谷歌云推第八代TPU与智能体平台 剑指企业级规模化落地

Google Cloud Next '26 Opening Keynote — Google Cloud

Google Cloud

碎片化芯片与脱节模型无法支撑企业AI,必须依靠贯穿定制算力、数据上下文、自主防御与统一编排的全栈架构以终结试点阶段。

AI-assisted summary of Google Cloud Next '26 Opening Keynote — original source. Check the original for full context.

Source published:

Key ideas

  • Google 宣布推出 Gemini Enterprise Agent Platform,定位为智能体企业的控制中心,支持端到端构建、扩展、治理与优化成千上万个企业级智能体。 (8:48)
  • Alphabet 资本支出从 2022 年的 310 亿美元跃升至预期的 1,750 亿至 1,850 亿美元,预计到 2026 年超过半数机器学习算力将直接投向云计算业务。 (4:32)
  • 硬件底层发布第八代 TPU 系列:TPU 8t(训练优化,9,600 芯片互连,1.21 Exaflops FP4 算力)与 TPU 8i(推理优化,11.6 Exaflops FP8 算力,集合通信延迟降低 5 倍)。 (42:16)
  • Google Cloud 宣布与 Wiz 联合构建多云安全防线,推出首个 AI APP(AI 应用保护平台),通过红蓝绿队智能体协同实现从漏洞验证到代码自动修复的闭环。 (66:50)
  • 苹果选择 Google Cloud 作为首选云服务商,双方将基于 Gemini 技术联合研发下一代 Apple 基础模型以驱动全新 Siri 等 Apple Intelligence 功能。 (12:02)

Detailed notes

## Background 该视频由 Google Cloud 官方频道于 2026 年 4 月 22 日在 YouTube 平台发布。视频内容为 Google Cloud Next '26 大会开幕主题演讲,展示了从 AI 概念验证全面迈向大规模生产落地的“智能体企业蓝图(Agentic Enterprise Blueprint)”,并由 Google Cloud CEO Thomas Kurian 携手多位高管与全球客户公布重磅技术与产品更新。

## TL;DR 主题演讲系统性拆解了构建智能体企业的五大技术支柱:底层搭载第八代 TPU(TPU 8t 与 8i)及 Virgo 网络的 AI 超级计算机、支持跨云湖仓与上下文关联的 Agentic Data Cloud、深度融合 Wiz 与 Mandiant 的 Agentic Defense 自主安全防御、以 Gemini 3.1 系列为核心的 Gemini Enterprise Agent Platform 控制中心,以及面向客户体验与办公协同的专业智能体特遣队(Agentic Taskforce)。Alphabet 首席执行官 Sundar Pichai 分享了 Google 内部近 75% 代码由 AI 生成的内部重构实践与近 1,850 亿美元的年化资本支出规划。此外,大会现场展示了涵盖跨智能体协作、YouTube TV 生产级语音客服、冬奥 3D 姿态力学解构以及 5 分钟跨云商业决策等实操演示,并公布了与 Apple、联合利华、家得宝及沃尔玛等标杆客户的落地成果。

## Atmosphere & style 整场演讲呈现出典型顶级科技峰会的宏大叙事与昂扬气场,工业级技术发布的硬核厚重与舞台实机的快节奏演示形成了鲜明张力。高管团队的表达从容且极具掌控力,在不断抛出震撼性指标(如四年近 6 倍的资本开支、负 7 天漏洞利用窗口)的同时,穿插了传奇滑雪选手肖恩·怀特与现场拨打 YouTube TV 真实热线等极具感染力的人性化瞬间。观看全程仿佛置身于一场精心编排的科技交响乐,将前沿理论、底层物理学极限攻坚与极具说服力的商业生产力变革紧密交织在一起。

## Bulletin - [08:48](https://www.youtube.com/watch?v=11PBno-cJ1g&t=528s) Google 宣布推出 Gemini Enterprise Agent Platform,定位为智能体企业的控制中心,支持端到端构建、扩展、治理与优化成千上万个企业级智能体。 - [04:32](https://www.youtube.com/watch?v=11PBno-cJ1g&t=272s) Alphabet 资本支出从 2022 年的 310 亿美元跃升至预期的 1,750 亿至 1,850 亿美元,预计到 2026 年超过半数机器学习算力将直接投向云计算业务。 - [42:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2536s) 硬件底层发布第八代 TPU 系列:TPU 8t(训练优化,9,600 芯片互连,1.21 Exaflops FP4 算力)与 TPU 8i(推理优化,11.6 Exaflops FP8 算力,集合通信延迟降低 5 倍)。 - [01:06:50](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4010s) Google Cloud 宣布与 Wiz 联合构建多云安全防线,推出首个 AI APP(AI 应用保护平台),通过红蓝绿队智能体协同实现从漏洞验证到代码自动修复的闭环。 - [12:02](https://www.youtube.com/watch?v=11PBno-cJ1g&t=722s) 苹果选择 Google Cloud 作为首选云服务商,双方将基于 Gemini 技术联合研发下一代 Apple 基础模型以驱动全新 Siri 等 Apple Intelligence 功能。

## Key takeaways - [02:04](https://www.youtube.com/watch?v=11PBno-cJ1g&t=124s) 行业已全面跨越 PoC 概念验证和小规模试点阶段,真正落地依赖“芯片-模型-数据-安全”端到端深度优化的统一技术栈。 - [04:32](https://www.youtube.com/watch?v=11PBno-cJ1g&t=272s) Google 内部已有近 75% 的新代码由 AI 生成并由工程师审核,通过规划者、协调者和编码者三层智能体系统将复杂代码迁移速度提升 6 倍。 - [10:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=620s) Thomas Kurian 拆解智能体企业五层全栈蓝图:AI 超级计算机、智能体数据云、智能体防御、Gemini Enterprise 智能体平台以及智能体特遣队。 - [12:02](https://www.youtube.com/watch?v=11PBno-cJ1g&t=722s) 发布前沿模型矩阵,包含 Gemini 3.1 Pro、Gemini 3.1 Flash Image、Veo 3.1 Lite、Lyria 3 Pro,并全面支持 Anthropic Claude Opus 4.7。 - [15:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=942s) 智能体平台推出低代码 Agent Studio、Agent Registry 及 Skills 注册表,全面原生支持开源 Model Context Protocol (MCP) 实现双向互联。 - [18:01](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1081s) 针对多智能体协同引入零信任安全架构,为每个智能体分配密码学 Agent Identity,并通过 Model Armor 与 OpenTelemetry 遥测实现全链路可观测性。 - [20:33](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1233s) Virgin Voyages 在远洋邮轮上部署 Google Distributed Cloud Edge,突破网络物理限制实现离线边缘推理,将生产上线周期缩短 60%。 - [35:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2142s) 肖恩·怀特与 Google Cloud 合作,利用 DeepMind 空间模型与 Gemini 运动力学引擎将单板滑雪 2D 视频解构为 3D 骨架姿态与角速度动力学指标。 - [45:05](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2705s) 基础设施全栈升级:Axion Arm CPU 带来 2 倍性价比与 80% 能效比提升,Virgo 网络提供 47 PB/s 无阻塞带宽以支撑百万芯片级集群扩展。 - [49:00](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2940s) 推出通用业务上下文引擎 Knowledge Catalog 与 Smart Storage,打通多平台零复制直连,使非结构化数据在入库时秒级实现业务语义富集。 - [54:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3270s) 针对 Apache Spark 发布 2 倍性价比的 Lightning Engine,并推出基于 Iceberg 的 Cross-Cloud Lakehouse 终结跨云数据迁移和出网费痛点。 - [01:04:18](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3858s) 网络安全漏洞利用时间已缩短至负 7 天,Google Cloud 依托 Gemini 原生 Agentic SOC 将安全事件分析与响应压缩至 60 秒内机器速度。 - [01:08:07](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4087s) 针对影子 AI 威胁,Wiz 加入 Google Cloud 并推出 AI APP,通过无代理图谱建模和 Red/Green Agent 自动化实现高危代码漏洞的秒级分诊与修复。 - [01:16:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4580s) Gemini Enterprise for CX 驱动智能体商务,结合全渠道网关提供无缝上下文继承,家得宝与信实工业借此实现转化率提升与秒级海量图册解析。 - [01:24:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5056s) CX Agent Studio 提供低代码 Visual Builder 编排架构,YouTube TV 客服团队仅用六周即在生产环境中落地支持多语言切换的语音智能体。 - [01:26:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5190s) 推出 Workspace Intelligence 终结企业信息碎片化孤岛,支持 Ask Gemini 语义穿透检索并自动依据品牌规范生成 Google Slides 演示文稿。 - [01:33:43](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5623s) 联合利华联手 Horizon3 Labs 构建基于 Gemini Enterprise 的竞价采购多 Agent 决策系统,将原本数天的全球寻源分析缩短至数分钟完成。 - [01:35:53](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5753s) Thomas Kurian 总结 Google Cloud 的开放 AI 哲学,强调不构建封闭花园,为企业保留芯片选择、跨环境数据计算与深度自主治理的自由。

## Detailed walkthrough ### [02:04](https://www.youtube.com/watch?v=11PBno-cJ1g&t=124s) 从试点走向生产:企业全面转型的统一技术栈

在全场热烈的欢呼声中,Google Cloud 首席执行官 Thomas Kurian 走上演讲台,拉开了 Google Cloud Next 的序幕。他回顾道,仅仅在一年前的同一个舞台上,Google Cloud 许下了关于 AI 未来的承诺;而如今,这一未来已经以前所未有的规模在生产环境中稳定运行。过去这一年所发生的不只是技术的采用,而是一场深刻的转型。目前已有近 75% 的 Google Cloud 客户利用其 AI 产品来驱动业务,成千上万个跨行业的智能体与服务正通过庞大的全球合作伙伴网络触达数十亿用户。

Thomas Kurian 明确指出,行业已经彻底告别了概念验证(PoC)和小规模试点的试验阶段,真正的挑战在于如何将 AI 全面落地到整个企业的生产系统之中。应对这一挑战的答案就是打造“统一技术栈”(unified stack)。他强调,企业绝不可能通过拼凑零散割裂的芯片和脱节的模型来交付真正的 AI 价值。相反,企业需要的是一种芯片专为模型优化、模型与企业数据深度接轨、智能体应用由模型构建并由底层基础设施提供全方位安全保障的一体化架构。这种架构同样也是 Google 内部用来重构 Search、YouTube、Chrome 和 Android 等十亿级用户产品的基础。

> “You cannot deliver AI by piecing together a puzzle piece of fragmented silicon and disconnected models.” —— Thomas Kurian

- 约 75% 的 Google Cloud 客户已在业务中使用其 AI 产品。 - 智能体与服务已覆盖各行各业,借助全球伙伴网络触达数十亿用户。 - AI 落地的关键在于统一架构:定制芯片适配模型、数据接轨模型、基础设施保障安全。

---

[04:32](https://www.youtube.com/watch?v=11PBno-cJ1g&t=272s) Sundar Pichai 谈资本投入与 Google 内部的智能体化重构

Alphabet 兼 Google 首席执行官 Sundar Pichai 随后登台致辞。他提到科技变革的速度比他以往见过的任何时期都要迅猛,而恰逢本周日将是他入职 Google 的 22 周年纪念日(Googleversary)。从最初的 Web 时代到移动互联网,再到如今的 AI 变革,平台跃迁不断赋予技术推进核心使命的契机。进入“智能体时代”(agentic era),Google 正在进行大规模的前瞻性资本投入:2022 年公司的资本支出(CapEx)为 310 亿美元,而今年的资本支出计划提升至 1,750 亿至 1,850 亿美元之间,短短四年内增长了近 6 倍。预计到 2026 年,超过一半的机器学习算力将直接投向云计算业务,全面赋能客户与合作伙伴。

Sundar Pichai 强调,Google 始终坚持做自家技术的“0 号客户”(customer 0),在内部率先重塑工作流。首先在代码编写领域,Google 内部目前已有近 75% 的新代码由 AI 生成并由工程师审核,而这一比例在去年秋季仅为 50%。研发团队正全面转向真正的智能体工作流,工程师通过指挥自主数字特遣队来推进极其复杂的任务。例如,在近期一项高难度的复杂代码迁移项目中,Google 构建了由“规划者”(planners)、“协调者”(orchestrators)和“编码者”(coders)组成的三层智能体协同系统,最终比一年前提速 6 倍完成迁移,并且该方法已被复制推广到从实验、测试到评估(evals)的整个研发周期中。

在研发之外,其他核心业务流程也在被重构: - **市场营销**:以往针对不同受众、渠道和国家定制营销方案需要数周时间。在最近推广 Gemini 和 Chrome 的过程中,营销团队利用大模型快速生成了数千种素材变体,实现了超大规模的个性化定制,不仅将交付周期缩短了 70%,还将转化率提升了 20%。 - **安全运营**:安全团队每月需处理海量非结构化威胁报告。现在,安全运营中心(SOC)的智能体每月自动分拣处理数万份报告,快速提炼关键情报并过滤噪声,将威胁缓解时间缩减了 90% 以上。

> “Today, nearly 75% of all new code at Google is AI-generated and approved by engineers, up from 50% last fall.” —— Sundar Pichai

- **资本支出大幅跃升**:从 2022 年的 310 亿美元增长至当前预期的 1,750 亿至 1,850 亿美元,四年接近 6 倍。 - **算力分配**:2026 年超过 50% 的 ML 算力将分配给 Google Cloud 业务。 - **研发效率提升**:智能体协作系统让复杂代码迁移速度提升 6 倍。 - **营销转化表现**:周转速度提高 70%,转化率提升 20%。 - **安全响应优化**:威胁报告自动分拣,威胁缓解时间减少逾 90%。

---

[08:48](https://www.youtube.com/watch?v=11PBno-cJ1g&t=528s) 发布 Gemini Enterprise Agent Platform:智能体企业的神经中枢

Sundar Pichai 指出,当前行业正处于技术创新周期中较为纷繁复杂的探索阶段,但底层的关键构件已经逐渐拼合完整,大势极其明确——我们已全面迈入智能体的 Gemini 时代。去年秋季推出的 Gemini Enterprise 为企业进入智能体 AI 打开了大门,让组织中的每位员工都有机会成为构建者。然而,这随之带来了全新的复杂度挑战:行业讨论的焦点已经从“我们能否构建一个智能体”迅速转变为“我们如何管理成千上万个智能体”。

