科技巨擘的博弈：Google、反壟斷法與生成式 AI
本文最初發佈在 Medium。
今年 5 月 21 日，Google 執行長桑德爾·皮查伊（Sundar Pichai）在年度開發者大會「Google I/O 2025」上公布了多項 AI 領域的重大進展。除了發布 Gemini 2.5、Veo 3、Imagen 4 等關鍵模型的升級版本以外，Google 也正式宣示將 AI 深度整合進既有核心服務，如導入 AI 模式的 Google 搜尋，以及強化 Gmail 中的個人化智慧回覆功能等。
從 2022 年 OpenAI 推出 GPT-3.5 開始，大型語言模型（Large Language Model，簡稱 LLM）便開始滲透我們生活的方方面面。然而，在技術飛速發展的同時，大家心中是否浮現一個疑問：在可見的未來，Google 等科技巨頭是否會憑藉其龐大的資本與市場優勢，進一步壟斷 AI 的發展，並在無形中抑制創新？而當 AI 滲透到我們生活的每個角落，我們的資訊選擇權和決策自由，又是否會受到這些企業的潛在控制？
1 一切的開端：反壟斷訴訟
去年 8 月，美國地方法院裁定 Google 的搜尋業務違反了《休曼反托拉斯法》（Sherman Antitrust Act），非法維持搜尋市場壟斷地位，並提出了包括出售 Chrome 瀏覽器、拆分 Android 系統、以及禁止與瀏覽器開發商和電信業者簽署排他性預設搜尋協議等潛在補救措施。隨後在今年 4 月，美國聯邦法院又裁定 Google 在數位廣告與廣告技術市場中亦違反反壟斷法，並要求其出售部分廣告技術資產。
特別的是，美國的反壟斷法其實提供了許多補救手段，但在上述兩起判決中，法院都選擇了對企業最具破壞力的手段 — — 結構性補救（Structural Remedies），也就是業務拆分或資產剝離。然而，Google 在搜尋與廣告市場的主導地位，真的需要這麼強硬的介入來維持市場公平競爭？或許我們可以從提起訴訟的美國司法部看出端倪。他們在兩場訴訟中都強調，Google 正在將其龐大的搜尋與廣告資料整合至其 AI 模型（如 Gemini）訓練過程中。這樣的優勢，他們擔心可能讓 Google 在 AI 這個新興且影響深遠的領域，再度建立起類似搜尋市場的絕對主導地位。
很明顯，這兩起訴訟不僅是針對 Google 過去行為的追責，更是預先針對未來潛在的市場壟斷發出警訊。美國政府似乎不願意看到 AI 重蹈電腦、作業系統與搜尋引擎的覆轍 — — 再度被單一企業所主導。為什麼政府對這件事這麼警覺？或許我們可以推論：他們認為維持 AI 領域的適度競爭比以往任何時候都更加重要。這場官司，無疑是一場為 AI 產業未來秩序而吹響的號角。
2 Google 在生成式 AI 時代的核心競爭力
Google 能夠在 AI 領域建立主導地位，並非空穴來風。它的實力，是建立在過去二十年來在數位世界的深耕，以及大型語言模型本身固有的極高進入門檻之上。
首先，Google 掌握著全球最大的資訊入口與龐大的數位生態系。我們每天打開手機、電腦，從搜尋資訊、觀看影片、使用地圖到管理電子郵件，很大一部分都離不開 Google 的服務。這種無所不在的連結，讓 Google 能夠輕鬆地將其 AI 產品整合到用戶日常生活的每個角落。尤其在搜尋市場，Google 具有近二十年的壟斷地位，意味著它能透過預設搜尋引擎協議，將數十億用戶引導至其平台。當 AI 深度整合進搜尋功能時，這種預設值效應（Default Effect）將無縫轉移到 AI 領域，使得其他競爭者難以獲得足夠的用戶觸及，即使他們擁有創新的 AI 技術。
其次，LLM 的訓練本身，就築起了極高的資本與資源壁壘。這是一場只有科技巨擘才能參與的遊戲：
