實測|NotebookLM新增「深度研究」:AI代理變「找資料+寫報告」神助手,使用教學一次看
實測|NotebookLM新增「深度研究」:AI代理變「找資料+寫報告」神助手,使用教學一次看

重點一:NotebookLM 推出「Deep Research」,可自動化網路研究並生成具來源的報告,支援將報告與來源直接加入筆記。

重點二:擴大來源型態,新增支援 Google Sheets、以網址匯入 Google Drive 檔案、圖片、從 Drive 直接匯入 PDF、Microsoft Word(.docx)。

重點三:「Fast Research」提供快速掃描與匯入來源的研究模式;功能將於一週內陸續開放,圖片支援預計數週內上線。

Google 於 11 月 13 日宣布旗下 NotebookLM(筆記研究工具)推出「Deep Research(深度研究)」功能,定位為可自動化並簡化複雜線上研究的代理人。

使用者在來源面板選擇「網路」後即可啟動研究:Deep Research 會依指示擬定研究計畫、瀏覽數百個網站並持續精煉搜尋,於數分鐘內產出「有組織、具洞見、且以來源為基礎」的報告。

與在 Gemini 上使用 Deep Research 的差異在於, 報告不再是終點。使用者可一鍵將報告及其參考來源加入 NotebookLM 的筆記,並在背景持續運行深度研究的同時,補充其他來源,快速建立針對任一主題的知識庫;後續也能透過 NotebookLM 既有的「語音摘要」或「影片摘要」進行概覽,萃取重點或轉換內容以更易理解。

研究工作流優化:快速模式與更多檔案型態

NotebookLM 亦新增「Fast Research(快速研究)」模式,適合即時掃描資訊與迅速匯入來源,縮短研究前置時間。更關鍵的是,這次更新顯著擴大可分析的來源型態:

  • Google 試算表 :可加入結構化資料,並就關鍵統計提出問題或自動產生試算表摘要。

  • 以網址匯入 Drive 檔案:如同加入網站或 YouTube 影片般,直接貼上 Drive 檔案網址即可加入;也支援一次貼上多個連結,以逗號分隔。

  • 圖片:可上傳手寫筆記的照片,或任何紙本影像。

  • 從 Google Drive 匯入 PDF:直接加入研究論文、報告或電子書,免下載再上傳。

  • Microsoft Word(.docx):上傳 .docx 檔,分析筆記、草稿與其他文件。

官方表示,上述功能將在未來一週向所有使用者陸續開放,其中圖片支援預計在接下來數週內上線。在台灣市場,NotebookLM 的深度研究功能已先向「非 Google AI Pro 用戶」推送;Pro 用戶需切換到非付費帳號才可先行體驗。

實測:如何在 NotebookLM 使用 Deep Research?

承上所述,現在台灣用戶只要切換到一般 Google 帳戶,再開啟 NotebookLM,即可體驗 Deep Research 功能。

使用方式也很簡單:先點擊「新建」按鈕後,就可以在左側欄看見「在網路上搜尋新來源」的字樣;用戶可在此輸入問題或關鍵字,以驅動 AI 代理搜尋資料。

下方預設的資料來源選項是「網路」,也可視情況切換至「雲端硬碟」。另一個選項就是本次更新的重點:「Fast Research」與「Deep Research」。

NoteBookLM加入深度搜索
在輸入問題後,若選擇「深度研究」,AI代理就會協助歸納資料,用戶可以逐一檢查,並選擇是否要將其匯入NoteBookLM。
圖/ Google

顧名思義,「Fast Research」旨在提供快速、輕量的資料彙整與報告生成;「Deep Research」則相對耗時,但 AI 代理所彙整的資料更為龐大,產出的報告也更為詳細。

以「CoWoS 是什麼?」的實測為例:Fast Research 約 1 分鐘內就找到 3 項資料來源供用戶匯入;Deep Research 則約 5 分鐘找到 13 項資料來源。

NoteBookLM加入深度搜索
輸入問題後若選「深度研究」,AI代理就會歸納較多資料,用戶可逐一檢查並選擇是否要匯入NoteBookLM。
圖/ Google

在匯入資料後,其餘使用步驟與先前操作 NotebookLM 相同。於中間「對話」區塊,AI 會先生成一段資料概覽;用戶可在下方提問,AI 便會在資料範圍內提供回覆。或是在右側欄「工作室」依需求選擇生成摘要文件、報告、心智圖、學習卡等。

需注意的是,用戶在生成「工作室」中的選項時,建議先點選「鉛筆」圖示,選取格式及語言;否則預設語言會是英文。

NoteBookLM工作流
觀察介面,NoteBookLM從左側「資料輸入」、中間「對話」,右側「工作室」資料輸出,形成鮮明的資料處理工作流。
圖/ Google

