一年燒掉 1850 億美元、Google 要做智能體時代的「企業 Windows」

智能體時代的操作系統要來了？

作者｜徐珊

編輯｜鄭玄

4 月 22 號，拉斯維加斯，Google Cloud Next 2026 正在如火如荼地舉行。

了解 Google 每年產品發布節奏的人都知道，I/O 是講手機、講安卓、講各種新產品如何改變人類世界。而 Next 的畫風完全不同，它一上來就直奔企業客戶，聚焦在云基礎設施怎么搭，AI 怎么落到生產環境里去。

而如果把過去四年的 Next 大會串在一起，你會看到 AI 時代 Google Cloud 有著一條愈發清晰的進化曲線：

2023 年，Google Cloud 端上來的是 PaLM 2 和 Duet AI，主題是「把大模型能力嵌入云服務」；2024 年，Gemini 1.5 Pro 登場，Vertex AI 開始向 Agent Builder 方向進化，主題變成了「給開發者搭建 AI 應用的平臺」；2025 年，ADK 和 A2A 協議發布，Agentspace 上線，Google Cloud 開始鋪智能體之間互相協作的基礎設施。

而到了今年，所有這些散落在不同年份、不同產品線上的碎片，被收攏進了同一個產品——Gemini Enterprise。

四年下來，Next 的主題從「大模型進入企業」到「Agent 開發工具」再到「Agent 生態構建」，而進入 2026 年這些過去的積累正在通向一個更大的野心：定義什么是智能體時代的操作系統。

Google Cloud CEO Thomas Kurian 在臺上把這個野心拆成了一句判斷：「你無法通過拼湊碎片化的芯片和脫節的模型來創造真正的價值。你需要一種架構，其中芯片是為模型設計的，模型基于你的數據，智能體和應用用模型構建，并由基礎設施提供安全保障。」

這就是我們在這次 Next 大會上看到的，Google Cloud 不止是在發布一組新產品，而是在重新定義企業 AI 技術架構：在一個人類員工和數十倍數字員工共同協作的 Agentic 時代，誰掌握了企業管理智能體的控制面板，誰就拿到了這個時代的操作系統。

01

Gemini Enterprise：

從智能助手到智能體操作系統

要理解這次 Next 大會的核心發布，首先要把一個容易混淆的問題理清楚——今天的 Gemini Enterprise 和去年秋天發布的那個 Gemini Enterprise，已經不是同一個東西了。

去年 10 月，Google Cloud 推出 Gemini Enterprise 時，定位是「把 Google AI 最好的能力帶給企業的每一個員工」。說白了，當時它是一個企業版的 AI 應用入口，員工可以在里面聊天、問問題、生成內容，本質上還是一個 chatbot。

而這次 Next 大會上發布的 Gemini Enterprise Agent Platform，性質發生了根本變化。它不再只是一個給人用的工具，而是一個用來構建、部署、編排、治理和監控智能體的完整管理平臺。

這其實也是過去幾個月里，在 OpenClaw、Hermes 等產品爆火以后，我們反復討論的行業議題：當企業從「試點一兩個 AI 項目」走到「在生產環境中運行無數個智能體和 AI 項目」，需要的不再是一個聊天窗口，而是一套企業級的控制系統。在這其中，誰有權創建智能體、智能體能訪問哪些數據、它做了什么決策、出了問題怎么追溯、多個智能體之間怎么協作分工都是新的機會。

Gemini Enterprise Agent Platform 正是為了回答這些問題而搭建的。它的核心組件包括：

• Agent Studio，讓業務人員用自然語言定義智能體的行為邏輯，不需要寫代碼；

• Agent Registry，為全公司的智能體提供統一的索引和發現入口，相當于智能體的「組織目錄」；

• Agent Gateway，扮演類似空中交管員的角色，統一執行安全策略，監控每一次智能體與數據的交互；

• Agent Identity，給每個智能體分配唯一加密身份和可審計的授權策略；

Agent Observability，提供完整的執行路徑可視化和細粒度遙測，讓管理者能看到智能體到底做了什么、花了多長時間、調用了哪些工具。

從產品邏輯上看，這套平臺的設計思路和企業 IT 管理團隊過去管理人類員工的方式高度對齊，像是入職（創建）、分配權限（身份與策略）、日常管理、績效評估……區別只在于，被管理的對象從人變成了智能體。

這件事為什么重要？因為它重新定義了企業服務的「賣點」。在過去很長一段時間里，云廠商的敘事框架幾乎沒變過：底層拼算力，中層賣開發環境，上層打包 SaaS 工具。即使 AI 浪潮來了，大多數廠商還是在這套三層框架里做增量。

