Perplexity發布Deep Research，一天可免費查5次！跟OpenAI、Google一般搜尋差在哪？|數位時代 BusinessNext

Perplexity發布Deep Research，一天可免費查5次！跟OpenAI、Google一般搜尋差在哪？

Perplexity推出Deep Research工具！以低價格提供媲美企業級的AI研究報告生成能力，相較OpenAI高昂的訂閱費用，更具吸引力。

只略輸OpenAI！免費用戶一天可以「深度查詢」5次

Perplexity AI 也強調旗下Deep Research在Humanity’s Last Exam（一項包含各種學術領域專家級問題的AI基準測試，分數愈高就愈接近「通用人工智慧」）中的表現， 在測試中獲得了21.1%的分數，輕鬆擊敗了大多數其他模型，例如Gemini Thinking (6.2%)、Grok-2 (3.8%) 和OpenAI的GPT-4o (3.3%)，僅落後於OpenAI的Deep Research (26.6%)。

但在測試事實性的數千個問題組成的SimpleQA基準測試中，Perplexity Deep Research 達到了 93.9% 的準確度，遠超其他領先模型的表現。

但對一般消費者最重要的是，目前要使用OpenAI的Deep Research，仍需要每月200美元的Pro版訂閱方案才能使用，即使OpenAI表示有計劃擴展到其他訂閱方案； 但反觀Perplexity的Deep Research則是免費提供，免費用戶每天可以五次免費查詢，每月支付20美元的專業版訂戶可享有每天500次查詢，更快的處理速度。

Deep Research跟一般搜尋差在哪？

若要簡單說明，深度搜尋與一般搜尋的差異，可說在於「AI閱讀的資料量」。經《數位時代》實測，詢問Perplexity 「請找出台股規模前3大的ETF，並比較選股邏輯與近一年績效表現」 ，差異頗為不同。

若為一般搜尋，Perplexity的確引用資料找出資金規模最龐大的三檔台股ETF，分別為元大台灣50（0050）、國泰永續高股息（00878）及元大高股息（0056），但並未提供「選股邏輯」與「近一年績效表現」的論述以及數據。

但若切換到深度搜尋，則會生成一則結構完整的文章，並可見Perplexity會將用戶的問題，拆解成更細節的問題來幫助內容生成。

Perplexity、OpenAI、Google比一比

當Perplexity被問及「比較三種深度研究產品」時，它概述了不同技術、定價模式以及在不同使用案例和主題中的表現，差異總結如下：

Perplexity AI ：採用迭代搜索和推理能力，能夠快速生成研究報告，通常在3分鐘內完成。它擅長處理金融、行銷及產品研究等高階專業任務，適合初步調研和快速獲取資訊，適用於市場分析和技術趨勢報告等領域。

OpenAI Deep Research ：更適合於企業級應用，提供深度分析，但需要較長時間（5至30分鐘）來完成報告，因此更適合處理高深度艱難問題，可用於複雜推理與專業領域驗證。

Google Gemini AI ：與其他兩者相比，其Deep Research功能的詳細信息較少公開，但已經加入了類似的深度研究工具，可能優勢在於與現有的生產力生態系統無縫集成，但具體應用場景尚不明確。

責任編輯：李先泰

2019年金融監理機關正式將雲端納入委外規範後，揭示金融業上雲時代來臨，國泰金控數數發中心成立雲端策略發展部，負責擬定集團上雲策略，並於2020年正式啟動7年集團雲端轉型計畫；在多數金融機構仍停留在單點遷移或IT現代化的現下，國泰金融集團在 2025 年即完成 100 套系統上雲，更將雲端轉型階段從 Cloud Ready、Cloud Adoption 推向 Cloud First，成為數據與人工智慧應用的關鍵引擎。

「百套系統上雲不僅僅是數字，更是讓國泰從『 IT 進化業務』邁向『 IT 驅動成長』的關鍵轉折。」國泰金控雲端策略發展部協理顏勝豪表示，上雲帶來的效益十分顯著，包括提升資源可用性與營運敏捷度、減輕 IT 維運負擔；同時，雲端業者多具備零碳排或綠能機房機制，亦有助於企業朝向 ESG 永續營運邁進。「金融上雲不是單純的現代化基礎設施或者是升級技術，而是為了換取速度與可靠度，讓集團可以加速創新腳步、彈性調配資源，以及培育所需人才與技能，為未來做最佳準備。」
為讓集團員工、金融同業以及有志上雲的夥伴可以進一步探討雲端轉型的各種可能，國泰金控舉辦雲端轉型成果發表會，會中除有集團子公司分享最新成果，三大公有雲平台業者也從不同技術視角共同探討在合規、資安與 AI 應用的可能。