为此,Sundar Pichai 正式宣布推出全新的 **Gemini Enterprise Agent Platform**。该平台被定位为企业的全栈连接纽带与安全中枢,为组织提供构建、扩展、治理和优化海量智能体所需的全部能力。Sundar Pichai 将其形容为智能体企业的“任务控制中心”(mission control),旨在帮助企业从容迈向智能体时代的下一发展阶段。

```mermaid flowchart TD accTitle: Gemini Enterprise Agent Platform 控制中心架构 accDescr: 展示从业务逻辑、模型与数据输入,通过平台治理,分发至应用与自动化流程的全链路架构

subgraph Inputs["输入层 / 基础设施"] A["业务逻辑 (Business Logic)"] B["企业数据 (Enterprise Data)"] C["前沿模型 (Gemini 3.1 Pro / Claude 4.7 等)"] end

subgraph Platform["Gemini Enterprise Agent Platform (控制中心)"] D["构建与编排 (Build & Orchestrate)"] E["扩展运行 (Scale)"] F["全生命周期治理 (Govern)"] G["性能与成本优化 (Optimize)"] end

subgraph Outputs["输出与执行层"] H["自主任务执行 (Autonomous Actions)"] I["企业各部门智能体 (Task Forces)"] end

A --> D B --> D C --> D D --> E E --> F F --> G G --> H G --> I ```

> “The conversation has gone from can we build an agent to how do we manage thousands of them?” —— Sundar Pichai

---

[10:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=620s) 智能体企业蓝图:五层端到端架构解析

接回舞台控制权的 Thomas Kurian 进一步阐释了智能体企业(Agentic Enterprise)的系统蓝图。他提出企业智能化的核心公理:“智能加上自动化必须产生商业价值”(Intelligence plus automation must deliver value)。为了让这个公式真正奏效,系统必须兼备上下文(context)与执行能力(action)——智能来源于对企业数据的深度挖掘与理解,自动化则由各类智能体来驱动。要在大规模场景下解决这一问题,必须依赖一套严密的端到端集成系统。

Thomas Kurian 正式拆解了支撑整个智能体企业的五大技术层次: 1. **AI 超级计算机 (AI Hypercomputer)**:专为智能体时代的计算物理特性而设计与优化的定制底层基础设施。 2. **智能体数据云 (Agentic Data Cloud)**:为智能体源源不断提供可信业务上下文与语义理解的核心数据引擎。 3. **智能体防御 (Agentic Defense)**:自主化的全流程安全防护体系,护航整个 AI 生命周期的安全合规。 4. **智能体平台 (Gemini Enterprise Agent Platform)**:企业构建、部署、调度与全生命周期治理智能体的系统环境。 5. **智能体特遣队 (Agentic Task Force)**:开箱即用、面向各细分业务场景的高度专业化预构建智能体团队。

> “Gemini Enterprise is now the end-to-end system for the agentic era, the connective tissue between your data, your people, and your goals.” —— Thomas Kurian

---

[12:02](https://www.youtube.com/watch?v=11PBno-cJ1g&t=722s) 前沿模型矩阵发布与全球标杆企业落地成果

聚焦于 Gemini Enterprise Agent Platform,Thomas Kurian 指出该平台进一步扩展了 Vertex AI 的核心能力,使企业能够以构建关键任务系统(mission-critical systems)所具备的严谨架构标准,去构建、治理和优化智能体。该平台的核心基石是强大的模型生态支持,并在现场公布了一系列处于预览阶段的最前沿模型: - **Gemini 3.1 Pro**:专为复杂工作流编排与长链条逻辑优化打造的最先进推理模型,能以极少的调优直接对接企业 API 和后台系统;已被 Databricks、JetBrains 及 Replit 选为底层模型。 - **Gemini 3.1 Flash Image(代号 Nano Banana 2)**:用于高保真度图像及视觉物料生成。 - **Veo 3.1 Lite**:极具性价比的高清视频模型,专为海量视频制作与生成式应用设计。 - **Lyria 3 Pro**:面向专业影视、音乐制作及企业级音频场景的顶级音频生成模型。 - **第三方与合作伙伴模型**:除自家模型外,平台全面支持 Anthropic 的 Claude Opus、Sonnet 与 Haiku 系列,并于当天正式上线对最新 **Claude Opus 4.7** 的支持。

在实际落地方面,Google 宣布与苹果(Apple)达成重磅合作,Google Cloud 成为苹果的首选云服务商,双方将基于 Gemini 技术联合打造下一代 Apple 基础模型,用以驱动未来的 Apple Intelligence 功能,包括预计将于今年晚些时候推出的更具个性化的全新 Siri。

此外,各行业顶级机构也在深度利用该平台完成业务跨越: - **花旗财富(Citi Wealth)**:携手 Google Cloud 与 DeepMind 发布了全天候运行的智能体 **Citi Sky**。该智能体能够以多语言环境将花旗的全球投资洞察直接呈现在客户与业务人员手边。 - **霍尼韦尔(Honeywell)**:在超过 100 万份产品规格说明书上训练物理数字孪生系统,为现代楼宇自动化管理生成了数十亿条优化洞见。 - **利物浦百货(Liverpool)**:将线下标杆性的导购体验迁移至线上,为其新一代专属购物助手测算出了高达 10 倍的投资回报率(ROI)。

> “We're collaborating with Apple as their preferred cloud provider to develop the next generation of Apple foundation models based on Gemini technology.” —— Thomas Kurian

[15:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=942s) 智能体全生命周期管理:Agent Studio、注册表与生态集成

大会开场回顾了一项极具震撼力的合作成果:Google 与 NASA 联手,利用 Gemini Enterprise 智能体为阿尔忒弥斯二号(Artemis II)任务提供飞行就绪评估与宇航员安全保障,该任务刷新了人类载人航天距离地球最远的纪录。以此为引,演讲者深入阐述了专为全生命周期管理设计的智能体平台。低代码 Agent Studio 赋予每一位普通员工使用自然语言构建和部署智能体的能力;它能将大语言模型(LLM)的推理能力与企业具体的业务规则深度锚定,推动可预测的自主操作在大规模业务流程中落地。

```mermaid flowchart LR accTitle: Gemini Enterprise Agent Platform Architecture accDescr: 展示从构建、注册、生态扩展到编排落地的整体智能体平台架构流程。

subgraph Build["构建与扩展"] A["Agent Studio (低代码)"] B["Skills & Tools Registry"] C["Agent Marketplace (ISV 生态)"] end

subgraph Core["管控与互操作"] D["Agent Registry (集中控制)"] E["Model Context Protocol (MCP)"] end

subgraph Execution["运行时协同"] F["GCP / Workspace 服务集成"] G["自主执行与工作流编排"] end

A --> D B --> D C --> D D --> E E --> F F --> G ```

为了统一纳管这些智能资产,平台推出了智能体注册表(Agent Registry),作为唯一的控制枢纽对全企业的内部智能体和工具进行索引与治理。配套的技能与工具注册表(Skills and Tools Registry)则支持将指令、脚本和资源打包为模块化、可复用的组件,以训练智能体处理专业任务;Google 还将 Google Cloud Platform(GCP)与 Google Workspace 的所有核心服务均作为标准技能对外开放。此外,Agent Marketplace 允许企业直接检索并部署第三方合作伙伴(包括 Atlassian、Box、Lovable、Oracle、ServiceNow、Workday 等)的专业智能体;通过对开源协议 Model Context Protocol (MCP) 的原生支持,平台既能连接任意外部 MCP 服务器,也将自身所有 GCP 服务以 MCP 形式暴露,实现与任意智能体的无缝互联。

- **NASA 阿尔忒弥斯二号合作**:在创下人类载人航天最远距离纪录的任务中,利用 Gemini Enterprise Agents 护航飞行就绪与宇航员安全。 - **Agent Studio**:让每名员工通过自然语言低代码构建、部署智能体,使推理与企业规则严格对齐。 - **Skills and Tools Registry**:定义模块化包(指令、脚本、资源),复用度高,全面覆盖 GCP 与 Workspace 各项服务。 - **生态与协议支持**:集成主流 SaaS 厂商智能体市场,并通过 MCP 实现双向互联互通。

[18:01](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1081s) 智能体编排与零信任安全架构

进入多智能体协同阶段,平台提供了扩展和编排整个“数字化劳动力”(Agentic Workforce)的核心框架。系统原生支持智能体间(Agent-to-Agent)的相互委托与协作,兼顾生成式探索与确定性编排模式,确保合规性极高的关键业务流程能够分毫不差地沿着既定路径执行,保证输出结果的绝对可预测。这些编排流与智能体能够灵活响应实时事件、定时计划、条件触发以及离线批量推理任务。

在安全与管控方面,平台将零信任验证理念全面下沉至每一个智能体与编排步骤。全新的“智能体身份”(Agent Identity)为每个智能体分配唯一的密码学身份凭证与细粒度授权策略,所有执行轨迹均可审计追踪。集中化的 Agent Gateway 充当全局策略执行的统一指挥中心;搭配安全防护层 Model Armor,不仅能实时防范模型层面的安全威胁,更能防止核心专有数据泄露。这一套从安全沙箱(Sandboxes)到统一管理控制台的闭环方案,赋予敏感业务极高的隔离性与可见性。

在底层可观测性上,平台深度遵循 OpenTelemetry (OTel) 遥测标准。运维与开发团队能够直接可视化任何智能体的端到端完整执行链路,细粒度检索调用追踪、监控工具使用状况,并实时分析和排查复杂的“推理死循环”(Reasoning Loops)。

- **多模式编排**:混合支持生成式(Generative)与确定性(Deterministic)流程,满足严苛合规要求。 - **Agent Identity**:每个智能体分配唯一密码学 ID,权限细化且全面支持审计回溯。 - **安全矩阵**:Agent Gateway 统一部署策略,Model Armor 防范越狱与敏感数据外泄。 - **OTel 级遥测监控**:原生支持 OpenTelemetry,提供调用链追踪、工具监控及推理循环诊断。

[20:33](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1233s) Gemini Enterprise 业务入口与 Virgin Voyages 落地实践

如果说智能体平台是技术团队构建和治理智能体的后台,那么 Gemini Enterprise 应用程序则是业务人员开展日常工作的全新前端总入口(Front Door)。它将底层的复杂能力转化为统一工作流,跨越 Google Workspace、开发工具以及企业内部系统,打破数据孤岛。为了给团队提供“持久记忆”,平台推出了“Gemini Enterprise Projects”,智能体在其中拥有高保真独立工作空间,支持运行 Deep Think 深度思考来化解棘手难题,且彻底避免上下文污染。此外,平台加入了对 Microsoft 365 的互操作性支持,画布(Canvas)中生成的文档和幻灯片可直接一键导出为标准的微软 Office 格式。

Virgin Voyages 首席执行官 Nirmal Saverimuttu 与副总裁 Billy Bohan Chinique 分享了他们的实践范式。邮轮行业面临严苛的网络物理限制——正如他们幽默谈到的:“邮轮屁股后面可没拖着一根光纤线。”通过在船上部署 Google Distributed Cloud Edge,邮轮实现了“即使离线,船上的智能依然在线”的高韧性架构。他们打造了基于 Gemini Enterprise 的专属私人礼宾“Rovey”(属于 Project 3D 项目),覆盖旅客从行前准备到登船游玩的整个度假生命周期。

Billy Bohan Chinique 指出:“我们利用 Google Cloud 的 AI 技术栈,不仅将生产上线周期缩短了多达 60%,更助力我们实现月环比增长 28%,创下了季度销售纪录。”公司甚至构想了未来的维珍生态联动体验:旅客搭乘维珍航空的航班、入住维珍酒店、最终登上维珍邮轮,全流程均由底层智能体网络无缝串联。Thomas Kurian 登台总结道:“试点时代已经结束,智能体时代已经到来;但真正的力量在于它如何改变你的工作流程。”

- **Gemini Enterprise Projects**:提供高保真工作区与持久记忆,具备 Deep Think 深度推理能力且杜绝上下文污染。 - **Office 格式导出**:Canvas 生成的 Docs 和 Slides 支持原生导出为 Microsoft 365 对应格式。 - **Virgin Voyages 边缘 AI 落地**:依托 Google Distributed Cloud Edge 突破远洋断网瓶颈,实现离线智能推理。 - **业务成效**:开发上线周期缩减 60%,月度营收增长 28% 冲破历史销售峰值。

[24:09](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1449s) 现场实操:从市场研判到代码上线的全链路多智能体协同

演示人员 Erika Chuong 登台展示了一个端到端的多智能体协同用例。设定场景是一家跨国大型家居零售企业,业务人员需要在统一界面上处理业务上下文与外部数据源。Erika 调动了一组内置及自定义智能体,执行一项综合任务:盘点仓库中的滞销库存(Dead stock),研判当下最新的室内设计潮流,并自主编排落地一套旧品重推方案。

