DeepMind 與 Contextual AI 的 1 億美元協議：科技巨頭如何用「授權＋挖角」搶 AI 人才

Google DeepMind 近期與 AI 新創 Contextual AI 達成一項約 1 億美元的技術授權與人才合作協議。在這筆交易中，DeepMind 不會直接收購整家公司，而是 取得技術授權並吸納多名核心研究人員。這種做法反映出 AI 產業正在興起的一種新型併購策略：以授權加挖角（licensing + hiring）的方式取得技術與人才。

這筆交易到底包含什麼

根據知情人士說法，Alphabet 旗下的 AI 研究部門 Google DeepMind 同意：

• 授權 Contextual AI 的技術
• 招募 20 多名研究員加入 DeepMind

整體交易金額據報約 1 億美元，部分報導估計金額在 8000 萬至 9000 萬美元之間。

其中最受矚目的加入者之一，是 Contextual AI 的共同創辦人兼 CEO Douwe Kiela。他是自然語言處理與檢索增強生成（RAG）領域的重要研究者之一。

值得注意的是，Contextual AI 本身並沒有被收購。公司預計仍將保持獨立營運，而 Google 則透過授權取得技術，同時吸納關鍵研究人才。

在業界，這種模式常被稱為 「以授權形式進行的人才收購（acqui‑hire by license）」：核心目標是取得人才與技術能力，而不是整家公司。

Contextual AI 與 RAG 技術的重要性

Contextual AI 成立於 2023 年，由 Douwe Kiela 與 Amanpreet Singh 共同創辦。兩人都曾任職於 Facebook AI Research（FAIR） 與 Hugging Face 等知名 AI 研究機構。

該公司主要開發企業級 AI 平台，用來打造 檢索增強生成（Retrieval‑Augmented Generation，RAG）代理系統。

RAG 是近年生成式 AI 的關鍵技術之一。它的核心概念是：

• AI 在生成答案時
• 會先從 外部資料來源（例如文件、資料庫或網路）檢索相關資訊
• 再將這些資訊提供給模型生成回覆

這種方法能讓模型的回答 更準確、更具最新資訊，也更容易與企業內部資料整合。

對企業來說，這非常重要。許多企業希望 AI 能根據 公司文件、知識庫或內部數據 回答問題，而不是只依賴模型訓練時的資料。

Contextual AI 的重點技術之一是所謂 「RAG 2.0」。與早期 RAG 將不同模組拼接的做法不同，RAG 2.0 將 檢索與生成視為一個端到端優化的系統，目標是提高準確度並降低生成式 AI 的幻覺問題。

為何 Google 會用「授權＋挖角」模式

這筆交易並非個案，而是大型科技公司近年在 AI 競爭中的常見策略。

過去的科技併購通常是 直接買下整家公司。但在 AI 領域，企業往往真正需要的是：

• 少數幾位頂尖研究員
• 特定的模型或演算法
• 某個關鍵技術方向

因此越來越多公司選擇：

• 授權新創的技術
• 聘用創辦人與核心工程師
• 讓公司本身保持獨立

這種結構對大型科技公司有幾個優勢：

• 更快取得稀缺人才
• 整合成本較低
• 可能減少反壟斷審查壓力
• 仍能取得技術使用權

Google 其實已多次使用類似策略，包括其他 AI 新創的授權與人才合作交易。

對 Google AI 產品的潛在影響

對 Google 而言，Contextual AI 的研究可能強化多個關鍵領域：

• Gemini 模型生態系
• 企業 AI 工具（需整合私人資料）
• AI 代理系統（AI agents）

在這些場景中，RAG 技術特別重要，因為企業應用往往要求 AI 的回答 必須建立在可驗證的資料來源之上，而不是純生成內容。

對 AI 新創生態的影響

這種交易模式也正在改變整個 AI 創業環境。

對創辦人與投資人而言，授權加挖角可能帶來 更快的資金回收或流動性，即使公司沒有被完整收購。

但另一方面，也存在一些風險：

• 核心研究人員離開後，剩下的公司可能難以維持原有產品方向
• 客戶與合作夥伴可能面臨技術與支持的不確定性

更廣泛地說，這種模式凸顯了 AI 產業競爭的一個現實：真正稀缺的資源不是公司本身，而是背後的研究人才與技術洞見。

在這場競賽中，像 Google、Microsoft、OpenAI 和 Meta 這樣的公司，往往願意支付數千萬甚至數十億美元，只為了確保關鍵研究團隊加入自己的陣營。