Zoom Communications 與 NVIDIA 早前宣布戰略合作，透過整合 NVIDIA Nemotron 開源技術，為 Zoom AI Companion 3.0 注入突破性運算能力。這項合作標誌著企業協作工具正式邁入「聯合式 AI」時代，透過混合語言模型架構，企業用戶將獲得更快速、更智能且更具成本效益的 AI 體驗。Zoom 新推出的 490 億參數大型語言模型，結合專有小型語言模型 (SLM)，能智能分配查詢任務，在金融、醫療、政府等高度監管行業實現數據私隱與 AI 創新的平衡。本文將深入剖析這項合作如何重塑企業協作生態、技術架構創新背後的商業邏輯，以及對全球企業數碼轉型的三大關鍵影響。
混合模型架構重新定義企業 AI 效能標準
Zoom 科技總監 X.D. Huang 在官方聲明中揭示了這次合作的核心突破：「透過 NVIDIA GPU 及 AI 軟件堆疊，我們除了提升運算速度，更強化低成本模型的決策能力。」這項創新的混合語言模型架構，是 Zoom 正在申請專利的聯合式 AI 架構的最新進化版本。系統能動態判斷任務複雜度，將簡單查詢分配給延遲低、響應快的小型語言模型處理，而將複雜推理任務交由 490 億參數的大型語言模型執行。
根據 Zoom 官方數據，這種架構已在即時轉錄、翻譯及會議摘要等功能展現卓越效能。更重要的是 Zoom 開發的新 LLM 採用 NVIDIA NeMo 工具構建，在速度、成本與準確度之間實現最佳平衡點。相較於 Meta 的 Llama 3.1 所使用的 1,750 億參數或傳聞中 GPT-5 的 2 至 5 兆參數，Zoom 選擇了更務實的 490 億參數規模，這個決策背後反映了企業市場對「效能與成本平衡」的實際需求。
NVIDIA 生成式 AI 軟件部門副總裁 Kari Briski 強調：「將 NVIDIA Nemotron 整合至 Zoom AI Companion，讓企業用戶體驗到兼具私隱度、高效能且個人化的工作環境。」這番話點出了企業 AI 部署的核心矛盾：如何在追求強大 AI 能力的同時，確保敏感數據不外洩？Zoom 的聯合式架構提供了一個創新解答——透過在本地部署小型模型處理常規任務，僅在必要時調用雲端大型模型，從而在私隱與效能間找到平衡。
檢索增強生成技術突破企業數據孤島困境
此次合作最具顛覆性的創新之一，是 Zoom 加速開發的企業級檢索增強生成 (RAG) 功能。這項技術讓 AI Companion 能夠無縫整合 Microsoft 365、Microsoft Teams、Google Workspace、Slack、Salesforce 及 ServiceNow 等主流企業平台。對於長期受困於「數據孤島」問題的企業而言，這意味著 AI 助理終於能夠跨平台調用資訊，提供更精準的決策支援。
以一家跨國金融機構為例，員工在 Zoom 會議中討論客戶案例時，AI Companion 能即時從 Salesforce 調取客戶歷史記錄、從 Microsoft 365 讀取相關合約文件、從 Slack 搜尋團隊過往討論，並整合這些資訊生成會議摘要和後續行動建議。這種跨系統整合能力，在傳統 AI 方案中幾乎不可能實現，因為涉及複雜的 API 對接、數據格式轉換和權限管理問題。
市場研究機構 Mordor Intelligence 報告指出，2025 年企業 AI 市場規模預計達 972 億美元（約港幣 7,581.6 億元），其中混合與邊緣架構的年複合增長率高達 24.05%，顯著超越純雲端方案。這個趨勢驗證了 Zoom 選擇聯合式架構的前瞻性——企業越來越重視低延遲推理和嚴格的數據控制，而非單純追求 AI 模型的參數規模。
值得注意的是 Zoom 堅守的「責任 AI」原則成為其與競爭對手的關鍵差異化優勢。公司明確承諾不使用客戶的音訊、影片、聊天內容、螢幕分享或附件等通訊內容來訓練 AI 模型——無論是 Zoom 自身或第三方模型。這項承諾對金融、醫療和政府等高度監管行業至關重要，因為數據合規是這些產業採用 AI 技術的首要考量。
企業協作市場競爭格局面臨重組
Zoom 與 NVIDIA 的合作，正值企業協作市場激烈競爭之際。Microsoft Teams 透過深度整合 Microsoft 365 生態系統和 Copilot AI 功能，在 2025 年持續擴大市場佔有率；Google Workspace 則推出 Gemini Enterprise，強調即時協作和多模態 AI 能力；就連 OpenAI 的 ChatGPT 也在 2025 年推出企業版連接器，搶佔協作工具市場。
然而 Zoom 的策略有其獨特性。不同於競爭對手試圖將用戶鎖定在單一生態系統，Zoom 採取「開放平台」路線，強調與各家主流工具的互通性。根據 UC Today 分析，這種「多模型世界」的架構設計，正是 CIO 和 CTO 們真正需要的——他們不希望依賴單一大型模型，而是需要能夠負責任地、大規模地混合多種智能的能力。
