AI競爭的終局不是模型，是系統統治力！Google用1850億美金焊死五層智能體生態 | 解讀 Google Cloud Next 26

如果說過去云計算解決的是“計算資源的供給和應用問題”，那么在智能體時代，Google 試圖解決的，是“數字勞動力如何被組織、調度與治理”的問題。

圖文 | Gemini A I 小分隊

責編 | CSDN 編輯部

出品丨AI 科技大本營（ID：rgznai100）

今年，Google 計劃投入高達 1750 億至 1850 億美元的總資本支出，這一數字在短短四年內暴漲了近 6 倍。不僅如此，按照其戰略規劃，到 2026 年底，Google 超過一半的機器學習算力將被直接投向云業務。而在此刻，近 75% 的 Google Cloud 客戶已經跨越了淺嘗輒止的試點，真刀真槍地在生產環境中運行著 Google 的 AI 產品。

一個無法回避的行業級問題隨之浮出水面：在基礎模型能力日漸趨于動態平衡的今天，Google 如此駭人聽聞的燒錢速度，到底在搶奪什么？

CSDN 高級副總裁、奇點智能研究院院長李建忠 和 CSDN & 《新程序員》執行總編唐小引來到拉斯維加斯，現場直擊 Google Cloud Next 26。

我們這次看到的，不只是最新 Gemini 家族模型和一場展示跑分成績的技術秀，更是 Google 在 Agent 時代的一次身份轉向，它已經不再滿足于做一家只給開發者提供 API 的模型公司——它想做的，是企業邁入“智能體時代（Agentic Era）”的終極總包商。

這次大會從頭到尾都在講同一件事：怎么把底層芯片、跨云數據、治理、安全、平臺和員工日常使用的工作入口，接到同一套系統里。企業 AI 的競爭也在往這里走，單看模型誰更強，已經不夠了。接下來更關鍵的是，誰能把系統真正搭起來，接進企業內部，穩定跑起來。

? 17 分鐘音頻帶開發者朋友們聽完 Google Cloud Next 大會全程！

競爭的偽命題被戳破：如何管理成千上萬個 Agent

在過去的長達兩年多的時間里，整個科技界和企業界都在圍繞一個極其初級的問題打轉：“我們能不能構建一個好用的 AI 助手？”

無數的企業在做 PoC（概念驗證），在嘗試用大語言模型去寫一封郵件、生成一段摘要，或者解答一個簡單的客服問題。但這種“孤立的實驗”正在暴露出巨大的局限性——拼湊零散的芯片、調用孤立的模型、耗費數周的人工去硬編碼編排邏輯，根本無法創造實質性的商業價值。

Google 兼 Alphabet 首席執行官Sundar Pichai在大會開場時，一針見血指出了當前企業 AI 的核心痛點：“大家討論的問題，已經從「我們能構建一個智能體嗎？」變成了「我們該如何管理成千上萬個智能體？」 ”

這句話點到了企業上 Agent 之后真正會遇到的問題。

AI 一旦不只是回答問題，而是開始自己規劃、自己調用工具、自己跨系統執行任務，問題就不再只是模型夠不夠聰明，而是這些東西怎么被管理、怎么被約束、怎么在企業里安全協同。財務部門可以隨手做一個拉營收數據的智能體，市場部門也可以讓智能體自動發送帶定價策略的郵件。如果上面沒有統一系統，這套東西越靈活，風險反而越大。

在 Google 內部，這種轉變已經發生。Pichai 透露，Google 現在接近 75% 的新代碼由 AI 生成，再由工程師審核通過。更重要的是，他們已經開始用多個智能體協同去重構開發流程。在一次復雜代碼遷移里，負責規劃、統籌、編碼的不同智能體一起工作，把速度拉高了 6 倍。

當模型能力不再是稀缺資源，如何讓成百上千個 Agent 在企業內部有序、安全、可預測地協同工作，才是真正的深水區。Google 看到了這一點，并決定以此作為其云業務下一階段的最高戰略綱領。

Unified Stack：不賣零散工具，賣“企業智能體操作系統”

既然問題已經變成了系統級難題，解法自然不能是售賣單點工具。

Google Cloud 首席執行官Thomas Kurian在舞臺上擲地有聲地拋出了 Google 的解題思路：Unified Stack（統一技術棧）。

在過去的科技敘事中，云廠商習慣于各講各的故事：硬件部門大談芯片算力，AI 部門炫耀模型參數，數據部門推銷數據庫，安全部門強調防火墻。但 Kurian 此次勾勒的，是一張渾然一體的“智能體企業全棧藍圖”。