但 Google Cloud 這次跳出了這個框架，它用一個新的問題來錨定產品價值：你能不能讓企業放心地把核心業務流程交給成千上萬個智能體？

這個問題背后，是企業采購邏輯的根本變化。過去企業 IT 采購的核心問題是「這個軟件能不能解決我的問題」，現在變成了「這個智能體能不能自主完成我的任務，而且我能不能信任它、管理它、審計它」。信任、管理、審計，這些要素正在成為智能體時代企業服務新的核心競爭力。模型會商品化，算力會平價化，但誰能幫企業管住數字員工，誰就握住了客戶。

這一點已經在Google Cloud 的客戶端得到了驗證。沃爾瑪在 Next 大會上分享了他們的案例，他們把 Gemini Enterprise 推廣到門店負責人，配合 Pixel Fold 設備，讓領導們能在幾秒鐘內獲得原本需要幾小時才能整理的運營數據。沃爾瑪的邏輯很樸素，門店經理的價值不在于整理庫存報表，而在于和顧客交流、激勵團隊。AI 接管了前者，人才能專注后者。

德國保險公司 Signal Iduna 則在數周內實現了 80% 的 AI 采用率，11000 名員工正在構建各自領域的專業智能體，其中健康保險智能體能根據一個世紀以來的復雜保單數據自動驗證保險范圍，答案提供速度加快了 37%。KPMG 在首月就實現了 90% 的員工采納率，構建了超過一百個智能體。

這些數字背后的共同模式是：Gemini Enterprise 不是替代人，而是讓人回到更有價值的工作上。但讓這件事能規模化發生的前提，是企業擁有一套可信賴的智能體管理系統。這正是 Gemini Enterprise Agent Platform 要解決的核心問題。

02

五層架構：Google Cloud

為智能體時代搭建的操作系統「底層」

如果說 Gemini Enterprise Agent Platform 是這次大會的核心產品，那么支撐這個平臺運轉的，是 Google Cloud 在臺上展示的一套五層技術架構。從底層的芯片到頂層的預置智能體，Google Cloud 試圖用一套垂直整合的方案，把企業運行智能體所需的一切能力打包交付。

Kurian 在臺上把它拆成了五層架構：AI 超級計算機（AI Hypercomputer）、智能體數據云（Agentic Data Cloud）、智能體安全（Agentic Defense）、智能體平臺與模型（Agent ic Platform and Models ）、智能體編排小組（Agentic Taskforce）。

第一層：AI 超級計算機（AI Hypercomputer）

AI 時代的基建，算力永遠是最重要的，也因此 TPU 的進展無疑是此次大會看點之一。Google Cloud 發布了第八代 TPU，首次分化為訓練和推理兩個專門平臺。訓練版 TPU 通過 3D 拓撲結構可擴展到連接 9600 個 TPU，計算性能提升 2.8 倍，單個超級計算單元提供 2PB 內存。據介紹，這個容量足以裝下美國國會圖書館數字館藏 100 次。

推理平臺上，Google Cloud 在芯片層面集成專用「加速引擎」，將延遲進一步降低 5 倍。通過新的 4.5 拓撲結構，1152 個 TPU 可組成低延遲集群，以近乎零等待的方式并發響應數百萬個智能體的調用請求。

同時，Google Cloud 配套發布 Virgo 網絡架構，將連接帶寬翻倍，單集群可支持超過 100 萬個 TPU 芯片的協同工作。

此外，Google Cloud 宣布成為首批提供 NVIDIA Vera Rubin NBL72 實例的云服務商，針對高交互性與長上下文推理優化，性能效率提升 10 倍。

在模型層面，平臺持續支持第三方模型接入，包括 Anthropic Claude Opus 4.7，并將所有 GCP 服務通過模型上下文協議（MCP）開放，讓智能體可直接調用云資源。

第二層：智能體數據云（Agentic Data Cloud）

這是 Google Cloud 構建這個整套系統的「大腦」，是智能體的「記憶與常識」搭建的基石所在。它負責將散落在 PDF、視頻、第三方云存儲中的暗數據，轉化為智能體可理解的業務語義。當智能體聽到「凈收入」或「風險」時，它能理解其在你公司的確切含義。

Google Cloud 主要核心發布兩款產品，知識目錄（Knowledge Catalog）與 Cross-Cloud Lakehouse。

其中，知識目錄是作為通用企業上下文引擎，它在文件寫入 Google Cloud Storage 的瞬間即由 Gemini 自動介入，提取實體、映射關系并理解業務語義。智能體聽到「凈收入」或「風險」時，能準確定位其在企業數據模型中的具體定義。