七年、三階段，國泰金融集團將雲端內化為營運流程與創新引擎

為什麼國泰可以領先市場完成雲端轉型、數據與 AI 賦能業務？

顏勝豪認為，雲端轉型的起點不是直接遷移系統，而是從四個面向打底：應用系統盤點評估、雲端架構設計、雲端遷移藍圖規劃，以及組織治理框架建立，而這也是 Cloud Ready 階段最重要的事情。
「不同子公司有不同商業模式與節奏，若沒有共同語言與平台底座，上雲很容易各自為政。」顏勝豪表示，為讓所有員工可以齊步前行，國泰以雲端遷移方法論 Cathay 6R（註1）作為共同語言、用平台作為共同底座，讓轉型不只是技術選擇，而是集團行動。
完成單一系統的雲端遷移後，便進入 Cloud Adoption 階段。在這個階段中，要透過大規模遷移建立更成熟的上雲標準作業流程（SOP），透過 FinOps 機制控管與優化雲端營運成本，以及透過自動化與治理模型確認多雲環境與安全與維運穩定性，目標是將雲端內化為組織日常運營的一部分，進而邁向 Cloud First 階段：在合規前提下，新專案與系統升級預設在雲端環境開發，並善用雲原生優勢加速新產品功能開發速度。
「集團雲端策略只有一個核心原則：讓雲成為 AI 時代的成長引擎，而不是單純的基礎設施。」關於國泰的未來雲端布局，顏勝豪如是總結。

以雲端為 AI 資源引擎、發揮數據燃料價值，實現 AI 賦能業務應用

國泰不僅在2025年完成集團百套系統上雲，也啟動數據上雲計畫並為 GenAI 奠定基礎建設。
例如國泰金控實現數據上雲，打造資料湖倉與 GAIA 生態系統架構為 AI 賦能業務做準備：成立國泰風險聯防中心（CRC）攜手集團洗防人員強化風險控管與金融犯罪因應能力；釋出國泰員工 AI 助手–Agia–Beta
版，提供差勤、福利與權益、技術支援、職務職能與集團其他資訊等五大類別管理辦法等查詢服務；此外，亦推出集團數據共享平台、集團法規知識庫、 AI 評測中心等服務，更好發揮 Cloud First 與 AI 賦能業務應用的價值。
雲端是 AI 時代的關鍵底座、數據則是 AI 的燃料。顏勝豪指出，發展AI需要龐大的 GPU 算力，若自建 GPU 機房，不僅硬體設備昂貴、折舊速度快，光是散熱系統一年就高達兩、三千萬元的成本，若採取雲端資源，可以隨啟隨用，同時，大幅降低試錯成本。「當雲端打好基礎、AI成為能力模組，銀行、人壽、產險與證券的創新不再是單點突破，而是放大集團級綜效。」

國泰以 Cloud First + AI 持續領先市場、形塑未來樣貌

「雲端可以優化算力成本，資料則決定 AI 應用上限。」顏勝豪解釋，在 AI 新世代，AI 模型定調能力「下限」，集團子公司掌握的「獨特資料」則決定應用的「上限」，考量雲端有許多好用 AI 服務，唯有資料上雲才能發揮數據價值、用 AI 賦能集團各子公司業務。
例如國泰世華銀行將採取多公有雲策略，打造雲端智慧生態圈，並以現代化雲原生技術拓展應用場景；同時，運用 AI 與資料分析優化客戶服務體驗，並藉由跨雲整合機制支援多元業務模式，以充分發揮上雲效益。至於國泰產險，不僅在兩年半內完成13套核心系統上雲、優化營運流程，如以 Serverless 架構打造百萬級效果、萬元成本的短網址系統等，讓雲端成為產險驅動長期成長的核心引擎與標準配備。

國泰人壽則是透過雲端與 AI 滿足不同客戶需求，如以 AI Search 精準呈現關鍵字搜尋結果，讓客戶可以精準且快速的查找所需資料、大幅優化官網體驗與滿意度。至於國泰證券則是於2026年初推出「庫存管家」服務，以客戶持股為核心，應用 AI 技術打造個人化推播服務，協助投資人更有效率地掌握庫存狀況，提供更即時、系統化的投資管理體驗。
總的來說，國泰金控在集團的雲端轉型不僅是技術升級，更是思維革新，從百套系統上雲進展到 Cloud First 階段，可以預期在雲地基礎下，國泰將進一步引領 AI 時代變革，持續提升營運韌性與放大創新價值。