- 龐大的算力（Computational Power）需求： 訓練一個頂級的 LLM 模型，其耗費的計算資源和電力成本極其龐大，動輒需要數萬顆高階 GPU，投入可能高達數億美元。這使得只有少數資本雄厚的科技巨擘或擁有大型的資料中心（Data Center）的雲端服務供應商能夠承擔。
- 極其龐大的資料量： 資料是 LLM 成功的關鍵燃料。Google 在過去二十多年來，透過搜尋引擎、YouTube、Android、Google Maps 等龐大生態系，積累了全球最龐大、最即時、最多樣的用戶行為資料和網路內容索引。這些資料對於訓練出能精準理解人類意圖並生成高品質內容的 AI 模型而言，是無可替代的黃金資源。特別是現在大多數的 LLM 都意識到需要進行資訊檢索以獲取模型訓練時不具備的資訊時，在檢索增強生成（Retrieval-Augmented Generation，簡稱 RAG）這項技術上，Google 的搜尋能力和綜合資訊擁有獨一無二的優勢，形成了極高的護城河。
- 頂尖的 AI 技術與人才： 全球範圍內，掌握 LLM 核心研發能力的頂尖 AI 研究人員和工程師是稀缺資源，他們需要具備深厚的機器學習、神經網路和演算法知識。大型科技公司透過高薪和領先的研究環境，吸引了這些最頂尖的人才。
這三大要素共同築起了極高的進入壁壘，注定 LLM 的基礎模型市場很難出現傳統意義上的完全競爭（Perfect Competitive）。即使法院對 Google 祭出懲罰，也不太可能在一夜之間冒出一大堆能訓練基礎 LLM 的新創公司。市場最終很可能呈現寡佔（Oligopoly）的格局，由少數幾家資本雄厚的玩家主導。
3 AI 壟斷下的未來：資訊、偏見、內容與產業生態
如果 Google 真的壟斷了 AI 市場，其影響將比過去搜尋引擎的壟斷更為深遠，因為 AI 的本質改變了我們獲取資訊和與世界互動的方式。
3.1 資訊獲取方式的壟斷差異：更深層次的「黑箱」
事實上，Google 壟斷搜尋引擎市場已經將近二十年了，這段時間似乎沒有引起如此激烈的舉措。那為什麼現在僅僅是面對 AI 「潛在」的壟斷卻就這麼警覺？如果兩者都是使用者獲取資訊的窗口，它們本質上究竟有什麼區別？
傳統的搜尋引擎（Search Engine），其核心功能是索引和連結。它就像一個巨大的數位圖書館目錄，當你輸入關鍵字時，它會呈現一系列導向外部網站的連結列表。儘管 Google 會透過複雜的演算法對這些連結進行排序，甚至可能偏好自家服務，但用戶理論上仍然可以點擊並訪問原始網站，自主獲取更詳細、更多元且未經平台聚合的資訊。資訊的最終呈現和判斷權，某種程度上仍掌握在用戶手中。
然而，生成式 AI（Generative AI） 的核心功能則是聚合和生成。以 Google 的 AI Overviews 為例，它不再只是提供連結，而是直接從多個來源提取資訊，然後透過複雜的模型進行綜合、總結，並最終重新生成一個精簡且看似權威的「最終答案」。用戶所看到的，不再是一堆需要自行篩選的連結，而是一個模型直接給出的、貌似完整的解答。
這種資訊呈現方式的轉變，帶來了更深層次的「黑箱」問題。當 AI 直接給出答案時，用戶很難確切知道這個答案是從哪些原始網站擷取而來、哪些細節被模型忽略或強調、哪些資訊被模型重新詮釋，以及模型在生成過程中是否可能引入了「幻覺」（Hallucination，即錯誤或編造的資訊）。這使得資訊的透明度大幅降低，因為用戶面對的是一個被高度濃縮和加工過的資訊。
3.2 歧視性 AI 與資料偏見
即使 Google 沒有任何惡意或歧視意圖，其 AI 模型也可能因訓練資料的固有偏見，而產生歧視性的輸出，稱為 AI 偏見（AI Bias）。我們知道 AI 模型的學習過程本質上是從歷史資料中歸納模式，但這些資料反映了人類社會長期以來存在的各種不平等和不公正現象，例如性別、種族、地域、社會經濟地位等方面的偏見。當模型從這些帶有偏見的資料中學習時，即便程式碼本身沒有明確的歧視指令，它也會不可避免地將這些偏見「內化」並複製到其判斷和生成中。