在接收到这句简短的提示词后,多智能体集群协同运转:Deep Research 驱动的“市场研究智能体”立即抓取 Google Search 趋势并交叉比对企业内部销售与 CSAT 满意度数据;“数据洞察智能体”连接跨区域、异构格式的全球产品目录,准确理解“Dead stock”指的是陈旧滞销库存,并在 Agentic Data Cloud 中完成匹配;“产品策略智能体”则汇聚两方输出给出决策方案。系统识别出当下的高客单价趋势是“有机现代风”(Organic Modern),而积压在库的“托斯卡纳系列”(Tuscany collection)风格与之高度重合但销量低迷;智能体最终建议:“重新包装品牌形象,并将价格重新定在现有折扣之上、竞争对手定价之下。”

```mermaid flowchart TD accTitle: Multi-Agent Collaborative Campaign Workflow accDescr: 跨智能体协同演示流程,展示从趋势研究、媒体生成、开发交付到宣发资料输出。

subgraph Discovery["洞察与规划"] P["单一自然语言提示词"] A1["市场研究智能体 (Deep Research)"] A2["数据洞察智能体 (Agentic Data Cloud)"] A3["产品策略智能体"] end

subgraph Execution["生成与交付"] M["Veo 3.0 视频生成"] J["Jira 工单与 Chat 通知"] D1["开发智能体 (CLI 代码部署)"] W["Workspace 智能体 (生成演示文稿)"] end

P --> A1 & A2 A1 & A2 --> A3 A3 -->|"方案批准"| M A3 -->|"更新官网"| J J --> D1 A3 -->|"分销商宣发"| W ```

方案获批后,多智能体联动迅速展开后续落地交付: 1. **多模态内容生成**:策略智能体调用 Veo 3.0 模型,直接生成高拟真的全新有机生活场景营销视频,将托斯卡纳旧款家具置于现代化家居环境中。 2. **跨平台研发对接**:开发智能体直接联动 Jira 创建带完整上下文的研发工单,并通过 Google Chat 自动提醒工程师;工程师在命令行界面(CLI)唤起开发智能体,后者根据过往会话上下文、工单需求以及品牌代码规范,快速编写完成新落地页的前端代码并执行部署。 3. **分销渠道宣讲准备**:在全新的独立会话中,门店运营相关的提示词被触发;Gemini Enterprise 调取公司历史活动数据与销售目标,由 Google Workspace 智能体一键渲染出符合演示者个人排版风格的品牌演示文稿(Deck),供区域分销商培训使用。

- **复杂任务一键分发**:单条提示词驱动市场研究、数据洞察、产品策略等多个智能体并行处理。 - **Veo 3.0 商业生成**:无需实景拍摄,自动将指定家具产品植入符合目标风格的视频场景中。 - **跨工具链交接**:打通 Jira、Google Chat 与本地 CLI,开发智能体自动遵循企业代码与设计规范完成网页代码部署。 - **个性化办公集成**:联合 Workspace 智能体,自动提取历史上下文并根据个人风格定制输出分销商宣发幻灯片。

[28:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1722s) Gemini Enterprise Canvas 模式与多 Agent 协同总结

在演示现场,演讲者展示了 Gemini Enterprise 带来的全新 Canvas 模式。用户无需离开 Gemini Enterprise 界面,就能直接在侧边呼出的 Google Slides 中实时编辑演示文稿并与团队开展协同。演讲者演示了如何微调生成的幻灯片文案(例如将某处用词替换为更精确的“reimagined”),并在共享后迅速看到团队成员实时加入编辑。随后,演讲者对整个工作流进行了回顾:“We saw Gemini Enterprise orchestrate multiple agents with a single prompt, share context, and generate and collaborate content with Google Workspace, all supported by our enterprise-grade governance, which gives organizations the power to manage and secure agents at scale, all while maintaining control over their business data.” 这套底层治理架构不仅确保了业务数据的安全与可控,更让企业级多 Agent 的编排与规模化管控成为现实。

```mermaid flowchart LR accTitle: Gemini Enterprise Agent Platform Workflow accDescr: 单个提示词驱动多 Agent 协同并在 Workspace 中协同完成交付的流程

subgraph Orchestration ["智能编排"] A["单提示词输入"] --> B["Gemini Enterprise 平台"] B --> C1["专业 Agent A"] B --> C2["专业 Agent B"] end

subgraph ContextGovernance ["上下文与治理"] C1 & C2 <--> D["统一上下文与企业级数据治理"] end

subgraph Collaboration ["落地与协作"] D --> E["Canvas 模式"] E --> F["Google Workspace<br/>(实时协作/幻灯片生成)"] end ```

[30:03](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1803s) 全球企业规模化落地:员工向“AI 构建者”的范式转变

Google Cloud 首席执行官 Thomas Kurian 重返舞台,指出全球数千家跨行业企业正在依托 Gemini Enterprise 实现业务重塑。他强调这种转变不仅是重新设计工作流程,更在文化层面带来了深层变革:“Companies aren't just redesigning workflows. They're turning their everyday employees into AI builders, empowering them to solve their own hardest problems.” 从普通员工到专业技术人员,每个人都在成为解决自身业务难题的 AI 构建者。

Thomas Kurian 列举了一系列头部企业的标杆落地数据: - **Signal Iduna(德国保险巨头)**:将 Gemini Enterprise 作为全员拥抱 AI 的统一入口,在数周内员工采用率即达到 80%。目前 11,000 名员工自主构建了各类专属 Agent;其中一款健康险 Agent 能自动对照一个世纪以来极其复杂的保单条款数据进行核保验证,使每周活跃用户量暴增 400%,解答速度提升 37%。 - **博世(Bosch)**:在全球范围内全方位部署 Gemini Enterprise,覆盖财务、工程等各个职能部门,员工通过部署自定义 Agent 释放了大量用于复杂研发与深度分析的宝贵时间。 - **毕马威(KPMG)**:在上线首月即达成 90% 的全员采用率,并迅速落地了 100 多个业务 Agent。 - **美国临床肿瘤学会(ASCO)**:利用平台更快速地分发前沿癌症诊疗专业知识。 - **默克(Merck)**:将 Gemini Enterprise 推广至 75,000 名员工,助力其拯救并改善生命的制药使命。

[31:52](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1912s) 沃尔玛:把技术赋予一线,让零售回归信任与陪伴

Thomas Kurian 随后引出了沃尔玛(Walmart)的大规模实践。沃尔玛执行副总裁兼首席运营官 Kieran Shanahan 在视频分享中阐述了沃尔玛“以人为本、科技赋能(people-led and tech-powered)”的运营哲学。他直言在瞬息万变的现代零售格局中,信任是企业立足的根本:“And our field leaders build trust by being present on the sales floor, not in their offices at a screen.” 现场主管赢得员工与顾客信任的方式是亲临卖场货架之间,而不是把自己关在办公室紧盯着电脑屏幕。

为彻底打破传统办公桌对一线管理者的束缚,沃尔玛通过与 Google Cloud 合作,将企业海量数据与 Gemini Enterprise 深度结合,为卖场主管和供应链负责人配备了接入企业内部数据的 Pixel Fold 折叠屏手机。一线领导者无需返回后台查阅多套报表,在卖场巡视走动时即可在几秒钟内获取以往需要耗费数小时才能检索到的关键指标与决策依据,从而把更多时间还给团队员工与顾客。

[33:21](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2001s) 携手美国国家队:Google Cloud 与冬奥选手的极限碰撞

Thomas Kurian 表示,在即将到来的全球体坛巅峰时刻前夕,Google Cloud 的顶尖工程师团队与世界级运动员展开了跨界深度合作。随后播放的纪录短片揭示了科技如何帮助运动员在动作分析中寻找极致的微小优势。数字营销副总裁 Sarah Kennedy 指出,部分极限运动历史积累的高精度数据极其匮乏,但这恰恰为 Google 提供了绝佳的攻坚舞台。

Google DeepMind 团队成员 Katherine Litinsky 解释称,该技术方案全栈运行在 Google Cloud 之上,其使用的 3D 姿态模型由团队与 Google DeepMind 联合研发,彻底超越了单纯与 LLM 进行文本对话的初级应用模式。这种亚秒级捕捉人体高难度空间动态的算法,能够在极速运动场景下还原动作细节。短片总结道:“If we can do that for the Winter Olympics in Milan, we can do that for any industry all over the world.” 如果这项技术能在米兰冬奥会的极限高压下稳定运行,其强大的空间多模态推理能力就能迁移至全球任何一个垂直工业领域。

[34:36](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2076s) 肖恩·怀特登台:从手持 DV 猜动作到 AI 登临雪山

在摇滚乐与全场欢呼声中,三届冬奥会单板滑雪金牌得主、传奇名将肖恩·怀特(Shaun White)登台。肖恩·怀特打趣道能在拉斯维加斯的沙漠里“看雪”感觉格外奇妙。他回忆起自己昔日严苛的训练岁月,彼时运动员可用的分析手段极其匮乏:“Look, back when I was training, our tools were camcorders and basically guesswork.” 过去完成一个腾空动作后,滑手和教练只能抱着老式家用摄像机倒带重放,全凭肉眼猜测旋转轴心和落地时机,苦苦思索该如何改进。

随着单板滑雪技术的演进,空中翻腾周数越来越大,U型池(half-pipe)的雪墙也越筑越高。今年冬天,肖恩·怀特与 Google Cloud 工程师深入合作,将顶尖 AI 算力与模型直接带到了雪场前线。随后,他邀请 Google Cloud 专家 Jason Davenport 登台,共同揭开这套多模态运动分析系统的神秘面纱。

[35:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2142s) 帧级空间解构:单板滑雪 1440 度转体的 AI 洞察

Jason Davenport 在现场大屏幕上调出了肖恩·怀特在 2017 年伯顿美国公开赛(Burton US Open)夺冠时的经典高光片段——一个在不到三秒内即完成的高速腾空动作。肖恩·怀特介绍该动作为“反脚外转两周偏轴转体 1440 度(Switch Cab Double Flip 1440)”,即以非惯用站姿起跳,在腾空阶段完成整整四圈水平旋转并夹带两次垂直空翻。在传统普通摄像机视角下,整个过程快到如同一道模糊残影,普通人甚至连滑手的身体朝向都无法分辨。

```mermaid flowchart TD accTitle: Sports Motion Analysis on Google Cloud accDescr: 从扁平 2D 视频输入到 3D 空间骨骼姿态、运动动力学指标及彩带轨迹渲染的完整分析管线

A["原始输入: 传统 2D 视频 (平滑模糊画面)"] --> B["Google DeepMind 联合空间模型"] B --> C["高精度 3D 空间骨骼姿态捕捉"]

C --> D1["Gemini 运动力学引擎"] C --> D2["三维运动彩带 (Ribbon Overlay)"]

D1 --> E1["滞空时间精确统计<br/>(对比成败样本)"] D1 --> E2["角速度/出池扭矩分析"] D1 --> E3["团身压缩比 (Tuck Compression)"]

D2 --> F["轴心翻转临界点捕捉<br/>(蓝绿色彩带轨迹突变)"] ```

Jason Davenport 与肖恩·怀特通过逐帧深度分析展示了系统的三大核心能力: 1. **2D 转 3D 空间姿态重建**:利用与 Google DeepMind 合作构建的空间模型,算法直接从扁平、低分辨率的 2D 视频中提取关节点深度信息,无须佩戴动作捕捉设备即可重建运动员在空中的真实三维骨架姿态。即使肖恩身着当年标志性的紧身黑皮衣与黑裤子,模型依然能穿透光影与材质完成稳定跟踪。 2. **Gemini 驱动的动力学分析指标**:系统能够实时量化飞行轨迹动力学、瞬时旋转角速度以及身体团身压缩度(tuck compression)。肖恩·怀特激动地表示,以往滑手根本无法确切得知自己的滞空时间究竟是多少毫秒,而现在他可以将成功落地与失误摔倒的历史镜头进行数字化比对,通过角速度与起跳出池(exit the pipe)扭矩的微观差异反哺训练。 3. **彩色三维姿态彩带(Ribbon Overlay)**:系统用一条连续变色的三维轨迹缎带实时渲染偏轴翻转(cork)过程。在轨迹由蓝变绿的交汇点,精准标记出了动作形态转换的“致命分水岭”——在完成前空翻向后空翻过渡的瞬间,如果错过了那几毫秒的节奏停顿点,落地就会完全失控。

在技术总结中,Jason Davenport 阐述了底层支撑这一成果的三大支柱:利用 Google Cloud TPU 针对海量空间多模态数据训练的垂直场景模型、强大的计算集群,以及提供安全数据与 Agent 基座的 Gemini Enterprise Agent Platform。肖恩·怀特最后强调,这项突破的意义不仅在于帮助滑雪运动员,更在于改变全球体育:“And look, from my personal experience, I can tell you, learning a trick on the mountain is one thing, but actually understanding the physics of a trick is a whole other thing.” 只有真正把动作背后的物理力学可视化,年轻一代运动员才能科学突破人类极限,全球普通观众也才能在转播中真正读懂高难度技巧的魅力所在。

[39:59](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2399s) AI 超级计算机与基础设施创新

在掌声中,Google Cloud 人工智能与基础设施高级副总裁兼首席技术专家 Amin Vahdat 登台。他从体育与企业对数据的应用差异切入,指出运动员依靠数据理解比赛,而企业则需要数据去“改变比赛规则”。这种要求不仅带来了对统一系统的极致压力测试,还直接撞上了物理学的硬壁垒——软件架构、硬件架构、供电、散热乃至光速的极限。针对这一挑战,Google 构建了 AI 超级计算机(AI Hypercomputer),将清洁能源、巨大的物理规模和专用基础设施整合为单一创新引擎。

“因为在智能体时代,算力不再由芯片定义。算力就是整个数据中心。”Amin Vahdat 强调道。目前,多位行业先驱已借助该平台推进关键业务:巴西最大电力公司 Axia Energia 在 TPU 集群上运行先进气象模型,提前 10 天预测极端天气并部署预防措施;Thinking Machine Labs 选用 NVIDIA 基础设施驱动其 Tinker 开源强化学习与微调平台;丰田旗下的 Woven by Toyota 将交通预测模型的训练速度提升了 42%;美国能源部在 17 个国家实验室全面铺开 AI 共同科学家(AI Co-scientists);波士顿动力(Boston Dynamics)则在训练并部署视觉语言模型,以扩展工业机器人应用。

- **物理约束**:AI 超级计算机旨在突破软件/硬件架构、电力、冷却和光速的极限。 - **产业应用案例**: - **Axia Energia**:提前 10 天预测恶劣天气,显著降低服务中断率。 - **Thinking Machine Labs**:基于 NVIDIA 算力构建前沿模型微调平台 Tinker。 - **Woven by Toyota**:复杂交通事件预测模型训练速度提升 42%。 - **美国能源部**:覆盖 17 个国家实验室加速科学发现。

---

[42:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2536s) 第八代 TPU:TPU 8t 与 TPU 8i

Amin Vahdat 表示,进入智能体时代后,训练与推理(Serving)的算力需求已彻底分化。为了应对爆炸式增长的工作负载,Google 正式推出第八代 TPU 系列,并首次针对训练与推理两个场景分别构建专用芯片。

面向训练的 **TPU 8t** 将块缩放乘法(Block Scale Multiplication)直接移入矩阵乘法单元(MXU),消除了矢量处理单元(VPU)的开销,单 Pod 算力达到前代的近 3 倍。它搭载了全新芯片间互连技术,带宽较上一代 Ironwood 翻倍,借助 3D Torus 拓扑结构可连接多达 9,600 颗 TPU,提供 1.21 Exaflops 的 FP4 算力。此外,单个 Superpod 提供 2 PB 共享内存带宽,并结合 TPUDirect Storage 实现与受管存储的高速交互。

面向推理与强化学习的 **TPU 8i** 则内置专用的集合通信加速引擎,将延迟降低 5 倍,并首次实现全片上内存缓存,彻底打破了长上下文解码过程中的“内存墙”。通过全新的 Board Flight 拓扑,单个 Pod 内集成 1,152 颗 TPU,提供 11.6 Exaflops 的 FP8 算力,性能达到 256 芯片 Ironwood Pod 的 9.8 倍,可支持数百万智能体极低延迟并发运行。

