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

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問