這是一個由五層架構嚴密咬合的生態系統：

1. AI Hypercomputer（底層算力）：專為智能體物理特性優化的極速底座；

2. Agentic Data Cloud（數據引擎）：破解暗數據，提供零移動的“可信業務語境”；

3. Agentic Defense（安全防御）：以機器速度運行的自主免疫系統；

4. Agentic Platform & Models（中樞平臺與模型）：包含前沿模型與全生命周期治理的任務控制中心；

5. Agentic Taskforce（數字特遣隊）：蓄勢待發、重塑客戶體驗與內部生產力的專用智能體。

看似是五個產品，但 Google 這次更想讓企業接受的，是不同以往的全新買法，不是買幾個零件回去自己拼，而是直接買一套企業智能體操作系統。芯片是底座，模型是內核，數據是上下文，Gemini Enterprise Agent Platform 負責統一調度。

意思很直白：不要再試圖用不同廠商的開源模型、拼湊的向量數據庫和第三方的監控工具去搭建“草臺班子”了，我能給你一套能在全域環境下絲滑運轉的工業級解決方案。

為智能體時代準備的算力“殺手锏” ：Google 第八代 TPU

為了支撐起這套龐大的操作系統，Google 首先在物理世界進行了一場極致的自我革命。

過去幾年，業界一直試圖用一種通用的大算力芯片打天下。但 Google Cloud AI 基礎設施首席技術官Amin Vahdat帶來了一個截然不同的物理學洞察：步入智能體時代，訓練（Training）和推理（Inference）的需求已經徹底分化。

訓練模型，要的是吞吐量、帶寬、集群規模。真正把大量智能體跑進生產環境里，企業更在乎的是延遲、并發和成本。拿訓練芯片去承接高頻交互，本質上不劃算，就像拿重卡去送外賣，能送，但不合適。

基于這一判斷，Google 史無前例地推出了拆分架構的第八代 TPU（TPU v8），將底層算力供給生生劈成了兩半：

一半是代號為 Sunfish 的 TPU 8t。這頭由 Broadcom 協助設計的“訓練怪獸”，通過將塊級乘法直接移入 MXU 內部實現原生量化，單個 Pod 提供 121 Exaflops 的 FP4 算力，配備了令人咋舌的 2 PB 共享高帶寬內存——足以裝下美國國會圖書館全部數字藏品的 100 遍。結合高達 47 PB/s 無阻塞帶寬的全新 Virgo 網絡，Google 現在能將百萬個 TPU 融為一體，將極其龐大的前沿模型訓練周期從數月暴力壓縮至幾周。

另一半，則是代號為 Zebrafish 的 TPU 8i。這才是 Google 專為智能體時代準備的“殺手锏”。由 MediaTek 協助設計的 8i 完全為低延遲推理優化，通過將內存緩存完全托管在芯片上，打破了阻礙長上下文解碼的“內存墻”，將延遲暴降了 5 倍。憑借全新的蝴蝶拓撲結構，它能在單 Pod 中以近乎零的延遲運行數百萬個并發的智能體。

再往下看，Google 還給高交互場景配了 C4N 和 M4N 實例，也在繼續推自研 Arm 架構的 Axion CPU。總之，這么多年 TPU 的路線其實都很相似：算力不再由單一芯片定義，而是整個數據中心要跟著任務類型去重新組織。

像 Citadel Securities 這種對延遲極端敏感、每天處理超過 5000 億美元交易的客戶，遷到這套設施后，速度提升 2 到 4 倍，成本還能降 30%。這類案例，也是 Google 想證明系統重構有價值的地方。

跨越“幻覺”死局：數據層才是真正的卡點與護城河

光有模型和算力，還遠遠不夠。企業 AI 一旦真往業務里走，最難的地方很快就會冒出來，數據不在一處，上下文也不完整。

Google Cloud 首席產品與業務官Karthik Narain在臺上說得很直接：沒有上下文的推理，本質上就是盲猜。

很多企業今天并不缺模型，缺的是可信的業務語境。真正有價值的數據，散在 PDF、會議錄音、SaaS 應用和不同云廠商的數據庫里。模型再聰明，拿不到這些上下文，也很難做出穩定判斷。