```mermaid flowchart TD accTitle: Google TPU 第八代双平台架构 accDescr: 展示第八代 TPU 分化出的专用训练芯片 TPU 8t 与专用推理芯片 TPU 8i 的技术指标和特性

subgraph TPU_Family["Google 第八代 TPU 架构"] direction TB subgraph TPU_8t["TPU 8t(训练优化)"] T1["原生 MXU 量化,消除 VPU 开销"] T2["3D Torus 拓扑连接 9,600 颗 TPU"] T3["单 Pod 提供 1.21 Exaflops FP4 算力"] T4["2 PB 共享带宽内存 + TPUDirect Storage"] end

subgraph TPU_8i["TPU 8i(推理与强化学习优化)"] I1["集合通信加速引擎,延迟降低 5 倍"] I2["全片上内存缓存,突破长上下文内存墙"] I3["Board Flight 拓扑连接 1,152 颗 TPU"] I4["单 Pod 提供 11.6 Exaflops FP8 算力(提升 9.8 倍)"] end end ```

- **TPU 8t 关键指标**:9,600 芯片 3D Torus 互连、1.21 Exaflops FP4 算力、2 PB 共享带宽内存(相当于美国国会图书馆数字化馆藏规模的 100 倍)。 - **TPU 8i 关键指标**:1,152 芯片 Board Flight 拓扑、11.6 Exaflops FP8 算力、集合通信延迟缩减 5 倍、片上全缓存解码。

---

[45:05](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2705s) 全栈扩展:Axion CPU、Vera Rubin、Virgo 网络与 Citadel 实践

除了专用 AI 芯片,Google Cloud 进一步拓展了通用计算与网络生态。基于定制 Arm 架构的 Google Cloud Axion N48 实例相较同类 x86 实例性价比提高最多 2 倍,能效比提高 80%,专为消除 Logic Apps 冷启动设计,保证智能体全天候在线。同时,Google Cloud 宣布首批提供搭载 NVIDIA Vera Rubin NVL72 的实例,针对高交互性和长上下文负载带来 10 倍性能效率。

在存储与底层网络方面,Managed Lustre 存储吞吐量已达行业领先的 10 TB/s。新推出的 Virgo 网络将 Superpod 以外的互连能力翻倍,可连接 134,000 颗芯片,提供高达 47 PB/s 的无阻塞带宽与超过 170 万 Exaflops 算力。配合 Pathways 与 JAX 编排,百万级 TPU 集群将以往需要数月的训练任务缩短至数周。Virgo 网络同样兼容 NVIDIA Vera Rubin NVL72,最高支持扩展至 960,000 颗 GPU。

随后现场播放了全球做市商 Citadel Securities 的合作视频。首席运营官 Josh Woods 指出,团队每天交易额超过 5,000 亿美元,金融市场是以纳秒计时的;工程主管 Haris Nair 则补充,依托 TPU Ironwood 的数千芯片并行能力,原本需要数天或数周的工作现在只需数小时甚至数分钟完成。Josh Woods 评价道:“正如我们常说的,强手相遇碰撞出最锋利的刃。Google Cloud 与 Citadel Securities 的合作正是如此。”

| 基础设施产品 / 技术 | 核心性能与规格 | 典型优化场景 | |:--- |:--- |:--- | | **Google Axion N48 (Arm)** | 性价比提升至 2 倍,能效比高 80% | 消除逻辑应用冷启动,保障智能体常驻运行 | | **NVIDIA Vera Rubin NVL72** | 性能效率提升 10 倍 | 高交互性模型与超长上下文任务 | | **Managed Lustre** | 吞吐量高达 10 TB/s | 大模型快速读取海量训练数据集 | | **Virgo Network** | 47 PB/s 无阻塞带宽,连接 13.4 万 TPU 或 96 万 GPU | 跨 Superpod 线性无损扩展,百万芯片集群编排 |

---

[49:00](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2940s) 自主运维与智能体数据云:Knowledge Catalog

Vahdat 回到讲台总结指出,面对如此庞大的集群,“在这个规模下,你不可能让人工去手动排查配置错误。你需要一个会自主驾驶的云。” Google Cloud 采用模型上下文协议(Model Context Protocol,MCP),将每项云服务转化为智能体可直接编排调用的工具。同时,通过将 Gemini 推理能力注入遥测系统,云平台已能实现自主根因分析,在客户察觉故障前即可自动修复错误配置。

随后,Karthik Narain 登台开启“智能体数据云”(Agentic Data Cloud)环节。他直言:“缺乏上下文的推理只是一种猜测。当你期望 AI 做出决策、智能体采取行动时,你无法承担猜测的代价。”为此,Google 带来了四大基础创新中的核心组件——Knowledge Catalog。

Knowledge Catalog 充当企业的通用上下文引擎。在结构化数据端,它原生集成 BigQuery,将表格与元数据映射为统一的业务逻辑;在非结构化数据端,依托 Smart Storage,PDF 或图像文件一旦上传至 Google Cloud Storage,无需人工数据工程即可秒级完成打标、富集与智能体化就绪。它由 Gemini 原生驱动,自主读取文件并提取实体、映射关系,深度理解“净收入”或“风险”等专有业务语义。例如,英国电信与媒体巨头 Virgin Media O2 借此激活了其拥有的 20,000 余项此前未充分利用的数据资产。

- **自主运维系统**:Gemini 遥测推理实时执行根因分析,自主排查与修复错误。 - **智能体数据云架构**: - **Knowledge Catalog**:联通结构化与非结构化资产的通用上下文引擎。 - **Smart Storage**:数据入库即完成自动化元数据提取与智能体赋能。 - **业务语义对齐**:自主关联企业特有术语和实体关系,避免大模型“凭空猜测”。

[52:06](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3126s) Agentic Data Cloud:Knowledge Catalog 与 Data Agent Kit

在演讲中,Google Cloud 展示了如何打破数据割裂,为全球产品团队释放数据潜能。通过与 Palantir、Salesforce、SAP、ServiceNow 和 Workday 等应用、操作系统及 AI 平台建立直接的“零数据复制”(Zero-Copy)访问通道,企业能够瞬间获取覆盖整个业务生态的完整业务上下文。这种可信上下文正是自主智能体确信执行任务的基石。为了让这股力量融入每位员工的日常,Google Cloud 将 Knowledge Catalog 与 Gemini Enterprise 的 Deep Research Agent 深度集成,实现跨企业内部数据与公网 Web 数据的多步复杂推理,输出带有精准来源引用的商业决策依据,将过去耗费数周的手工调研压缩至无缝瞬时完成。

紧接着,官方正式公布了基于 Gemini 的全新数据科学开发套件——Data Agent Kit,旨在彻底重构数据科学家的日常工作流。团队强调其初衷不是打造另一个让用户重新学习的封闭平台,而是以丰富的 AI 技能库和插件形式,全面嵌入工程师现有的工作环境(如 VS Code、Cloud Code、Gemini CLI 等本地 IDE、笔记本或终端)。用户只需通过自然语言表达核心意图(例如“预测客户流失”),环境即可自主接管,在 Google Agentic Data Cloud 上自动构建数据流水线并完成模型部署,实现从业务目标到业务结果的直线闭环。在拜耳作物科学(Bayer Crop Science),这套方案彻底消除了繁琐的数据管理与分析阻碍,让科研人员能够专注于开创性的可持续农业创新。

- **多平台零复制直连**:原生支持打通 Palantir、Salesforce、SAP、ServiceNow、Workday 等主流企业 SaaS 与 AI 平台。 - **环境免迁移**:Data Agent Kit 支持开发者在常用的 VS Code、Cloud Code 或 Gemini CLI 中无缝调用。 - **端到端自主化**:从意图输入到流水线构建、模型部署与复杂编排全流程自治执行。

[54:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3270s) Lightning Engine 与跨云数据湖仓(Cross-Cloud Lakehouse)

伴随智能体时代的爆发,对底层数据吞吐与计算规模的需求呈现极致增长。为此,Google Cloud 推出了专为 Apache Spark 打造的全新计算引擎——Lightning Engine。该引擎在为 Spark 提供极致性能的同时,实现了相比前代市场领导者高达 2 倍的性价比跃迁,帮助 Flipkart、Lowe's 和 Meesho 等头部企业大幅加速其 Spark 生产负载。演讲者明确指出了技术演进的核心逻辑:“reasoning with trusted context enables autonomous agents, and with the Lightning Engine, that autonomy operates at massive scale.”