舉例來說，如果訓練資料中女性在特定職業領域的描述遠少於男性，那麼 AI 在生成相關內容時，很可能強化這種刻板印象，例如在推薦技術職位時偏向男性。同樣地，若資料中特定族裔的犯罪記錄比例被不成比例地強調，AI 在進行風險評估時，就可能對該族裔產生不合理的負面聯想。這些看似「客觀」的演算法輸出，實質上卻可能在無形中加劇現有的社會偏見和歧視。
當單一公司主導 AI 市場時，其模型的任何偏見都可能被放大，並影響數十億用戶的認知和決策。想想看，如果你的履歷審核、貸款申請、新聞推送甚至醫療建議，都由一個帶有特定偏見的 AI 模型來主導，這將如何潛移默化地影響個人發展的機會？這種隱性偏見的擴散，遠比明確的資訊審查更難以察覺和糾正，因為它披著「中立」的技術外衣。
為了避免這種情況，我們需要更多元、獨立的 LLM 模型進行競爭和相互制衡。這不僅是為了技術的進步，更是為了社會的公平。當有不同的模型能從不同的資料集和訓練角度學習和表達時，它們能夠相互驗證、揭示潛在偏見，從而降低單一偏見大規模擴散的風險。畢竟，一個能反映多元觀點的資訊環境，才是一個健康且具韌性的社會基礎。
3.3 生成式 AI 對內容創作者的顛覆
在搜尋引擎時代，儘管內容創作者可能抱怨演算法變化導致流量波動，Google 也會透過廣告分享部分收益，且其搜尋結果頁面（Search Engine Results Page，簡稱 SERP）仍是許多網站重要的流量來源。搜尋引擎與內容創作者之間，雖然存在摩擦，但至少還是一種共生關係。網站需要 Google 帶來的流量，而 Google 也需要網站的內容來豐富其搜尋結果。
然而，生成式 AI 的「直接給答案」特性，卻徹底打破這種共生關係。如果 AI Overviews 能夠直接滿足用戶的資訊需求，而無需他們點擊進入原始網站，這將直接「劫持」原本應導向內容創作者的流量。對於依賴流量、廣告收入或訂閱模式的數位出版業而言，這無疑是釜底抽薪。例如，在今年 2 月 Chegg 與 Google 的訴訟中，教育科技公司 Chegg 就明確指控 Google 利用其在搜尋市場的支配地位，強迫出版商允許其內容用於 AI 生成的摘要，這些摘要將用戶留在 Google 平台上，而不是引導他們訪問原始網站。
長期下來，這種流量劫持可能導致高品質原創內容的生產動力大幅下降，因為創作者缺乏足夠的經濟誘因。當內容的創造者無法獲得合理回報，整個數位內容生態系統的健康發展將受到嚴重衝擊，最終可能導致資訊的貧瘠化。這與搜尋引擎時代的困境性質不同，可能從摩擦變成對某些商業模式的扼殺。
3.4 LLM 作為各行各業與 AI Agent 的基礎設施
近年來，AI Agent 的概念正席捲科技界：過去的 AI 僅限於回答問題，而現在正朝著執行任務演進。簡單來說，AI Agent 指的是具備思考、規劃和執行能力的智慧代理，它們不僅能理解你的指令，還能自主利用工具、與外部系統互動，進而實際完成任務。這不是對未來的想像，而是會在近幾年商業化的事實。
當 LLM 具備了這種實際採取行動的能力後，其角色將從單純的資訊處理器，躍升為各行各業的底層作業系統。想像一下，未來的醫療診斷可能由 LLM 驅動的 Agent 協助醫生分析病歷並開藥；華爾街的投資行為可能由 LLM Agent 自動操作；軟體開發者能讓 LLM Agent 自行完成程式碼撰寫與測試；而我們的個人智慧助理（AI Assistant）將不僅能回答問題，還能自主幫你預訂機票、管理行程、處理客服。
換言之，LLM 將成為推動各行各業數位轉型與效率提升的核心引擎。如果 Google 壟斷了 LLM，就意味著它將掌握幾乎所有這些新興服務和傳統行業轉型的底層技術、工具和資料流動。這將賦予它巨大的話語權、定價權，並能透過控制核心技術來限制其他公司的發展。其影響將不僅限於單一產業，更可能對全球經濟結構產生深遠影響，加劇財富集中，甚至重塑產業格局，形成對幾乎所有行業的潛在壟斷。