Google 這次重構的 Agentic Data Cloud，基本就是沖著這個卡點去的。里面最值得看的，有兩個東西。

第一個是Knowledge Catalog。

過去企業想讓 AI 理解 PDF、圖片、文檔，前面往往要先做一大堆數據清洗、向量化、圖譜構建。Google 現在想把這件事往前收。按照它的演示，一份非結構化圖片或 PDF 進入 Google Cloud 之后，Smart Storage 會先自動打標簽，Knowledge Catalog 再繼續往下讀文件、抽實體、連關系。

大會上那個“午夜漩渦凍酸奶”的演示就很典型。新配方里看不出大豆過敏原，普通關鍵詞搜索也搜不到。但系統順著 Knowledge Catalog 去翻暗數據，最后在另一份原本沒被關聯起來的供應商手冊 PDF 里，找到了一種名叫 Base 204 的原料，并確認里面含有大豆。原來可能要查好幾周的事，被壓到了幾秒鐘。

第二個是Cross-Cloud Lakehouse。

這一步其實很關鍵。過去云廠商都想讓企業把數據搬到自己的云上，Google 這次承認了另一件事，大企業的數據天然就是多云、分散的。所以它基于 Apache Iceberg，允許智能體直接對 AWS S3 和 Microsoft Azure 里的數據做低延遲推理，而且不需要先把數據整批搬過來。

再加上 Lightning Engine for Spark，Google 講的是另一種能力，智能體可以直接跨云找數據、做匹配、跑模擬。這對 Google 來說也不只是補能力，它是在借智能體這件事，把自己的系統往別人的云里接。

沒有剎車，智能體就是脫韁野馬

企業真正擔心的，從來不只是 AI 能干什么，還有它會不會把事情搞砸。

如果成千上萬個拿到執行權限的 Agent 可以隨意調 API、查數據庫、發財務郵件，那等于把一批不完全可控的數字員工直接放進公司系統里。這個問題不解決，規模化落地就很難往前走。

Google Cloud 首席運營官兼安全產品總裁Francis deSouza這次提到一個詞，影子 AI。意思是，那些已經在企業內部跑起來，卻沒被統一看見、統一管理的智能體。

所以 Google 這次把治理和安全放得很靠前。在平臺治理層，它推出了Agent Identity（智能體身份）和Agent Gateway（零信任網關）。在 Gemini Enterprise 平臺里，每個智能體都可以拿到唯一加密 ID 和授權策略，每一次調用、每一步跨庫查詢，都能通過 Agent Observability 做可視化記錄，再配合 Model Armor 做隔離。

這套東西說白了，就是給數字員工補一套身份體系、訪問邊界和監控能力。

而在主動安全防御層面，Google 此前花費 320 億美元天價收購云安全巨頭 Wiz，這次終于是伏筆回收了。

面對從初始訪問到移交黑客組織的交接時間已經銳減到 22 秒的現代攻擊，人類分析師已經徹底出局。Wiz 聯合創始人 Yinon Costica 展示了由 Wiz 和 Google SecOps 聯合打造的Agentic SecOps（智能體安全運營中心）。

這套系統部署了專家級的 AI 智能體特遣隊：

紅色智能體（Red Agent）就像不知疲倦的白帽黑客，從外部不斷探測企業云環境中暴露的智能體接口（例如演示中發現的身份驗證繞過漏洞）；

綠色智能體（Green Agent）會自動將漏洞進行風險分類，精準定位到導致風險的那行代碼，并將修復 PR（拉取請求）直接發送給開發者的編程 IDE 中；

藍色智能體（Blue Agent）則結合 Google 的全球威脅遙測，將原本需要 30 分鐘的調查時間極限壓縮到 60 秒。

這是以機器的速度對抗機器。Google 想證明的是，安全不應該永遠是事后補丁，而要在系統里提前長出來。

從 Demo 走向“數字勞動力”的流水線

把算力、數據和安全底座夯實之后，真正的舞臺交給了Gemini Enterprise Agent Platform。

這是企業智能體時代名副其實的“任務控制中心”。

這次模型層的更新很多。不僅有專為跨域規劃與自主執行而生的Gemini 3.1 Pro，更有專攻高吞吐量多媒體處理的Veo 3.1 Lite（視頻）、Lyria 3 Pro（音頻）以及Nano Banana 2（極速高保真視覺）。此外，架構極具創新性、采用混合注意力機制（Hybrid Attention）的Gemma 4，也極大地拉低了端側和邊緣側執行代理任務的門檻。

