DeepSeek 發起對 Google 的直接挑戰，計劃推出多模態人工智慧（multimodal AI）搜尋引擎
在全球人工智慧（AI）領域正發生重大變化，總部位於杭州的 AI 新創公司 DeepSeek 正積極轉向搜尋引擎市場。近期的職缺公告與策略性動作顯示，公司正在開發一款可處理文字、圖片與音訊的多語言（multilingual）、多模態人工智慧搜尋引擎。此一發展標誌著對既有產業巨頭如 Google 與 OpenAI 的直接競爭升級。
此項計畫利用 DeepSeek 在高效率模型訓練與開源貢獻方面快速攀升的聲譽。透過鎖定可處理截圖與語音指令等複雜輸入的「手機優先」（phone-first）搜尋體驗，DeepSeek 正定位為顛覆傳統以關鍵字為基礎的搜尋範式的勢力。
策略性徵才熱潮揭露野心
今年一月，DeepSeek 發布了一系列職缺，為其產品路線圖提供了清楚的窗口。與先前著重於一般大型語言模型（large language model，LLM）研究的徵才活動不同，這些新職缺特別針對搜尋基礎設施與自治式代理（autonomous agent）開發。
公司正在尋找「搜尋演算法工程師」與具備「持續代理人（persistent agents）」專長的全端開發人員。職缺說明描繪了一個能以最低人力監督運作的系統，暗示其目標超越簡單的聊天機器人，朝完全自主的助理邁進。徵才資料中列出的主要職責包括：
- 多語言查詢支援： 構建一個能原生理解並處理數十種語言查詢的引擎。
- 多模態整合： 開發管線以處理非文字輸入，特別為行動場景優化，讓使用者可透過截圖或語音片段進行搜尋。
- 代理基礎設施： 建立可承載「持續代理人」的平臺，讓其能執行長期任務，例如從網路蒐集資訊以回答複雜問題。
這次徵才行動與公司更宏觀的策略相符，目的是將其應用擴展到程式碼協助工具與聊天介面之外，進入目前由 Alphabet Inc. 旗下的 Google 主導的高利潤資訊檢索領域。
技術支柱：Janus-Pro 與 DeepSeek-R1
DeepSeek 對挑戰矽谷巨頭的信心來自於其在模型架構上的最新突破。有兩項核心技術似乎構成這個新搜尋引擎的基礎：以推理為導向的 DeepSeek-R1，以及多模態的 Janus-Pro。
DeepSeek-R1 因以遠低於訓練成本的代價匹敵美國頂級模型而登上頭條；而 Janus-Pro 則很可能成為視覺與音訊搜尋功能的核心引擎。Janus-Pro 最近發布，是一個統一的多模態模型，將視覺編碼與生成解耦。這項架構創新使模型能以高精度「看」與「理解」影像，同時保有回應性地生成文字或影像的能力。
DeepSeek 主要架構比較
| 模型名稱 | 主要功能 | 主要架構特徵 | 目標應用 |
|---|---|---|---|
| DeepSeek-R1 | 推理與邏輯 | 專家混合（Mixture-of-Experts，MoE） | 複雜查詢解決與資料分析 |
| Janus-Pro | 多模態理解 | 視覺編碼解耦 | 影像/音訊搜尋與內容生成 |
| DeepSeek-V3 | 一般語言任務 | 高效訓練協定 | 作為多語言文字處理的基礎層 |
在基準測試中，Janus-Pro 據報在特定生成與理解指標上超越了如 DALL-E 3 等競爭對手。若將此能力整合到搜尋引擎中，DeepSeek 可能允許使用者上傳一張壞掉家電的照片並詢問：「我要怎麼修好這個？」—AI 將能辨識型號、檢索使用手冊，並以一個流暢的互動摘要維修步驟。
超越關鍵字：自治代理的崛起
工作說明中包含「持續代理人」顯示 DeepSeek 希望超越現有世代的 AI 搜尋工具。現行的 AI 搜尋工具常扮演摘要者——閱讀頂端結果並綜合出一個答案。DeepSeek 的願景似乎是發展能在網路上導航、執行動作並在長時間內維持上下文的代理人。
「具代理能力的」搜尋引擎不僅檢索連結；它會完成任務。例如，與其搜尋「機票價格」，不如指示一個持續代理人「在接下來一個月監控飛往東京的航班，若價格低於 $800 就下單」。此能力需要穩健的基礎設施以防止「幻覺」（hallucinations）並確保可靠執行；DeepSeek 正透過聘請評估框架與訓練資料可靠性方面的專家來應對這項挑戰。
以成本效率顛覆市場
DeepSeek 最大的優勢之一在於其成本結構。該公司令人震驚地透露，其 V3 模型的訓練成本約為 $6 million，與估計需 $100 million 才能訓練 OpenAI 的 GPT-4 形成鮮明對比。
這種效率使 DeepSeek 能以顯著較低的 API 成本提供服務，進而激烈壓低競爭對手的價格。如果這種低成本模式應用在搜尋上，可能促成 AI API 市場的價格戰，讓先進的搜尋能力為更廣泛的開發者與企業所能及。
「手機優先」策略也利用了 Google 防禦的一個潛在弱點。雖然 Google 在網路搜尋上佔據主導，但向在行動裝置上以 AI 為原生（AI-native）、多模態互動的過渡仍處於初期階段。透過為截圖查詢與語音（行動使用者的自然行為）進行優化，DeepSeek 試圖捕捉下一代的搜尋行為。
結論
DeepSeek 進軍 AI 搜尋不僅僅是一次實驗；這是經過計畫的擴張，背後有專業的徵才與如 Janus-Pro 等已驗證的模型架構佐證。透過將高效率的推理模型與先進的多模態理解相結合，公司正在打造一個直接與 Google 與 OpenAI 核心商業模式競爭的平台。隨著這些技術的成熟，「搜尋」的定義將從一列藍色連結演變為與智慧代理進行的動態多模態對話。