4 在競爭與創新之間取得平衡
既然 LLM 市場本質上就是高門檻的寡佔，那麼反壟斷法對 Google 施加懲罰的真正意義何在？我認為，反壟斷機構的目標並非要強行將市場打造成由無數小公司組成的完全競爭格局，他們的目標應該是打擊 Google 利用其既有市場的支配地位所採取的「非競爭性」行為，從而促進有限但有效的競爭。
4.1 反壟斷行動的核心目的是推動「有效競爭」
無庸置疑的，Google 透過其龐大生態系獲取資料絕對合法，但反壟斷法關注的是其「濫用」這種資料或平台優勢來排除競爭的行為。例如，Google 被指控支付巨額款項給手機製造商或瀏覽器，要求將 Google 搜尋設為預設搜尋引擎。這種透過財力而非產品競爭力來鎖定市場的行為，被視為濫用的一種，更重要的是，未來這種模式極有可能被複製到 AI 助手上。
此外，Google 在廣告技術市場的垂直整合，也被指控創造了利益衝突並限制競爭。美國司法部認為，Google 也透過自我偏好（Self-Preferencing）其服務來濫用其主導地位，例如在搜尋結果中將自家產品（如 Google Maps、Google Shopping）置於顯眼位置，或透過 AI Overviews 將外部內容整合進來，而無需用戶點擊原始網站。這些都是人為設置的競爭壁壘，而非基於技術實力。
因此，我認為反壟斷的策略應著重於禁止這些非競爭性的行為。政府應該明確禁止 Google 以及任何其他科技巨擘，利用其在某個市場的支配地位，要求廠商簽署排他性協議，以確保所有玩家都能在技術和創新上進行公平競爭，而非單純仰賴雄厚資本來限制市場選擇。
4.2 資料流動性與市場公平性
雖然直接懲罰 Google 擁有龐大資料並不合理，但它的規模確實可能形成極高的進入壁壘。我認為，更恰當的做法是擴大 GDPR 等資料保護法規的相關權利，使其適用於更廣泛的通用資料，並要求企業適時開放資料可攜性（Data Portability）。這將讓用戶能輕鬆將自己的資料從 Google 服務中導出，並轉移到其他競爭服務，從而降低用戶轉換平台的成本，削弱資料的鎖定效應（Lock-In Effect）。
此外，在極端情況下，如果某些匿名化、聚合後的關鍵資料被證明是市場競爭的「必要設施」，且其擁有者濫用其支配地位阻礙競爭，那麼在確保用戶隱私的前提下，也應考慮推動資料互操作性（Data Interoperability）。這將讓競爭者能夠存取這些對 AI 訓練至關重要的資料，從而幫助他們提升自身 AI 模型的表現。這不是剝奪 Google 的資料資產，而是促進資料流動，從而削弱資料的排他性和壁壘作用。
這些舉措的最終目的，是讓即使是像 Google 這樣擁有巨大優勢的巨頭，也必須在一個相對公平的環境下，透過產品和技術的創新來贏得市場，而不是僅僅依靠其既有的特權和預設優勢。因此，即使 LLM 的核心訓練是資本密集型遊戲，市場依然能夠保持一定程度的活力和多元性，為更多元的 AI 應用和創新創造空間。
這場關於 Google 和 AI 的反壟斷戰役，本質上是對未來數位經濟秩序的形塑。它不僅僅是法律層面的博弈，更是對我們能否在確保技術進步的同時，也維護市場的公平競爭與用戶的選擇權，所進行的一場巨大考驗。
我認為我們的目標應該是促進健康的競爭，而非追求激進的拆解，因此我並不支持像強制拆分 Chrome 瀏覽器或 Android 作業系統這類的結構性補救措施，這對於目前可預知的困境並沒有太大的幫助，況且也過猶不及。更有效的方法，應該是針對那些明確的濫用行為進行規範，例如禁止排他性協議、限制自我偏好、並透過推動資料可攜性與互操作性以降低資料壁壘，讓所有玩家可以在技術和服務公平競爭。
作為數位時代的參與者，我們的關注與選擇，將共同形塑 AI —— 或者說人類 —— 的未來。