而 Cross-Cloud Lakehouse 則是基于開放 Iceberg 標準，允許 BigQuery 等分析引擎直接對 AWS S3、Azure 中的數據進行查詢，無需遷移數據、無出口費用，讓智能體能夠跨云獲取完整的業務上下文。

第三層：智能體安全（Agentic Defense）

比較意外的是 Google Cloud 將安全部分空間開放出來與 Wiz 合作，共同搭建。這一層主要是將安全系統本身轉化為自主運行的智能體，核心發布是與 Wiz 整合后形成的 AI 應用保護平臺及 Agentic SOC。

其主要的方式，是打造一支紅藍綠安全智能體戰隊。其中，紅隊智能體持續掃描暴露面，主動探測認證繞過漏洞；藍隊智能體基于 Mandiant、VirusTotal、Chrome 的全球遙測情報狩獵威脅，外部威脅識別準確率達 98%；綠隊智能體在漏洞確認后自動定位具體代碼行、生成修復建議，并可將 Pull Request 直接推送給開發團隊或交由編碼智能體自動修復。

據相關負責人介紹，Google Cloud 內部安全團隊過去審查海量非結構化威脅報告需數千小時，智能體自動分類后，威脅緩解時間縮短了 90% 以上。

第四層：智能體平臺與模型（Agentic Platform and Models ）

這是 Google Cloud 為智能體搭建的一個完整的管理中樞，整合了模型、構建、編排、治理與可觀測性，也推出了一系列產品包括：

• Agent Studio：低代碼構建器，業務人員用自然語言即可定義智能體行為，將 ML 模型與特定業務規則結合。

• Agent Registry 與 Skills 注冊表：前者為全公司智能體提供統一索引與發現入口；后者將 GCP 與 Workspace 的每項服務封裝為模塊化技能，并通過 MCP 協議連接第三方系統（如 Atlassian、Salesforce），智能體可動態調用。

• 編排框架：支持確定性流程，像是合規審批，確保結果可預測等等。還有生成委托，也就是主智能體自主將子任務分派給其他專業智能體兩種模式。

• 智能體身份與可觀測性：每個智能體擁有唯一加密 ID 與可審計的授權策略，所有行動通過 Agent Gateway 統一執行策略管控。細粒度遙測可可視化智能體的完整執行路徑、耗時與工具調用記錄。

在模型層面，Google Cloud 同步發布了針對復雜工作流編排優化的 Gemini 3.1 Pro、高保真視覺資產生成的 Gemini 3.1 Flash Image、高容量視頻應用的 Veo 3.1 Light 及專業級音頻模型 Lyria 3 Pro。

第五層：智能體專項小組（Agentic Taskforce）

這是五層架構的最頂層，也是智能體直接交付業務價值的「數字員工」層。Google Cloud 預構建了一批面向特定場景的專業智能體，覆蓋客戶服務、營銷、代碼開發與安全運維等核心業務領域。

在客戶體驗方向，購物導購智能體已在百思買落地，用于向消費者解釋復雜的產品規格；家得寶則將其包裝為「魔法圍裙」助手，在店內與線上同時提供尋路與選品支持。食品訂購智能體幫助棒約翰記住每位顧客的偏好，實現超個性化點餐體驗。YouTube TV 上線的全渠道語音客服智能體上線即覆蓋全部用戶，支持實時中英文切換，將復雜的產品邏輯轉化為自然對話。

在行業定制方向，財富管理機構 Citywealth 推出了 CitiSky，定位為團隊中「始終在線的 AI 成員」，以多語言實時響應全球客戶的查詢請求。NASA 則將 Gemini Enterprise 智能體用于飛行準備流程，保障 RMS2 任務中宇航員的安全，該任務至今保持著人類太空飛行離地球最遠的記錄。

Google Cloud 內部同樣是這套系統的深度用戶。智能體編排小組參與完成了一次復雜代碼遷移，整體速度較一年前提升了 6 倍；營銷團隊則借助模型生成了數千種創意資產變體，使活動周轉速度加快 70%，轉化率提升 20%。

其實從這五層框架可以清晰地看出兩條并行的主線。一方面，Google 正在圍繞這套新的產業框架全面重組自己的產品線與業務邊界，比如說 TPU 不再只是算力商品，而是按訓練與推理分化；數據云不再只是關注存儲與查詢，而是為智能體注入上下文；安全也開始是一套自主運行的智能體系統。很顯然，每一層都在為「智能體規模化落地」這個終極目標重新對齊。