随后,大会直面了数据架构领域长期存在的终极争议:企业数据究竟该存放在哪里?现实中,数据散落于 Google Cloud、AWS、Azure 以及各类 SaaS 之间,而传统的湖仓一体(Lakehouse)架构死板地要求分析引擎必须与存储位于同一朵云内。演讲者直言不讳:“This approach is broken.” 为此,Google Cloud 正式发布基于 Apache Iceberg 开源标准的 Cross-Cloud Lakehouse(跨云数据湖仓)。该架构打破了云间边界,无需繁琐的网络配置或承受高昂的数据出网费(Egress Fees),便能以如同操作 Google Cloud 本地数据一般的低延迟直接读取 AWS 与 Azure 中的数据,真正终结了数据搬迁与厂商绑定。

```mermaid flowchart LR accTitle: Cross-Cloud Lakehouse Architecture accDescr: BigQuery engine reasons over multi-cloud storage via Iceberg without data movement. subgraph MultiCloud["跨云底层存储 (Apache Iceberg)"] AWS["AWS S3 Iceberg 数据"] GCP["Google Cloud Storage"] AZ["Azure Data Lake Storage"] end subgraph Engine["统一分析与计算"] Lightning["Lightning Engine (Spark)"] BQ["BigQuery 分析引擎"] end subgraph Agents["智能体应用层"] GeminiAgents["Gemini 自主智能体"] end AWS -->|"低延迟直连 (零数据复制)"| BQ GCP -->|"原生集成"| BQ AZ -->|"跨云推理"| BQ BQ --- Lightning BQ --> GeminiAgents ```

- **Spark 性能与性价比突破**:Lightning Engine 达到此前市场领先架构 2 倍的性价比。 - **免迁移分析**:跨云数据湖仓支持 BigQuery 直接在 AWS S3 和 Azure 上依据 Iceberg 标准执行计算,消除数据出网费风险。 - **跨行业客户实证**: - **沃达丰(Vodafone)**:统一数据底座至 BigQuery,并上线数百个 Gemini Enterprise 智能体主动排查故障、优化基建,每年节省数百万美元。 - **麦格理银行(Macquarie Bank)**:全员部署 Gemini Enterprise,依托 BigQuery 与 Spanner 打造 7x24 小时 AI 助手,成功将客户遭遇欺诈的损失降低了一半。 - **美国运通(American Express)**:将核心数据集中于 Google Cloud,大幅提速全球欺诈与风险评估。 - **好市多(Costco)**:通过 BigQuery 加速数百万会员的用户画像洞察与价值经营。

[58:44](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3524s) Yasmeen Ahmad 现场演示:5 分钟完成 1500 万美元商业决策

Yasmeen Ahmad 登台将技术方案转化为现场实操:“Most companies take five weeks to turn a trend into a decision. We're going to do it in five minutes.” 她演示了一家冷冻酸奶品牌如何破除暗数据(Dark Data)、打破数据孤岛(Data Silos)并摆脱手工编码。系统的工作流触发器捕获到一款名为“Midnight Swirl”的冷冻酸奶风潮,业务需要立刻评估其安全性(过敏原)、目标客群规模以及实际投资回报率(ROI)。

在首道安全防线中,成千上万份食谱均以 PDF 形式归档。若针对 PDF 食谱直接搜索头号过敏原“大豆(soy)”,返回结果为零;然而食谱中含有代号为“Base 204”的原料,需要翻阅独立的供应商手册才能发现 Base 204 实际含有大豆成分。传统的生成式搜索无法关联分散在两份独立 PDF 中的暗数据,但借助集成了 PDF 解析能力的 Knowledge Catalog,Gemini 自主推理并抽取实体,动态生成包含食谱、原料与过敏原映射的“产品规格”(product specs)关联模式(Schema),瞬间定位隐藏大豆成分,并在输出中提供可溯源的数据引用。

随后,Yasmeen 面临市场圈选难题:在保护大豆过敏顾客的前提下,需要筛选全球无大豆过敏偏好的精准客群。此时,过敏原 Schema 存储在 Google Cloud,而拥有数百万用户膳食偏好的忠诚会员列表却存放在 AWS S3(Iceberg 格式)中。以往跨云迁移通常需要数据工程师花费三天时间,而 Cross-Cloud Lakehouse 允许数据完全留在原地。Gemini 在遵循安全权限的前提下预先拟定执行计划,交由身为“主厨”的数据科学家审查。确认后,任务交由底层 Lightning Engine 执行,仅用数秒便完成跨 AWS 与 BigQuery 源的跨云过滤匹配。

在最后的 ROI 测算环节,Gemini 编排专业数据科学工具,生成多步执行方案。Yasmeen 将蒙特卡洛模拟次数由 1,000 次调整为 2,000 次,Gemini 便自动在后台构建完整的代码笔记本并在 Spark Lightning Engine 上调度运行,当场测算出剔除大豆过敏群体后依然存在高达 1,500 万美元的强劲全球市场需求。整个过程用时不到 5 分钟,计时器倒计时结束时全场欢呼。

- **破除三大传统阻碍**:通过 Knowledge Catalog 破解“暗数据”,通过 Cross-Cloud Lakehouse 击穿“跨云孤岛”,通过智能体工具终结“手动编写代码”。 - **全透明可控**:智能体在执行清洗和分析前生成完整工作计划,工程师扮演“主厨”角色把控方案(支持修改仿真参数等关键设置)。 - **五分钟落地成果**:从捕捉 Midnight Swirl 社交趋势、排除潜在食品安全隐患,到跨云测算会员画像与 1,500 万美元的预期回报闭环。

[01:04:18](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3858s) Francis deSouza 论述智能体安全防线(Agentic Defense)

Yasmeen 完成演示后,Francis deSouza 登台开启“Agentic Defense”(智能体防御)篇章。deSouza 提出,当企业赋能 AI 智能体拥有端到端行动权限时,安全体系本身必须升格为一种自主防御力量,其响应速度必须彻底超越威胁发生的速度。面对由 AI 驱动的新型网络攻击,传统依赖人类分析师的人工响应模式已难以招架。

deSouza 列举了当前网络对抗环境中触目惊心的严峻数据:行业平均漏洞利用时间(Mean Time to Exploit)已经暴跌至“负 7 天”,这意味着现在的攻击往往在官方安全补丁发布前一周就已经在黑市与暗网中爆发;更为极端的是,攻击者在完成初始访问突破(Initial Access)到将控制权移交至次级威胁团伙进行深度渗透的交接时间,已经从过去的 8 小时断崖式缩减至区区 22 秒。他警示全场:“Your security must operate at machine speed.” 为了在机器速度的攻防战中占据主动,Google Cloud 正在将沉重的安全运营重心全面迁移至原生集成 Gemini 的智能体安全运营中心(Agentic SOC),通过让自动化分诊智能体介入,将原本长达 30 分钟的手工调查流程推向极速自动化。

- **漏洞利用周期逆转**:平均漏洞利用时间达到负 7 天,零日攻击与补丁前渗透常态化。 - **攻击横向交接加速**:初始突破至二次攻击团伙移交时间从 8 小时急剧压缩至 22 秒。 - **防御范式跃迁**:必须依靠以机器速度运行的 Gemini 原生 Agentic SOC 才能实现全面对抗。

[01:05:36](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3936s) 全球威胁情报与 Agentic Defense 的毫秒级防御

Google Cloud 正在将其安全运营中心推向全新的自主化阶段,将以往漫长的威胁响应周期彻底压缩为 60 秒内的自动化处置。全新的威胁捕猎与检测 Agent 能够主动对企业环境展开持续巡检,其广度与速度是任何传统人工团队都无法企及的。该防御体系建立在 Google 顶级的安全遥测基础之上,融合了 Mandiant 的攻防前线情报、VirusTotal 的全球恶意样本库以及 Chrome 的海量端点感知能力。更进一步的是,借助深度整合的暗网威胁情报,系统识别企业外部威胁的准确率高达 98%。

在要求最为严苛的金融基础设施领域,Google 的安全体系正在发挥关键作用。全球最大的衍生品交易平台芝加哥商品交易所集团(CME Group)便深度依赖由 Mandiant、Security Command Center 与 Google SecOps 构成的统一安全技术栈,以抵御各种前所未见的新型网络攻击。面对瞬息万变的金融高压环境,Google 的超低延迟解决方案为 CME Group 提供了纳秒级的精准防护,在每日承载数十亿笔交易平稳运转的同时,有效降低了新交易者的准入门槛。

- **超高识别精度**:整合暗网情报网络,外部安全威胁识别准确率达 98%。 - **核心案例**:CME Group 依托 Mandiant、Security Command Center 和 Google SecOps 保护衍生品交易系统,实现纳秒级低延迟防御。

---

[01:06:50](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4010s) 应对影子 AI:Wiz 正式加入 Google Cloud

在当今企业环境中,最严峻的安全威胁已不仅来自外部黑客,更来自无处不在的“影子 AI”(Shadow AI)——即大量在企业内私自运行、脱离 IT 与安全团队掌控的未授权模型与自主 Agent。为了正面击破这一痛点,Google Cloud 将业界最深度的安全上下文直接注入自身的 AI 底座之中,并由 Francis deSouza 正式宣布 Wiz 团队加入 Google Cloud,现场随即爆发出热烈的掌声。

通过将 Gemini Enterprise 的 Agent 管理治理平台与 Wiz 的多云资产检测能力相结合,双方共同为智能体企业(Agentic Enterprise)确立了下一代安全基态。Gemini Enterprise 负责规范与保护业务 Agent 的逻辑与执行,而 Wiz 则将防护触角延伸至本地机房及全球各大主流公有云的每一处底层资产。正如 Francis deSouza 所强调的那样:

> “Together, we are building a new security posture for the agentic enterprise.”

---

[01:08:07](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4087s) Wiz 首创 AI APP 架构与自主攻防 Agent

Wiz 联合创始人 Yinon Costica 登台后回顾了团队的初心:从第一天起就致力于帮助客户保护其构建和运行的一切资产。过去 Wiz 依靠统一代码、云环境与运行时上下文来匹配开发者的迭代节奏,但如今生成式 AI 的爆发彻底颠覆了攻防态势,自主化软件、超大规模代码生成以及武器化 AI 攻击层出不穷。Yinon Costica 指出,安全防护必须以同等量级的速度进化:

> “To protect this new frontier, security must now move at machine speed.”

为此,Wiz 推出了业界首个 AI 应用保护平台(AI Application Protection Platform,简称 AI APP)。该平台专为解决 AI 时代的四大核心挑战而设计:为安全团队提供穿透整个 AI 技术栈的全方位可见性、在攻击者利用之前主动发现并修复关键漏洞、助力开发者在支持 AI 的 IDE 中做到“源头即安全”(Secure by Design),以及武装 SecOps 团队以遏制针对云与 AI 环境的新型威胁。为了跑赢攻击者,Wiz 构建了一组分别以红队、蓝队、绿队命名的专家级 AI Agent,依托独创的安全知识图谱(Security Graph)在后台以机器速度协同工作。

```mermaid flowchart TD accTitle: Wiz AI APP 安全闭环架构 accDescr: 展示从无代理发现、构建安全知识图谱,到 Red Agent 攻防验证、Green Agent 自动分诊并交付 CodeMender 修复的全流程。

subgraph Discovery["资产发现与建模"] A["无代理扫描 (Agentless)"] --> B["多云与代码资产动态清单"] B --> C["构建动态安全知识图谱 (Security Graph)"] end

subgraph Verification["攻防验证"] C --> D["Wiz Red Agent (友好黑客)"] D --> E["验证高危路径 (如身份绕过漏洞)"] end

subgraph Remediation["自动化修复"] E --> F["Wiz Green Agent (自动分诊)"] F --> G["定位源码行号与责任人"] G --> H["自动推送 PR 至开发者 IDE"] G --> I["交由 CodeMender 自动修复代码"] end ```

在现场演示环节中,Yinon Costica 展示了 Wiz 如何在无代理(Agentless)的前提下,自动从云端和代码库中梳理出动态资产清单,并生成描绘 AI 应用架构与调用逻辑的鲜活图谱。大屏幕上展示了一个运行在公有云上、具备数据库查询与代码执行权限的 Agent:Wiz 瞬间将其标红,指出其既暴露于公网,又连通着敏感客户数据。紧接着登场的是充当“友好黑客”的 Wiz Red Agent,它模拟顶尖红队的攻击手法对该暴露点进行穿透,立刻坐实了一个身份验证绕过(Authentication Bypass)高危漏洞,证明攻击者可借此窃取底层敏感数据。随后,Wiz Green Agent 介入接管过去需要繁琐开会、扯皮的工单分诊流程,秒级定位出引发漏洞的具体代码行号与负责人,并直接联动像 CodeMender 这样的自主编码 Agent 在源码仓库中提交修复,完美完成了从“验证风险”到“落地修复”的全自动化闭环。

---

[01:14:23](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4463s) 贯通开发者与防守者:全球龙头企业的信任背书

Francis deSouza 重新回到台前总结道,Google 智能体 SOC(Agentic SOC)与 Wiz 深度云环境上下文的无缝整合,彻底打通了安全防御者与业务开发者之间的断层,让企业在任何场景下部署生成式 AI 都能高枕无忧。这种端到端能力已经在全球关键基础设施与政企机构中落地生根:洛杉矶水电局(LADWP)正在借助该体系强化关键基础设施安全,为 2028 年洛杉矶奥运会保驾护航;新加坡通信与信息安全科技局(CSIT)则借此建立起针对前沿数字威胁的主动防御机制;星展银行(DBS)更将防护能力直接内嵌至核心系统架构,实现威胁的实时捕获与响应。

在资本市场与跨国实业领域,摩根士丹利(Morgan Stanley)已将 Wiz 作为其云安全战略的核心支柱,并在其持续演进的混合云架构中同步扩展部署 Google Cloud Security 能力。此外,雀巢(Nestlé)、酩悦·轩尼诗-路易·威登(LVMH)、宝马(BMW)以及壳牌(Shell)等享誉全球的行业巨头,都选择信赖 Google 与 Wiz 的联合防护网。Francis deSouza 总结了双方融合的技术精髓:

> “Google and Wiz provide a unified agentic defense that is secure by design and autonomous by nature.”

- **关键基础设施保障**:护航洛杉矶水电局(备战 2028 奥运会)、赋能新加坡 CSIT 数字防线。 - **金融行业实践**:DBS 银行实时阻断风险,Morgan Stanley 将 Wiz 与 Google 安全能力作为云战略基石。 - **跨国实业巨头采纳**:Nestlé、LVMH、BMW、Shell 依托该架构实现业务的“源头即安全”。

---

[01:16:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4580s) Agentic Taskforce:智能体商务与全渠道客户体验变革

随着安全基座的固若金汤,企业得以将精力全面转向创新。Carrie Tharp 登台阐述了 Google 如何利用这套坚实的技术底座解决企业面临的两大核心命题:优质服务客户,以及让员工工作更聪明。Google 的核心策略是部署一支协同作业的“智能体特遣队”(Agentic Taskforce)——这些高度专业化的 Agent 不再只是被动的辅助插件,而是直接作为业务团队的编外力量并肩运作。在智能体时代,AI Agent 已经成为企业商业版图的战略性延伸。

今年早些时候,Google 推出了面向客户体验的 Gemini Enterprise 套件(Gemini Enterprise for Customer Experience),致力于重塑从最初的产品发现到后续售后服务的完整用户旅程。该套件的核心引擎便是“智能体商务”(Agentic Commerce):预置的购物与点餐 Agent 允许消费者完全通过日常自然语言对话,自主完成从意图探索、精准选品直到结算下单的全流程,并与后端客户互动 Agent 深度联结,把每一次普通交流转化为创造收入与提升复购的机会。

商业落地的成果正在全球零售与消费领域迅速显现。例如披萨连锁品牌棒约翰(Papa John's)正在基于订餐 Agent 打造高精度的个性化点单系统,能够智能记忆用户的历史口味偏好与定制要求,大幅压缩配餐出单时间。而在实时客户服务环节,Agent Assist 工具则在后台对人工客服进行实时辅导,快速提示精准应答方案;零售巨头百思买(Best Buy)更进一步借助该平台,让自主 Agent 独立引导顾客解析晦涩的电子产品技术参数、处理疑难售后退换,乃至自动预约上门服务。最后,全新的全渠道网关(Omnichannel Gateway)为企业构建了统一的上下文连接层,确保当消费者从 Web 端文字聊天无缝切换到手机端甚至语音通话时,全渠道客户上下文得以完整保留,彻底终结了用户反复重述诉求的历史。

[01:18:37](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4717s) 零售巨头落地实践:家得宝与信实工业的客户体验智能体

在跨渠道与多语言的交互场景中,基于 Gemini Enterprise for Customer Experience 构建的智能体展现出卓越的上下文连贯性——用户中断后重新进入对话时,系统能无缝衔接先前的记忆,并依托媲美真人的多语言语音能力在全球范围内弹性扩展。这一技术已被家得宝(The Home Depot)深度引入其实体零售与数字商城全场景,用于驱动其名为“Magic Apron Assistant”(魔法围裙助手)的智能服务。

在展示家得宝实践的视频连线中,家得宝副总裁 Jordan Broggi 拆解了经典的消费行为闭环:“客户的旅程通常始于灵感,接着进入研究调研阶段,再转向选购与付款,最终进入实际施工或使用。”(“There's a customer journey that often starts with inspiration, goes into research, and then into shopping and buying and then into doing.”)他指出,Magic Apron 的定位就是充当贯穿整个旅程的数字化智能体,重现顾客踏入线下门店时所体验到的标志性“橙色围裙”贴心服务。家得宝科技副总裁 Angie Brown 则强调了底层模型对端到端业务的赋能:“Gemini Enterprise 是我们 Magic Apron 项目的基石,它赋予了我们支撑这些顶尖技术所必需的算力与响应速度。”(“If you just focus for a second on Gemini Enterprise and you think about how it's the bedrock of what we are doing with Magic Apron, it gives us the power and the speed in which we need in order to power these great technologies.”)