結論:讓深度研究不再是「終點」

此次更新的核心在於, 讓「可信來源」成為研究的起點與終點。

Deep Research 先廣泛蒐集並生成報告,再將可驗證的來源與內容回灌到筆記,形成可持續擴充的知識庫。使用者同時能以多種檔案型態作為輸入,減少格式摩擦並維持研究連續性。

整體工作流從「找資料 ⭢ 產出初稿 ⭢ 納入筆記 ⭢ 持續豐富來源 ⭢ 多媒體概覽」閉環化,對需要快速梳理議題、維持來源純度與可核查性的編採與研究工作,具實務意義。

延伸閱讀:NotebookLM教學|能設定對話角色、安全性升級,好用AI筆記工具大升級!一次看懂操作方式

實測|NotebookLM「影片摘要」大升級:新增6種視覺風格,如何一鍵生成客製化教學影片?

資料來源:Google9to5google

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #Google #NotebookLM
往下滑看下一篇文章
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點

從生成式AI訓練、推論,到代理式工作流程(Agentic Workflow)與未來的實體AI,資料流量正以指數級成長,讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出,AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力,加速「Computational Memory」等新架構興起;在這波浪潮中,深耕記憶體與儲存技術數十年的美光科技,正與關鍵夥伴展開深度協同設計,包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術,在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角,記憶體為何躍上AI舞台中央?

過去,半導體的焦點多圍繞在晶片,例如CPU、GPU跟AI加速器等,市場普遍認為,晶片運算能力是左右科技產業發展速度的關鍵,但在進入生成式AI世代後,產業逐漸發現另一個事實:真正限制AI效能的瓶頸不是運算,而是資料能否快速被存取與傳輸。

從大型語言模型訓練,到AI推論、代理式工作流程(Agentic Workflow),甚至未來的機器人與自駕車,龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求,讓記憶體產業從過去相對標準化、以價格競爭為主的市場,逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現,大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為,記憶體是突破(頻寬)瓶頸的關鍵,也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察,也正是Mike在歷經二十餘年的儲存產業資歷,加上四年半的創投生涯後,選擇加入美光的核心原因之一:在AI重塑產業結構的浪潮下,記憶體將成為這波成長最直接的動能所在。

美光 x 數位時代
美光科技全球業務執行副總裁 Mike Cordano
圖/ 數位時代

從零組件供應商到策略夥伴,記憶體共創時代來臨

AI的崛起,正在改變記憶體廠商與客戶的關係。

過去,記憶體產品多是標準化元件,客戶關注的是價格、供貨與規格;合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大,從資料中心、雲端平台到終端裝置,記憶體已經成為決定系統效能的重要關鍵,也因如此,越來越多企業將記憶體視為「策略性資產」,而非單純零組件。

Mike表示:「現在,我們跟客戶合作的時間跨度改變了,在產品正式上市前三到四年便開始合作,從系統架構階段就共同規劃未來需求。」例如,美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體,便是雙方提前多年展開深度合作(co-design)的成果。

值得特別注意的是,美光科技除從技術層面與晶片製造商等夥伴共創產品,也在需求層面與客戶進行密切合作,例如,將過去較無約束力、期限僅一年的長期協議(LTA)轉變成為期五年、條款更具約束力的策略性客戶協議(SCA),藉此掌握客戶的未來需求,進而在技術層面做更深度的合作。Mike坦言,深度協同設計是高成本的投入,美光的做法是先廣泛進行市場感知,理解不同場域的需求方向,再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向,AI浪潮重寫記憶體成長模式

除了合作模式改變,更大的典範轉移是需求的改變。

Mike解釋,過去記憶體需求跟PC、手機跟伺服器出貨量息息相關,但在AI新世代,推動記憶體需求成長的核心不再是設備數量,而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式,每一次的模型運算都需要消耗大量的記憶體跟儲存資源,這意味著,即使設備銷量成長趨緩,記憶體需求仍可能持續上升。」

更重要的是,AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域,儘管不同場域對記憶體的需求不盡相同,但是,Mike認為:所有AI裝置都存在三項共同需求:更快的速度、更大的容量,以及更高的能源效率。

正如Mike在受訪時提到的:「我們最大的挑戰,是如何與客戶和整個生態系保持高度一致,一方面創造供給與產能,另一方面持續推動技術創新。」可以預期,在接下來的五年,記憶體產業面臨的挑戰不僅僅是擴展產能,而是如何與客戶共同規劃需求、同步投入技術創新,而這也是美光科技積極經營AI生態體系的原因。

總的來說,AI帶來的改變,不只是算力提升,而是重新定義整個運算架構:過去,記憶體被視為支援運算的基礎元件;現在,則是決定AI效能、能源效率與創新速度的關鍵資源;當產業競爭從晶片性能延伸到資料流動效率,從裝置數量轉向Token消耗量,記憶體的重要性也將隨之水漲船高,對美光科技來說,這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。

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
代理式商務連動百兆商機
© 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