Andreessen Horowitz 在 2025 年針對 100 位企業 CIO 的調查顯示，企業 LLM 預算預計年增長 75%，其中 OpenAI、Google 和 Anthropic 佔據主導市場佔有率，而 Meta 和 Mistral 在開源選項中較受歡迎。更重要的發現是採購流程已趨近傳統軟件購買模式——更嚴格的評估、託管考量和基準審查——同時日益複雜的 AI 工作流程正推高轉換成本。在這個背景下，Zoom 選擇與 NVIDIA 這個「軍火商」合作，而非直接與 AI 模型供應商競爭，顯示出其務實的市場定位。
市場數據也支援這個策略轉向。根據 SuperAnnotate 研究，雖然企業 AI 採用率達 80%，但 95% 的生成式 AI 試點項目因安全和治理缺口而無法擴展到生產環境。這解釋了為何 Zoom 特別強調其方案的「安全性、可擴展性和私隱保護」——這些正是大多數企業 AI 項目失敗的問題所在。
聯合式學習架構引領下一代 AI 部署範式
從技術演進角度來看，Zoom 採用的聯合式 AI 架構代表著企業 AI 部署的範式轉移。傳統集中式 AI 架構將所有數據集中到雲端訓練模型，雖然能獲得最佳效能，卻面臨數據主權、私隱合規和延遲問題。而聯合式學習允許 AI 模型在分散的本地節點訓練，僅交換模型參數而非原始數據，既保護私隱又能實現全球協作。
根據 Vertu.com 研究報告，全球聯合式學習市場 2023 年估值 1.5 億美元（約港幣 11.7 億元），預計 2032 年將達 23 億美元（約港幣 179.4 億元），年複合增長率高達 35.4%。這個爆發性增長背後，是歐盟 AI 法案、GDPR 等嚴格數據保護法規的推動，以及企業對私隱保護技術日益增長的需求。Zoom 選擇此刻推出基於聯合式架構的 AI 方案，正是順應了這個大趨勢。
特別值得關注的是 Zoom 整合的 Llama Nemotron Super 推理模型，在準確性、效能和成本之間實現了理想平衡。根據 NVIDIA 技術網誌資料，該模型在知識蒸餾階段使用了 650 億個 token，後續持續預訓練使用了 880 億個 token，並採用包括 FineWeb、Buzz-V1.2 和 Dolma 等多元資料集。評估結果顯示當模型啟用推理模式時，在 MATH500 基準測試中表現從 80.40% 提升至 97.00%，在 AIME25 基準測試中從 16.67% 躍升至 72.50%——這種效能躍升證明了混合架構的實用價值。
對香港及亞太企業的戰略啟示
對於香港及亞太地區的企業而言，Zoom 與 NVIDIA 的合作帶來三個關鍵啟示。首先數據主權和私隱保護已成為企業選擇 AI 方案的首要考量。隨著各國數據保護法規趨嚴，採用聯合式架構的 AI 工具將更具競爭優勢，特別是在金融中心如香港、新加坡等地。
其次「混合智能」策略將成為主流。企業不應盲目追求最大參數的 AI 模型，而應根據具體應用場景，混合使用不同規模和專長的模型，以實現成本效益最大化。Zoom 的 490 億參數 LLM 配合小型專用模型的策略，為其他企業提供了可借鑑的範本。
第三開放平台與互通性將決定企業協作工具的長期競爭力。在多雲、多工具並存的企業環境中，能夠無縫整合各類系統的 AI 助理，比試圖建立封閉生態系統的方案更具吸引力。這對香港作為國際商業樞紐而言尤其重要，因為本地企業普遍需要與全球合作夥伴使用多元化的協作工具。
展望未來企業 AI 市場將持續高速增長。360iResearch 預測，2025 至 2030 年間企業 AI 市場年複合增長率將達 16.77%，北美地區憑藉超過 750 億美元（約港幣 5,850 億元）的超大規模資本支出和深厚的創投生態系統，將持續主導市場。然而亞太地區因其龐大的企業基數和快速的數碼化轉型需求，將成為增長最快的市場之一。
Zoom 與 NVIDIA 的合作，標誌著企業協作工具從「功能競賽」轉向「智能化整合」的新階段。成功的企業 AI 策略，不再只是採用最先進的技術，而是如何在私隱、效能、成本和互通性之間找到最佳平衡點。對於希望在 AI 時代保持競爭力的企業而言，現在正是重新審視協作工具策略、擁抱開放式 AI 架構的關鍵時刻。Zoom 與 NVIDIA 攜手創造的「聯合式 AI」生態，或許正為這個問題提供了一個可行的解答。
資料來源 Zoom Communications Official Press Release Mordor Intelligence: Enterprise AI Market Report 2025-2030 Andreessen Horowitz: Enterprise AI Survey 2025 NVIDIA Technical Blog: Nemotron-CC Development Vertu: AI Federated Learning Market Analysis 2025