借助基于智能体的统一后端,家得宝成功消除了各渠道之间的割裂。在线下门店内,顾客使用该智能体进行货架寻路(wayfinding)、咨询商品细节以及排查零配件兼容性;回到家中,顾客又可以在官网上借助它汲取设计灵感并跟踪履约。Jordan Broggi 特别提到,“最关键的是,我们观察到使用该工具的顾客转化率明显高于未使用人群。”

随后,Google Cloud 全球零售与消费品副总裁 Carrie Tharp 登台阐述,这一套智能体方案不仅适用于传统全渠道巨头,也正在深刻重塑数字原生与电商产业。例如,印度巨头信实工业(Reliance)为本土数亿消费者打造了全流程导购智能体。顾客仅需在对话框中输入一句“策划一场生日派对”,智能体便会自动跨品类规划动线并一键装满购物车,从而拉动客单价提升。背后支撑这一高效推荐的,是基于 Gemini 的商品图册智能扩充能力,系统仅需几分钟便可解析并标记过去需要数月才能处理完的海量商品图像。同时,Carrie Tharp 披露,Google 内部团队如 Google Store、Google Photos、Google One 以及 YouTube 亦已全面接入该架构。

- **全流程覆盖**:Magic Apron 覆盖用户从寻灵感、做调研、下单采购到售后使用与支持的全生命周期。 - **业务转化验证**:家得宝在门店寻路、参数匹配与多渠道协同场景中实测证实,使用智能体助手的用户转化率显著提高。 - **高并发图册解析**:信实工业利用 Gemini 将海量商品图像与元数据的解析周期由数月压缩至数分钟级别。

---

[01:21:40](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4900s) YouTube TV 实机演示:现场电话接入与实时西语转译

为了向现场观众证明该方案在真实高并发业务中的稳定性,Google Cloud 高级产品经理 Patrick Marlow 走上舞台,现场连线了已在生产环境中为 100% 用户提供服务的 YouTube TV 语音客服智能体。该智能体专门用于处理 NFL 周日超级票(NFL Sunday Ticket)和 YouTube TV 基础订阅套餐的咨询与销售。

Patrick 当场拨通了真实客服热线,开门见山地向 AI 抛出实际痛点:自己家里没装有线电视,明天要请一帮好友来家里看 NFL 选秀大会,而且自己平时基本只看体育节目,询问是否有专属套餐。客服智能体反应十分灵敏,准确指出用户可以选择 YouTube TV Sports Plan(体育专属套餐),并详尽说明该套餐涵盖选秀转播及额外 30 多个体育频道,价格比标准基础套餐便宜 18 美元。当智能体主动询问是否需要向来电手机发送直达购买链接时,Patrick 顺水推舟同意,并在几秒钟内收到了短信推送。

随后,Patrick 模拟了一个复杂的家庭跨语种使用场景。他对着电话表示岳父就在身边也想办理,并用西语简短寒暄后要求智能体向其岳父做个总结:“能否用西班牙语为他快速介绍一下这个套餐?他只想确认能不能同时看橄榄球(Football)和英式足球(Fútbol)。”(“Actually, could you just quickly summarize this plan for him in Spanish? I think he just wants to know that he can get both football e football.”)智能体毫无迟滞地切换至流利的地道西班牙语,从容交代了赛事版权与套餐内容。当 Patrick 进一步追问是否允许在客厅和后院露台的多台电视上同时播放时,智能体精准答复该套餐支持多达三台设备同时在线串流。展示进入尾声时,Patrick 开玩笑称自己正站在数万人的体育馆舞台中央且有数百万人观看直播所以必须挂断,全场爆发出笑声与掌声。

```mermaid flowchart TD accTitle: YouTube TV Voice Agent Workflow accDescr: An end-to-end flow showing the customer call, multi-agent reasoning, language pivoting, and fulfillment.

subgraph UserInteraction["用户端交互"] A["呼叫支持专线"] --> B["自然语言提问 (体育套餐诉求)"] B --> C["跨语种无缝切换 (西语套餐解答)"] C --> D["设备并发限制咨询 (支持 3 台流媒体)"] end

subgraph AgentPlatform["CX Agent Studio 编排架构"] E["语音接入网关"] --> F["中央调度主智能体"] F --> G["知识库/报价工具 (Price Finder)"] F --> H["多语言实时翻译引擎"] end

subgraph Fulfillment["业务系统履约"] I["短信网关发送直达购买链接"] end

A --> E B --> F F --> G C --> H B -.-> I ```

---

[01:24:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5056s) CX Agent Studio:企业级低代码多智能体编排与秒级迭代

通话结束后,Patrick Marlowe 立即解答了技术决策者的核心顾虑:当企业面对复杂的商业逻辑变更或促销上线时,是否需要耗费软件工程师团队维护海量代码?答案是否定的,这正是 CX Agent Studio 核心价值所在。

Patrick 在大屏幕上展示了 CX Agent Studio 内置的 Visual Builder(可视化构建器)界面。该界面呈现了 YouTube TV 正在生产环境中运行的真实 Agent 拓扑:由主编排器管理各个专有子智能体(Subagents),每个子智能体各司其职,从而将复杂的业务路由解耦。针对业务可信度,平台配备了内置测试界面,确保智能体的每一次应答都严格基于底层的知识库进行事实对齐(grounding),例如直接调用实时的“Price Finder”(价格查询)工具,彻底杜绝大模型幻觉。最令人惊叹的是交付周期——Patrick 指出:“最棒的部分是,YouTube TV 客服团队从搭建到正式上线整套服务,只用了短短六周。”(“And the best part? YouTube TV customer support built and deployed this entire experience in just six weeks.”)

```mermaid flowchart LR accTitle: CX Agent Studio Architectural Overview accDescr: The visual architecture showing multi-agent orchestration, grounding with enterprise tools, and analytics.

subgraph StudioEngine["CX Agent Studio 架构体系"] direction TB subgraph Orchestration["多智能体编排 (Visual Builder)"] Main["主调度 Agent"] --> Sub1["订阅问答 Agent"] Main --> Sub2["故障排查 Agent"] Main --> Sub3["新促销 Agent (Promotions)"] end

subgraph GroundingLayer["事实对齐与业务工具"] Tools["企业知识库"] PriceTool["Price Finder 实时定价接口"] end

subgraph Monitoring["观测与洞察"] Insights["Conversational Insights<br/>通话全指标监控看板"] end end

Sub1 --- GroundingLayer Sub3 --- GroundingLayer Main -.-> Insights ```

为了证明系统的灵活性,Patrick 现场演练了一次实时业务变更:假设市场团队需要立刻推出一项新促销活动,他只需点击“添加新子智能体”,将其命名为“Promotions”,并以纯粹的人类自然语言填入促销业务规则,点击创建后,整套多智能体网络就瞬间吸收了这一专有业务分支。随后,他调出了 Conversational Insights(会话洞察看板),展示当天早晨测试通话的端到端执行链路与表现数据。他总结道,从处理复杂的真实多语言客服咨询,到新开促销逻辑并实现全球上线,整个过程耗时不到四分钟,这充分展现了 Gemini Enterprise 融合企业级推理、深层工具调用与快速敏捷迭代的工业化威力。

---

[01:26:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5190s) 引入 Workspace Intelligence:终结企业信息碎片化孤岛

随着掌声响起,Google Workspace 产品副总裁 Yulie Kwon Kim 步入聚光灯下。她开篇点出了全球数亿办公人群在数字化协作中的痛点:“Google Workspace 是全球最受欢迎的生产力工具。但即便我们触手可及都是顶尖工具,工作依然让人感到不可思议的碎片化。”(“Google Workspace is the world's most popular productivity tool. But even with the best tools at our fingertips, work can still feel incredibly fragmented.”)

Yulie 生动地勾勒出职场人士日常面临的典型窘境:为了查清一个看似简单的业务问题,仅仅十分钟之后,浏览器里就已经堆积了 15 个打开的标签页——大家不得不在一封过期的旧邮件、一份正被同事实时编辑的演示幻灯片(Slide deck)、以及一张庞大而混乱的电子表格之间反复跳转。许多人一天中一半的时间耗费在“寻找信息”上,另一半时间则耗费在“研究该拿这些信息怎么办”上。

为了彻底消除上下文的撕裂感,Yulie 隆重宣布推出 **Workspace Intelligence**。该产品依托 Gemini 最前沿的逻辑推理能力与业界顶尖的 Embedding(向量嵌入)模型,在整个 Workspace 套件内部植入了一层统一的全局智能中枢,让各应用无缝互联,真正将跨工具的数据整理重担交由 AI 接管。

在后续场景演示中,Yulie 承接了大会早前展示的一套家具品牌重塑(rebrand)案例,设定自己扮演该业务的区域分销主管。在 Google Chat 界面中,团队协同与智能体交互已浑然一体。当她在 Regional Managers(区域经理)聊天空间讨论时,由 Gemini Enterprise 所构建的“Regional Operations Agent”(区域运营智能体)自动发来警报,提示新一批展位陈列工具套件(display kits)将提前运抵,随即引爆了群内各方的大量追问。

面对扑面而来的消息洪流,Yulie 直接唤出内嵌的 **Ask Gemini** 命令中心。Gemini 即刻为她梳理出全局优先事项:智能提炼出眼下最高优先级的待办事项,自动附上了急需进行本地化适配的商业演示文稿链接,并着重标注了下午 4:00 必须提交区域规划的最后截止时间。整个梳理过程无需在多个软件和标签页之间手忙脚乱地切换。紧接着,Yulie 需要为规划案调取上一季度的区域销售图表,她没有像往常那样进入文件夹漫无目的地翻找数十份历史文档,而是用口语向 Gemini 下达明确指令:“找出上一季度的陈列规划手册(merchandising playbook),就是带区域销售图表的那一份。”她强调,这背后绝非粗糙的关键词匹配,而是 Workspace Intelligence 深刻理解多模态办公内容语义后的精准穿透检索。

[01:29:45](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5385s) Workspace Intelligence:终结“上下文税”与跨应用文档生成

演示者通过一个典型的工作流场景展示了 Workspace Intelligence 的威力。面对散落在各处的会议记录和文件内容,系统能直接定位到包含所需图表的精准文档,在数秒内解决“大海捞针”的数据检索难题。随后,演示者希望将这些零碎的数据转化为一份针对区域门店经理的标准汇报方案。通过 Ask Gemini,用户无需手动拼凑排版,只需调用特定技能标签并下达指令:“使用区域营销方案技能(regional campaign skill)……制作一份包含有机生活方案的幻灯片。”

```mermaid flowchart TD accTitle: Workspace Intelligence 幻灯片生成工作流 accDescr: 展示 Workspace Intelligence 如何整合多渠道企业数据并生成标准汇报幻灯片 subgraph InputSources ["多源上下文自动抓取"] A["会议纪要与文件"] B["Gmail 邮件与 Chat 聊天"] C["HubSpot 实时赢单/输单数据"] end subgraph Orchestration ["智能编排处理"] D["Ask Gemini 技能调用<br/>(Regional Campaign Skill)"] E["品牌规范与历史模板匹配"] end subgraph OutputResult ["交付成果"] F["Google Slides 演示文稿<br/>(含完整引用来源 Citations)"] end InputSources --> D D --> E E --> F ```

Workspace Intelligence 自动开展跨渠道数据联动:它交叉检索了用户的邮件、聊天记录及其他文档,甚至拉取了 HubSpot 中的实时赢单/输单数据,并严格遵照企业自身的品牌规范,自动生成了一套排版精美的 Google Slides 演示文稿。幻灯片上方清楚标注了所有未经用户逐个询问便自动汇聚的来源引用(citations)。演示者强调:“Workspace Intelligence is the end of the context tax. It transforms how you work by turning fragmented information into a clear path forward.”(Workspace Intelligence 终结了‘上下文税’,它通过将零散破碎的信息转化为清晰的前进路径,彻底改变了你的工作方式。)

- **自动化与合规性**:无需复杂配置,在保障企业安全的前提下自动继承历史演示文稿的结构与公司品牌视觉规范。 - **视觉品质**:生成的演示文稿具备专业设计师般的排版水准,而非冷冰冰的代码输出终端感。

---

[01:31:43](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5503s) 客户落地实践与从 M365 迁移提速 5 倍

从简单的自动化走向全方位的 AI 编排,各行各业的领军企业正在利用 Google Workspace 重新定义全球生产力。现场列举了多维度的全球企业转型案例:

- **高露洁-棕榈(Colgate-Palmolive)**:面向 34,000 名员工全面推广 Google Workspace。借助基于 Gemini 构建的 AI Agent,团队将原本需要耗时数月的数据分析缩短至数分钟即可转化为新产品概念,并盘活数十年销售历史数据以挖掘增长洞察。 - **Natura**:借助定制化 Agent 将数据驱动型报告的生成速度提升了整整 10 倍。 - **大韩航空(Korean Air)**:超过 22,000 名全球员工利用 AI Agent 与工具,全面加速高影响力的运营调度与旅客关怀服务。 - **Compass Real Estate**:Gemini 承担了经纪人的繁琐事务性工作,使员工得以专注于高价值的客户关系拓展。

面对众多有意转向 Workspace 但担忧迁移复杂度的企业,现场宣布了一项重大基础设施进展:得益于最新的迁移工具与互操作性(interoperability)优化,企业将全员(包括系统极为复杂的财务团队)从 Microsoft 365 迁移到 Google Workspace 的速度最高可提升 5 倍。演讲者呼吁现场参会者大胆关掉浏览器里的十几个标签页,让 Workspace Intelligence 真正承担起日常工作的繁重负担。

---

[01:33:43](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5623s) 联合利华的多 Agent 采购实践:从数天缩短至数分钟

Thomas Kurian 重返舞台,引出全球标志性快消巨头联合利华(Unilever)的实践分享。联合利华每天为全球 3.7 亿消费者提供产品,通过与 Google Cloud 合作,利用 AI 实现了大规模的个性化与需求挖掘。

联合利华首席数字与信息官 Sam Kini 表示,公司正将业务端到端连接,利用 AI 激发需求生成,并依托 Google Cloud 打造的坚实数字化底座深化与零售商的合作。随后,联合利华的 Daphne Coates 深入解析了其“竞价采购多 Agent 解决方案(competitive buying multiagentic solution)”的技术架构:

```mermaid flowchart LR accTitle: 联合利华竞价采购多 Agent 架构 accDescr: 展示联合利华基于 Google Cloud 构建的多 Agent 协同采购决策系统 subgraph CorePlatform ["Google Cloud 核心基座"] A["Gemini Enterprise"] B["ADK (Agent Development Kit)"] C["Gemini 底层模型"] end subgraph OrchestrationLayer ["Horizon3 Labs 联合研发"] D["统一操作界面 (Single UI)"] E["多 Agent 协同编排"] end subgraph BusinessValue ["业务成效"] F["采购分析与决策从数天压缩至数分钟"] G["更智能的全球寻源决策"] end CorePlatform --> OrchestrationLayer OrchestrationLayer --> BusinessValue ```