但比模型列表更重要的，是平臺層怎么把這些東西裝進企業流程里。

比如Low-Code Agent Studio，Google 想把做 Agent 這件事，從工程團隊專屬能力，往業務團隊手里再推一步。沒有編程基礎的人，也可以用自然語言把企業內部邏輯接到大模型上。

再比如MCP，Model Context Protocol。Google 這次對 MCP 的支持很高調。GCP 自己的服務、Atlassian、ServiceNow，甚至客戶自建數據庫，都可以通過 MCP 變成智能體可調用的能力。

這類發布背后其實都是一個方向，Google 不想讓 Agent 永遠停在 demo 階段。它想把 Agent 變成可以進企業、受治理、能交接、能匯報的數字勞動力。

Agentic 時代，開發者的定義正在變寬

在 Google Cloud Next 2026 的現場，我們還邂逅了 Google Cloud Developer Marketing Senior Director（開發者營銷高級總監）Ricky Robinett。

和主舞臺上那些關于模型、平臺與 Agent 的宏大敘事相比，和他的這段交流把 Google 這次真正想講給開發者聽的東西落得更實了一層。

如今的變化不只是今天可以更快地寫出多少代碼，或者多調用幾個模型 API，而是開發者面對系統的方式本身正在變化。

過去做傳統應用時，很多問題還可以靠經驗、腳本和一串 console.log 往下排查，但一旦開始構建真正會自主規劃、自主調用工具、跨系統執行任務的智能體應用，開發者很快就會發現，老辦法不再夠用，系統需要的是一整套圍繞可觀測性、編排、治理和平臺能力重建起來的新基礎設施。

更有意思的變化還在另一層。Ricky 反復提到，隨著 Agentic Coding 持續降低門檻，未來真正稀缺的能力，可能不再只是掌握多少語言、框架和工程細節，而是能不能像開發者一樣思考，知道如何定義問題、拆解流程、組織上下文，再把一個模糊的想法變成真正可運行的產品。

也正因為如此，“開發者”這個群體本身也在被重新定義。過去它更多指向傳統工程師，但在這一輪變化里，產品經理、運營者，甚至原本不在技術路徑里的人，都可能因為自然語言、低代碼工具和 Agentic 平臺的成熟，第一次真正進入構建應用的流程。

爭奪終極入口：Workspace 不僅是工具，更是操作臺

但對 Google 來說，把開發者一側的平臺層講清楚，還不是終點。

再強大的后臺引擎，如果員工不用，也只是一堆昂貴的代碼。所以 Google 這次還有一個很明顯的動作，繼續搶工作入口。它盯的不是單獨某個 AI 助手按鈕，而是員工每天真正待得最久的那層界面。

Google Workspace 產品副總裁Yulie Kwon Kim在臺上舉了一個很常見的白領場景，你只是想回答一個簡單問題，結果十分鐘之后已經打開了十幾個標簽頁，一半時間在找信息，一半時間在想怎么處理。

Google 這次發布的Workspace Intelligence，想解決的就是這個問題。它不是 Gmail 里多一個功能，也不是 Docs 里多一個助手，而是一個橫在 Gmail、Docs、Slides、Chat 上面的統一智能層。

在區域經銷商籌備發布會的演示中，當用戶在 Google Chat 收到一條新品到貨通知時，Workspace Intelligence 充當了全能的調度員。它能聽懂“找出上個季度那份帶有區域銷售圖表的推介手冊”這樣極為口語化且依賴歷史記憶的指令，瞬間在海量云盤中揪出目標；緊接著，它能調用 HubSpot 的實時盈虧數據，應用企業的品牌視覺規范，直接在后臺自主生成一份完整的 Google Slides 匯報材料。

與此同時，在更為專業的設計與開發領域，極具科幻感的Vibe Design理念與Google Stitch工具，更是將這種“意圖直達結果”的入口體驗推向了極致。員工只需通過語音和無限畫布，描述想要的“氛圍”或業務邏輯，系統就能直接生成高保真 UI 和機器可讀的 Design.md 規范代碼。