另一方面，這也說明未來企業不再需要自己從芯片、存儲、網絡、模型、安全、應用這一長串鏈條中逐一組裝零件，因為過去衡量云廠商能力的是機柜數量與產品目錄厚度，今后衡量的將是它能幫助企業調度多少智能體、完成多少任務、產出多少業務結果。

AI 時代，企業服務的玩法要徹底改變。

03

Next，AI 企業市場將會如何改變？

會議結束的時候，我聽到有人討論道：「Google Cloud 向整個企業服務行業開槍了。」

這個判斷不算夸張，從這次的發布來看，Google Cloud 不再滿足于在 IaaS、PaaS、SaaS 的既有框架里做增量，而是直接用「智能體能否自主完成任務」這條新標尺，重新丈量整個企業技術棧的價值。

為了支持這種方式轉變，Google 在過去幾年不斷加大技術和基礎設施投入。Pichai 在臺上披露了過去幾年 Google 的投資規模增長：2022 年Google 的資本支出是 320 億美元，今年計劃投入 1750 億至 1850 億美元，四年內增長近六倍，其中預計超過一半的機器學習計算資源將用于云業務。

對于那些專注于某個細分環節的創業公司來說，這場發布是一個不容忽視的信號。過去兩年，圍繞通用模型做工程化封裝的公司，模型路由工具、AI 協作看板、垂直行業的智能體構建器，它們各自在局部建立了不錯的產品。

但當 Gemini Enterprise 同時兼容 Gemini、Claude 等多種先進模型，原生集成數據治理與零信任安全，支持低延遲直連 AWS 與 Azure 數據且無需遷移，還提供低代碼構建器、身份管理、編排框架與可觀測性工具等等。當這些能力被整合進同一個控制面板時，僅提供單一或少數幾項功能的創業公司，將很難在這個新體系下維持獨立價值。這不是功能優劣的競爭，而是「一套生產線」對「單個零件」的替代。

Kurian 在結尾部分著力強調了 Google Cloud 的「開放性」，比如說，支持第三方模型、支持跨云數據訪問、MCP 協議開放所有 GCP 服務、合作伙伴生態涵蓋 BCG、德勤、麥肯錫等。這種開放姿態與微軟 Copilot 生態的相對封閉形成了對比。

但仔細看會發現，所謂的「開放」是有策略的：模型選擇是開放的，數據連接是開放的，但管理平面，那個決定智能體如何被構建、如何被編排、如何被監控的控制層，已經牢牢握在 Google Cloud 手里。

這是一個經典的「用開放換鎖定」策略：入口寬闊、出口狹窄，一旦企業在 Gemini Enterprise 上構建了數百個智能體、配置了完整的權限策略和審計流，遷移成本就會變得極高。

同時值得關注的信號來自生態聯盟。Google Cloud 與蘋果的合作被擺在了聚光燈下。Google Cloud 作為蘋果首選的云服務提供商，正在基于 Gemini 技術合作開發下一代蘋果基礎模型，這些模型將直接注入未來的 Apple Intelligence 功能。

當全球最大的消費級 AI 入口之一與 Google Cloud 的基礎設施深度綁定，Google Cloud 獲得的不僅是算力訂單，更是對終端用戶 AI 體驗底層標準的定義權。這起合作也在向行業傳遞一個信息。在 Agentic 時代，云廠商的角色正在從「資源供應商」升級為「生產力操作系統的設計者」。

回過頭來看，這次 Next 大會最重要的信號也許不在于任何一個具體產品，而在于它所代表的競爭維度的轉換。

過去兩年，行業的競爭焦點是模型——誰的參數大、誰的 benchmark 高、誰的上下文窗口長。但 Google 在 Next 上釋放的信息是：模型戰爭的窗口期正在關閉。

接下來的競爭焦點是「控制面板」，誰定義了企業管理智能體的那個面板，誰就拿到了下一個時代的操作系統地位。

Kurian 在臺上說：「試點時代結束了，智能體時代已經到來。真正的力量源自它如何改變你的工作流程。」

這句話翻譯過來，其實是一封戰書：Google Cloud 不是在發布一堆新產品，而是在宣告在未來企業的「生產力底座」爭奪戰中，Google Cloud 要當規則制定者。而規則一旦被市場接受，計費方式、生態邊界、技術選型的話語權，都將圍繞新的中心重新排列。

這場重構，才剛剛拉開帷幕。

*頭圖來源：極客公園

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你看好未來智能體進入企業內部嗎？