该系统由联合利华与 Horizon3 Labs 联合打造,在架构设计之初就确立了性能、规模、安全与可观测性四大基准。依托 Gemini Enterprise 与 ADK(Agent Development Kit,Agent 开发工具包),系统通过一个单一用户界面编排大量协同工作的专业 Agent,帮助采购团队将原本需要耗费数天的分析决策流程缩短至数分钟内完成。正如 Sam Kini 所总结的那样:“With Google Cloud, we are turning intelligence into a growth engine.”(在 Google Cloud 的赋能下,我们正在将智能转化为企业增长的引擎。)

---

[01:35:53](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5753s) 开放 AI 哲学与 Agentic Enterprise 全景蓝图收官

在演讲的尾声,Thomas Kurian 阐述了 Google Cloud 与竞争对手最本质的战略差异——坚持开放的 AI 未来。Kurian 尖锐地批评了封闭生态:“While others want to lock you into a walled garden that owns your models, your data, and your agents, we offer you an integrated stack, but the freedom to choose the world's best chips and models, the freedom to run AI wherever your data may live, the freedom to control your own destiny with deep governance features.”(当其他人试图将你锁定在掌控你的模型、数据与 Agent 的围墙花园时,我们为你提供全栈集成的能力,同时也给予你选择全球顶尖芯片与模型的自由、在数据所在任意环境运行 AI 的自由,以及通过深度治理功能主宰自身命运的自由。)

