘋果已經集齊所有推出搜尋引擎所需的要素，接下來是否會有更多動靜，值得繼續觀察。

資料來源：[Bloomberg][1]、[Cnet][2]、[MacRumors][3]

責任編輯：林美欣
[1]: https://www.bloomberg.com/news/newsletters/2023-10-01/could-apple-replace-google-with-own-search-engine-it-s-possible-but-unlikely-ln7gywed
[2]: https://www.cnet.com/tech/mobile/apple-reportedly-has-ingredients-to-create-its-own-search-engine/
[3]: https://www.macrumors.com/2022/12/19/apple-to-launch-search-engine-to-rival-google/

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。