你給出語音、畫布和業務邏輯，系統去生成高保真 UI 和可讀代碼規范。這也是同一條路，把人的意圖盡量直接接到結果上。

開放，是刺向“圍墻花園”最鋒利的劍

將整套系統打包售賣，最容易引發企業的恐懼：我會不會被 Google 徹底鎖定？

有意思的是，Google 這次反而非常強調開放。它不僅支持 Anthropic 的模型，包括最新的Claude Opus 4.7，也在底層接入了 NVIDIA Vera Rubin NVL72，還通過 Cross-Cloud Lakehouse 去打通 AWS 和 Azure 的數據，并繼續增強和 Microsoft 365 的互操作性。

結合其豪擲 7.5 億美元支持埃森哲、德勤等十幾萬生態合作伙伴的“生態基金”，Google 其實看得很清楚，大企業天然害怕被單一廠商鎖死。

當別人想用封閉的 API 和大模型把你關進圍墻花園，Google 這次放開給你自由的硬件選擇、無界的數據直連和全球頂尖的模型底座（無論是他們的還是對手的）。但只要你想要獲得最好的治理、最強勁的網絡編排和最絲滑的生態融合——你最終還是會回到 Google 打造的這套底層架構上。

獨家解讀：云計算服務模式正在被系統性重寫

AI 已經不再是屏幕上那些討巧的文字對話框，它正在以計算的速度，解析并重構物理世界與商業世界的每一寸肌理。

過去咱們每逢發模型就“爆”個不停，爆了三年之久，現在押注某個“ChatGPT 時刻”的年代也該過去了。接下來的十年，科技巨頭之間比拼的，將是誰能把龐雜的算力、無序的數據、嚴苛的治理、全自主的安全以及數以億計的員工入口，天衣無縫地焊成一套能夠自我進化的企業級運轉系統。

以下是 CSDN 高級副總裁、奇點智能研究院院長李建忠的獨家解讀：

1. Google 正在重構云計算的底層范式

Google Cloud Next 2026 最值得關注的，并不是某一個模型或產品，而是云計算服務模式正在被系統性重寫。

過去二十年，云計算的分層結構 IaaS/PaaS/SaaS 是清晰而穩定的。但在智能體成為執行主體之后，這一分層邏輯正在發生結構性坍塌。Google 此次提出的 Unified Stack，本質上并不是產品組合的升級，而是一次對云計算分層邏輯的重構。

在基礎設施層，Google 通過第八代 TPU 與 AI Hypercomputer 架構，將訓練與推理分離，IaaS的本質已經從提供“硬件資源租賃”轉向提供“圍繞 Token 生產的智能輸出能力”。

在平臺層，PaaS 正在被拆解并重組為兩類核心能力的組合：一類是以 Gemini 為代表的 MaaS（Model as a Service），負責提供標準化的模型能力供給；另一類則是以 Gemini Enterprise Agent Platform 為核心的 Agent Runtime，負責智能體的執行、調度與治理。這一變化意味著，云平臺不再只是“部署應用”，而是在運行“具備自主決策能力的執行單元”。

在應用層，SaaS 正在從“功能交付”走向“任務交付”。傳統軟件要求用戶在系統中逐步操作以完成任務，而在 Agent 驅動的服務中，用戶只需表達意圖，多智能體協同以結果為中心進行交付，SaaS 被重構為 AaaS（Agentic as a Service）。

2. 企業數字勞動力的“操作系統”

如果說云計算的底層結構正在被重寫，那么這次發布中最關鍵的“中樞變量”，就是 Gemini Enterprise Agent Platform。它試圖將 Agent 從“零散的實驗組件”，升級為“可管理、可治理、可規模化運行的智能體操作系統”。

這個平臺并不是孤立存在的，而是嵌入在 Google Cloud 整個 Unified Stack 之中：底層由 TPU 與 AI Hypercomputer 提供算力，中間通過 Agentic Data Cloud 提供業務語境，Agentic Defense 提供安全防御，Agentic Platform & Models，提供模型與智能體全生命周期治理，上層通過 Workspace Intelligence 接入員工日常工作入口。

如果說過去云計算解決的是“計算資源的供給和應用問題”，那么在智能體時代，Google 試圖解決的，是“數字勞動力如何被組織、調度與治理”的問題。

Google Cloud Next 26 大會這幾天仍在火熱舉辦，歡迎大家持續關注 AI 科技大本營和 CSDN 視頻號，后續關于開發者 Keynote 的跟進報道以及主線視頻會在視頻號發布~

* 本文參與創作 AI：Gemini 3.1 Pro + Nano Banana Pro + NotebookLM

（投稿或尋求報道：zhanghy@csdn.net）