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。

重點一 ： Perplexity推出Deep Research工具，在多項基準測試中表現優異，甚至超越Google Gemini Thinking等模型，以低價格提供媲美企業級的AI研究報告生成能力。

重點二 ： Perplexity Deep Research在「Humanity's Last Exam」測試中表現優異，超越多數模型，但仍略遜於OpenAI。

重點三： Perplexity Deep Research提供免費版本，相較OpenAI高昂的訂閱費用，更具吸引力。

Perplexity發布Deep Research

AI公司競相推出深度研究工具！Perplexity於2月14日宣布推出其最新功能「Deep Research」，加入Google和OpenAI的競爭行列。Google在去年12月就為其Gemini平台推出了類似功能，而OpenAI也在本月初推出了自己的研究代理，這三家公司甚至使用了相同的名稱：Deep Research。

Deep Research的目標是提供更深入的答案，並提供可受查證的引用資料，以滿足專業用戶的需求。Perplexity在宣布Deep Research的部落格文章中指出，旗下Deep Research功能「擅長一系列專家級任務——從金融和行銷到產品研究。」

Perplexity Deep Research目前已開放網頁版使用，該公司表示，很快將新增到其Mac、iOS和Android的應用程式中，以利手機用戶使用。

要使用Perplexity Deep Research，只需在Perplexity中提交查詢時，從下拉選單中選擇「Deep Research」，它就會建立一份詳細的報告。 生成結果可以匯出為PDF檔案，或直接在Perplexity顯示生成內容。

Perplexity表示，Deep Research「以迭代方式搜尋、閱讀文件，並思考下一步該怎麼做，隨著對主題領域的了解越多，它會不斷完善其研究計畫」，據稱「類似於人類研究新主題的方式」。

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。

延伸閱讀：台灣獨角獸Appier超高速成長背後：「一年只增2名員工」的AI革命來了！

本文合作轉載自：數位時代
責任編輯：李先泰

資料來源：Perplexity、TechChurch

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。

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。