为加速企业落地,Google Cloud 正在与全球顶级生态伙伴构建前沿工程网络: - **全球咨询巨头**:埃森哲(Accenture)、波士顿咨询(BCG)、德勤(Deloitte)与麦肯锡(McKinsey)均宣布大规模扩建其 Google Gemini AI 业务部门。 - **AI 领域服务伙伴**:Quantium、Distyl 以及 Tribe.AI 等机构正在协助各类独立软件开发商(ISV)和 SaaS 企业利用 Gemini Enterprise Agent Platform 重构其软件产品。 - **中小企业赋能**:通过 Gemini Enterprise 与 Google Workspace 的无缝融合,让先进的 Agent 能力下沉普及至广大中小企业。

```mermaid flowchart TD accTitle: Agentic Enterprise 五大核心支柱蓝图 accDescr: 总结 Thomas Kurian 在 Next 26 主题演讲中提出的企业 Agent 蓝图体系 A["Agentic Enterprise Blueprint<br/>企业智能体蓝图"] A --> B["1. AI Hypercomputer<br/>专为 Agent 时代物理特性打造的算力底座"] A --> C["2. Agentic Data Cloud<br/>为 Agent 提供可信业务上下文的数据引擎"] A --> D["3. Agentic Defense<br/>覆盖全生命周期的自主安全防御体系"] A --> E["4. Gemini Enterprise Agent Platform<br/>构建、部署与管理 Agent 的核心平台"] A --> F["5. Agentic Taskforce<br/>通过 Gemini Enterprise 应用交付的专业智能体工种"] ```

Kurian 系统性回顾了全场发布的五大核心支柱:AI Hypercomputer 算力底座、Agentic Data Cloud 数据引擎、Agentic Defense 安全防线、Gemini Enterprise Agent Platform 平台以及贯穿前台的 Agentic Taskforce。他由衷感谢了全球客户与研发团队的付出,并宣布该平台已完全就绪,正式开启为期三天的 Google Cloud Next 盛会。

## Notable quotes > [02:04](https://www.youtube.com/watch?v=11PBno-cJ1g&t=124s) You cannot deliver AI by piecing together a puzzle piece of fragmented silicon and disconnected models. — Thomas Kurian

> [08:48](https://www.youtube.com/watch?v=11PBno-cJ1g&t=528s) The conversation has gone from can we build an agent to how do we manage thousands of them? — Sundar Pichai

> [30:03](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1803s) Companies aren't just redesigning workflows. They're turning their everyday employees into AI builders, empowering them to solve their own hardest problems. — Thomas Kurian

> [01:04:18](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3858s) Your security must operate at machine speed. — Francis deSouza

> [31:52](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1912s) And our field leaders build trust by being present on the sales floor, not in their offices at a screen. — Kieran Shanahan

> [35:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2142s) And look, from my personal experience, I can tell you, learning a trick on the mountain is one thing, but actually understanding the physics of a trick is a whole other thing. — Shaun White

## Mentioned Google Cloud, Thomas Kurian, Sundar Pichai, Gemini Enterprise, Gemini Enterprise Agent Platform, Gemini 3.1 Pro, Gemini 3.1 Flash Image, Veo 3.1 Lite, Lyria 3 Pro, Claude Opus 4.7, Apple, NASA, Artemis II, Agent Studio, Agent Registry, Skills and Tools Registry, Agent Marketplace, Model Context Protocol, Model Armor, Virgin Voyages, Google Distributed Cloud Edge, Walmart, Shaun White, Jason Davenport, Google DeepMind, Amin Vahdat, AI Hypercomputer, TPU 8t, TPU 8i, Google Cloud Axion, NVIDIA Vera Rubin NVL72, Virgo Network, Citadel Securities, Karthik Narain, Knowledge Catalog, Agentic Data Cloud, Data Agent Kit, Lightning Engine, Cross-Cloud Lakehouse, BigQuery, Apache Iceberg, Yasmeen Ahmad, Francis deSouza, Agentic SOC, Mandiant, VirusTotal, CME Group, Wiz, Yinon Costica, AI Application Protection Platform, CodeMender, Carrie Tharp, Agentic Taskforce, The Home Depot, Patrick Marlow, YouTube TV, CX Agent Studio, Google Workspace, Yulie Kwon Kim, Workspace Intelligence, Unilever, Sam Kini

## Video description The Next '26 Opening Keynote introduces the blueprint for the agentic enterprise, guiding businesses through the shift from AI adoption to large-scale transformation. Join Google Cloud CEO Thomas Kurian for major product announcements and hear from global customers who are partnering with Google Cloud to drive real-world impact.

To watch the Opening Keynote with ASL https://youtube.com/live/Pm7yGm6Fgl4

Ready to enter the agentic era? Try the Gemini Enterprise app today. https://business.gemini.google

AI agent-ready? Find out with our expert diagnostic. Book now. https://cloud.google.com/events/next26-offer-2

Watch more: 100+ sessions from Google Cloud Next 26 → https://www.googlecloudevents.com/next-vegas/ Subscribe to Google Cloud → https://goo.gle/GoogleCloud

Chapters 00:00 Countdown 00:12 Agentic Enterprise Blueprint 12:02 Gemini Enterprise Agent Platform 39:58 AI Hypercomputer 50:01 Agentic Data Cloud 1:04:40 Agentic Defense 1:16:20. Agentic Taskforce 1:33:52 Closing Remarks

[Source](https://www.youtube.com/watch?v=11PBno-cJ1g)

中文简报

资本支出达1850亿美元之际,谷歌云推出智能体平台 Alphabet认为,要实现企业级回报,必须摒弃碎片化模型和胶水代码,转向能够治理数千个自主智能体的垂直集成技术栈。 谷歌云推出了针对智能体企业的全面架构框架,划分为五大核心层级:AI超级计算机、智能体数据云、智能体防御、Gemini企业智能体平台以及智能体任务协作组。关键基础设施与模型里程碑包括第八代TPU(TPU 8t和8i)、NVIDIA Vera Rubin NVL72集成、Gemini 3.1 Pro推理模型,以及遍及所有谷歌云服务的原生模型上下文协议(MCP)端点。主题演讲重点介绍了知识目录和跨云湖仓等数据创新、由Mandiant和Wiz驱动的机器速度自主安全防护,以及生成式Workspace Intelligence。在整个演讲中,Citadel Securities、Virgin Voyages、YouTube TV和家得宝等机构的现场演示和企业案例研究展示了多智能体系统如何取代孤立的试点,实现端到端的自主业务工作流。 谷歌正将其资本支出从2022年的310亿美元提高至2026年预计的1750亿至1850亿美元,其中2026年超过50%的机器学习算力将直接分配给谷歌云客户。 (4:32) 谷歌云推出了面向智能体企业的蓝图,涵盖五大基石支柱:AI超级计算机、智能体数据云、智能体防御、Gemini企业智能体平台和智能体任务协作组。 (10:20) 第八代TPU架构已拆分为两个专用芯片平台:用于训练的TPU 8t(每个pod算力达1.21 FP4 exaflops)和用于推理及长上下文自回归解码的TPU 8i(每个pod算力达11.6 FP8 exaflops)。 (42:16) 针对网络攻击时间线大幅缩短的情况(横向渗透时间从8小时缩短至22秒),谷歌将其安全技术栈与Wiz深度集成,以部署自主化的红方、蓝方和绿方防御智能体。 (64:40) Workspace Intelligence将Gemini模型原生嵌入至Google Workspace应用程序中,支持环境感知查询、语义文件检索,以及基于实时CRM和电子邮件数据自动创建演示文稿。 (86:30)

精炼阅读摘要

在 Google Cloud Next '26 大会上,Google 管理层宣布企业人工智能已全面从概念验证迈入实际生产阶段,并公布了一套涵盖专用算力、企业数据、零信任安全与治理平台的“智能体企业架构蓝图”。 资本开支扩张与智能体运行平台 (4:32) Alphabet 首席执行官 Sundar Pichai 表示,为支持智能体时代的计算需求,公司资本支出将从 2022 年的 310 亿美元大幅提升至 2026 年计划的 1750 亿至 1850 亿美元,且 2026 年超过半数的机器学习算力直接分配给云客户。Google 在内部将自身作为首个验证用户(Customer Zero),目前公司内部近 75% 的新代码由人工智能生成并经工程师复核;同时,三智能体协作模式在企业代码迁移中使完成速度提升了 6 倍。为此,Google 推出了 Gemini Enterprise Agent Platform,充当智能体的中央指挥中心,向企业提供全栈安全防护与生命周期编排能力,应对员工从普通用户转变为智能体开发者所引发的管理与治理挑战。 算力物理极限与硬件架构分立 (42:16) Google Cloud 首席技术官 Amin Vahdat 指出,扩展智能体系统本质上受制于电力、散热和网络延迟等物理边界。针对训练与推理在 agentic 时代对系统需求的分歧,Google 首次将第八代 TPU 分拆为两大独立硬件平台:专为大规模训练设计的 TPU 8t,以及针对高并发推理与强化学习优化的 TPU 8i。其中 TPU 8t 采用芯片内矩阵乘法块级量化并集成 9,600 颗芯片,单 Pod 提供 1.21 Exaflops FP4 算力;TPU 8i 则通过片上缓存与集合通信加速引擎,使单 Pod 达到 11.6 Exaflops FP8 算力。此外,Google 引入了 Arm 架构的 Axion CPU 与英伟达 Vera Rubin NVL72,并通过双向对分带宽达 47 Pbps 的 Virgo 网络光纤实现跨数十万颗加速芯片的扩展互联,缩短训练周期并消除冷启动延迟。 消除数据孤岛的智能体数据底座 (49:00) Google Cloud 强调,缺乏企业上下文的推理仅是猜测,无法作为智能体行动的依据。为此推出的 Agentic Data Cloud 通过 Knowledge Catalog 统一管理 BigQuery 结构化数据与非结构化文档,并直接集成 Palantir、SAP、Salesforce 等业务系统。针对多云环境长期存在的物理存储分割与高昂数据流出费用,Google 推出了基于 Apache Iceberg 开放格式的 Cross-Cloud Lakehouse,实现对 AWS S3 及微软 Azure 数据的低延迟跨云免复制直连,让智能体跨云获取完整业务背景。结合面向开发人员的 Data Agent Kit,数据团队可将业务意图自动转化为数据流水线并完成模型部署。 机器速度防御与自主安全编排 (64:40) 安全业务负责人 Francis deSouza 指出,现代网络攻击的平均漏洞利用时间已缩短至负七天(即补丁发布前一周已被利用),且黑客横向交接时间由 8 小时暴跌至 22 秒,传统人工响应难以应对此类威胁。Google Cloud 构建了基于 Gemini 的自主安全运营中心(SOC),并正式联合 Wiz 构建统一防御体系。Wiz co-founder Yinon Costica 演示了其 AI 应用保护平台(AI APP),利用红、蓝、绿三种专门职能的 AI 智能体完成代码与云端资产的无代理发现;演示中,红智能体模拟攻击以证实暴露在公网上的身份绕过风险,绿智能体则精确定位缺陷代码行并自动生成修复补丁。该架构在防范外部攻击的同时,亦可治理企业内部未受追踪的影子 AI。 垂直业务实践与办公协同集成 (76:20) Google Cloud 展示了多项垂直场景应用与企业合作成果。例如,YouTube TV 部署的语音客服智能体已接管所有电话接入,并支持跨语言状态无缝切换;家得宝(The Home Depot)通过 Magic Apron 智能体打通线上搜索与线下门店导购;联合利华(Unilever)则利用多智能体采购系统在数分钟内完成复杂的供应链评估。在日常办公领域,Workspace Intelligence 将推理能力内嵌于 Docs、Sheets 及 Gmail 底层,通过 Google Chat 命令中心跨邮件、文档和 CRM 系统提取信息,自动生成带有来源引用的方案简报,旨在消除员工频繁切换应用所产生的效率损耗。 Google Cloud 强调其多层级架构采取开放生态策略,支持跨云分析并接入第三方模型,但企业在实际落地中仍面临在万级智能体网络下确保安全边界、控制庞大推理支出以及协调复杂跨系统权限的实际工程挑战。

Detailed notes — zh

## Background 该视频由 Google Cloud 官方频道于 2026 年 4 月 22 日在 YouTube 平台发布。视频内容为 Google Cloud Next '26 大会开幕主题演讲,展示了从 AI 概念验证全面迈向大规模生产落地的“智能体企业蓝图(Agentic Enterprise Blueprint)”,并由 Google Cloud CEO Thomas Kurian 携手多位高管与全球客户公布重磅技术与产品更新。 ## TL;DR 主题演讲系统性拆解了构建智能体企业的五大技术支柱:底层搭载第八代 TPU(TPU 8t 与 8i)及 Virgo 网络的 AI 超级计算机、支持跨云湖仓与上下文关联的 Agentic Data Cloud、深度融合 Wiz 与 Mandiant 的 Agentic Defense 自主安全防御、以 Gemini 3.1 系列为核心的 Gemini Enterprise Agent Platform 控制中心,以及面向客户体验与办公协同的专业智能体特遣队(Agentic Taskforce)。Alphabet 首席执行官 Sundar Pichai 分享了 Google 内部近 75% 代码由 AI 生成的内部重构实践与近 1,850 亿美元的年化资本支出规划。此外,大会现场展示了涵盖跨智能体协作、YouTube TV 生产级语音客服、冬奥 3D 姿态力学解构以及 5 分钟跨云商业决策等实操演示,并公布了与 Apple、联合利华、家得宝及沃尔玛等标杆客户的落地成果。 ## Atmosphere & style 整场演讲呈现出典型顶级科技峰会的宏大叙事与昂扬气场,工业级技术发布的硬核厚重与舞台实机的快节奏演示形成了鲜明张力。高管团队的表达从容且极具掌控力,在不断抛出震撼性指标(如四年近 6 倍的资本开支、负 7 天漏洞利用窗口)的同时,穿插了传奇滑雪选手肖恩·怀特与现场拨打 YouTube TV 真实热线等极具感染力的人性化瞬间。观看全程仿佛置身于一场精心编排的科技交响乐,将前沿理论、底层物理学极限攻坚与极具说服力的商业生产力变革紧密交织在一起。 ## Bulletin - [08:48](https://www.youtube.com/watch?v=11PBno-cJ1g&t=528s) Google 宣布推出 Gemini Enterprise Agent Platform,定位为智能体企业的控制中心,支持端到端构建、扩展、治理与优化成千上万个企业级智能体。 - [04:32](https://www.youtube.com/watch?v=11PBno-cJ1g&t=272s) Alphabet 资本支出从 2022 年的 310 亿美元跃升至预期的 1,750 亿至 1,850 亿美元,预计到 2026 年超过半数机器学习算力将直接投向云计算业务。 - [42:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2536s) 硬件底层发布第八代 TPU 系列:TPU 8t(训练优化,9,600 芯片互连,1.21 Exaflops FP4 算力)与 TPU 8i(推理优化,11.6 Exaflops FP8 算力,集合通信延迟降低 5 倍)。 - [01:06:50](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4010s) Google Cloud 宣布与 Wiz 联合构建多云安全防线,推出首个 AI APP(AI 应用保护平台),通过红蓝绿队智能体协同实现从漏洞验证到代码自动修复的闭环。 - [12:02](https://www.youtube.com/watch?v=11PBno-cJ1g&t=722s) 苹果选择 Google Cloud 作为首选云服务商,双方将基于 Gemini 技术联合研发下一代 Apple 基础模型以驱动全新 Siri 等 Apple Intelligence 功能。 ## Key takeaways - [02:04](https://www.youtube.com/watch?v=11PBno-cJ1g&t=124s) 行业已全面跨越 PoC 概念验证和小规模试点阶段,真正落地依赖“芯片-模型-数据-安全”端到端深度优化的统一技术栈。 - [04:32](https://www.youtube.com/watch?v=11PBno-cJ1g&t=272s) Google 内部已有近 75% 的新代码由 AI 生成并由工程师审核,通过规划者、协调者和编码者三层智能体系统将复杂代码迁移速度提升 6 倍。 - [10:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=620s) Thomas Kurian 拆解智能体企业五层全栈蓝图:AI 超级计算机、智能体数据云、智能体防御、Gemini Enterprise 智能体平台以及智能体特遣队。 - [12:02](https://www.youtube.com/watch?v=11PBno-cJ1g&t=722s) 发布前沿模型矩阵,包含 Gemini 3.1 Pro、Gemini 3.1 Flash Image、Veo 3.1 Lite、Lyria 3 Pro,并全面支持 Anthropic Claude Opus 4.7。 - [15:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=942s) 智能体平台推出低代码 Agent Studio、Agent Registry 及 Skills 注册表,全面原生支持开源 Model Context Protocol (MCP) 实现双向互联。 - [18:01](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1081s) 针对多智能体协同引入零信任安全架构,为每个智能体分配密码学 Agent Identity,并通过 Model Armor 与 OpenTelemetry 遥测实现全链路可观测性。 - [20:33](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1233s) Virgin Voyages 在远洋邮轮上部署 Google Distributed Cloud Edge,突破网络物理限制实现离线边缘推理,将生产上线周期缩短 60%。 - [35:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2142s) 肖恩·怀特与 Google Cloud 合作,利用 DeepMind 空间模型与 Gemini 运动力学引擎将单板滑雪 2D 视频解构为 3D 骨架姿态与角速度动力学指标。 - [45:05](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2705s) 基础设施全栈升级:Axion Arm CPU 带来 2 倍性价比与 80% 能效比提升,Virgo 网络提供 47 PB/s 无阻塞带宽以支撑百万芯片级集群扩展。 - [49:00](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2940s) 推出通用业务上下文引擎 Knowledge Catalog 与 Smart Storage,打通多平台零复制直连,使非结构化数据在入库时秒级实现业务语义富集。 - [54:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3270s) 针对 Apache Spark 发布 2 倍性价比的 Lightning Engine,并推出基于 Iceberg 的 Cross-Cloud Lakehouse 终结跨云数据迁移和出网费痛点。 - [01:04:18](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3858s) 网络安全漏洞利用时间已缩短至负 7 天,Google Cloud 依托 Gemini 原生 Agentic SOC 将安全事件分析与响应压缩至 60 秒内机器速度。 - [01:08:07](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4087s) 针对影子 AI 威胁,Wiz 加入 Google Cloud 并推出 AI APP,通过无代理图谱建模和 Red/Green Agent 自动化实现高危代码漏洞的秒级分诊与修复。 - [01:16:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4580s) Gemini Enterprise for CX 驱动智能体商务,结合全渠道网关提供无缝上下文继承,家得宝与信实工业借此实现转化率提升与秒级海量图册解析。 - [01:24:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5056s) CX Agent Studio 提供低代码 Visual Builder 编排架构,YouTube TV 客服团队仅用六周即在生产环境中落地支持多语言切换的语音智能体。 - [01:26:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5190s) 推出 Workspace Intelligence 终结企业信息碎片化孤岛,支持 Ask Gemini 语义穿透检索并自动依据品牌规范生成 Google Slides 演示文稿。 - [01:33:43](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5623s) 联合利华联手 Horizon3 Labs 构建基于 Gemini Enterprise 的竞价采购多 Agent 决策系统,将原本数天的全球寻源分析缩短至数分钟完成。 - [01:35:53](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5753s) Thomas Kurian 总结 Google Cloud 的开放 AI 哲学,强调不构建封闭花园,为企业保留芯片选择、跨环境数据计算与深度自主治理的自由。 ## Detailed walkthrough ### [02:04](https://www.youtube.com/watch?v=11PBno-cJ1g&t=124s) 从试点走向生产:企业全面转型的统一技术栈 在全场热烈的欢呼声中,Google Cloud 首席执行官 Thomas Kurian 走上演讲台,拉开了 Google Cloud Next 的序幕。他回顾道,仅仅在一年前的同一个舞台上,Google Cloud 许下了关于 AI 未来的承诺;而如今,这一未来已经以前所未有的规模在生产环境中稳定运行。过去这一年所发生的不只是技术的采用,而是一场深刻的转型。目前已有近 75% 的 Google Cloud 客户利用其 AI 产品来驱动业务,成千上万个跨行业的智能体与服务正通过庞大的全球合作伙伴网络触达数十亿用户。 Thomas Kurian 明确指出,行业已经彻底告别了概念验证(PoC)和小规模试点的试验阶段,真正的挑战在于如何将 AI 全面落地到整个企业的生产系统之中。应对这一挑战的答案就是打造“统一技术栈”(unified stack)。他强调,企业绝不可能通过拼凑零散割裂的芯片和脱节的模型来交付真正的 AI 价值。相反,企业需要的是一种芯片专为模型优化、模型与企业数据深度接轨、智能体应用由模型构建并由底层基础设施提供全方位安全保障的一体化架构。这种架构同样也是 Google 内部用来重构 Search、YouTube、Chrome 和 Android 等十亿级用户产品的基础。 > “You cannot deliver AI by piecing together a puzzle piece of fragmented silicon and disconnected models.” —— Thomas Kurian - 约 75% 的 Google Cloud 客户已在业务中使用其 AI 产品。 - 智能体与服务已覆盖各行各业,借助全球伙伴网络触达数十亿用户。 - AI 落地的关键在于统一架构:定制芯片适配模型、数据接轨模型、基础设施保障安全。 --- ### [04:32](https://www.youtube.com/watch?v=11PBno-cJ1g&t=272s) Sundar Pichai 谈资本投入与 Google 内部的智能体化重构 Alphabet 兼 Google 首席执行官 Sundar Pichai 随后登台致辞。他提到科技变革的速度比他以往见过的任何时期都要迅猛,而恰逢本周日将是他入职 Google 的 22 周年纪念日(Googleversary)。从最初的 Web 时代到移动互联网,再到如今的 AI 变革,平台跃迁不断赋予技术推进核心使命的契机。进入“智能体时代”(agentic era),Google 正在进行大规模的前瞻性资本投入:2022 年公司的资本支出(CapEx)为 310 亿美元,而今年的资本支出计划提升至 1,750 亿至 1,850 亿美元之间,短短四年内增长了近 6 倍。预计到 2026 年,超过一半的机器学习算力将直接投向云计算业务,全面赋能客户与合作伙伴。 Sundar Pichai 强调,Google 始终坚持做自家技术的“0 号客户”(customer 0),在内部率先重塑工作流。首先在代码编写领域,Google 内部目前已有近 75% 的新代码由 AI 生成并由工程师审核,而这一比例在去年秋季仅为 50%。研发团队正全面转向真正的智能体工作流,工程师通过指挥自主数字特遣队来推进极其复杂的任务。例如,在近期一项高难度的复杂代码迁移项目中,Google 构建了由“规划者”(planners)、“协调者”(orchestrators)和“编码者”(coders)组成的三层智能体协同系统,最终比一年前提速 6 倍完成迁移,并且该方法已被复制推广到从实验、测试到评估(evals)的整个研发周期中。 在研发之外,其他核心业务流程也在被重构: - **市场营销**:以往针对不同受众、渠道和国家定制营销方案需要数周时间。在最近推广 Gemini 和 Chrome 的过程中,营销团队利用大模型快速生成了数千种素材变体,实现了超大规模的个性化定制,不仅将交付周期缩短了 70%,还将转化率提升了 20%。 - **安全运营**:安全团队每月需处理海量非结构化威胁报告。现在,安全运营中心(SOC)的智能体每月自动分拣处理数万份报告,快速提炼关键情报并过滤噪声,将威胁缓解时间缩减了 90% 以上。 > “Today, nearly 75% of all new code at Google is AI-generated and approved by engineers, up from 50% last fall.” —— Sundar Pichai - **资本支出大幅跃升**:从 2022 年的 310 亿美元增长至当前预期的 1,750 亿至 1,850 亿美元,四年接近 6 倍。 - **算力分配**:2026 年超过 50% 的 ML 算力将分配给 Google Cloud 业务。 - **研发效率提升**:智能体协作系统让复杂代码迁移速度提升 6 倍。 - **营销转化表现**:周转速度提高 70%,转化率提升 20%。 - **安全响应优化**:威胁报告自动分拣,威胁缓解时间减少逾 90%。 --- ### [08:48](https://www.youtube.com/watch?v=11PBno-cJ1g&t=528s) 发布 Gemini Enterprise Agent Platform:智能体企业的神经中枢 Sundar Pichai 指出,当前行业正处于技术创新周期中较为纷繁复杂的探索阶段,但底层的关键构件已经逐渐拼合完整,大势极其明确——我们已全面迈入智能体的 Gemini 时代。去年秋季推出的 Gemini Enterprise 为企业进入智能体 AI 打开了大门,让组织中的每位员工都有机会成为构建者。然而,这随之带来了全新的复杂度挑战:行业讨论的焦点已经从“我们能否构建一个智能体”迅速转变为“我们如何管理成千上万个智能体”。 为此,Sundar Pichai 正式宣布推出全新的 **Gemini Enterprise Agent Platform**。该平台被定位为企业的全栈连接纽带与安全中枢,为组织提供构建、扩展、治理和优化海量智能体所需的全部能力。Sundar Pichai 将其形容为智能体企业的“任务控制中心”(mission control),旨在帮助企业从容迈向智能体时代的下一发展阶段。 ```mermaid flowchart TD accTitle: Gemini Enterprise Agent Platform 控制中心架构 accDescr: 展示从业务逻辑、模型与数据输入,通过平台治理,分发至应用与自动化流程的全链路架构 subgraph Inputs["输入层 / 基础设施"] A["业务逻辑 (Business Logic)"] B["企业数据 (Enterprise Data)"] C["前沿模型 (Gemini 3.1 Pro / Claude 4.7 等)"] end subgraph Platform["Gemini Enterprise Agent Platform (控制中心)"] D["构建与编排 (Build & Orchestrate)"] E["扩展运行 (Scale)"] F["全生命周期治理 (Govern)"] G["性能与成本优化 (Optimize)"] end subgraph Outputs["输出与执行层"] H["自主任务执行 (Autonomous Actions)"] I["企业各部门智能体 (Task Forces)"] end A --> D B --> D C --> D D --> E E --> F F --> G G --> H G --> I ``` > “The conversation has gone from can we build an agent to how do we manage thousands of them?” —— Sundar Pichai --- ### [10:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=620s) 智能体企业蓝图:五层端到端架构解析 接回舞台控制权的 Thomas Kurian 进一步阐释了智能体企业(Agentic Enterprise)的系统蓝图。他提出企业智能化的核心公理:“智能加上自动化必须产生商业价值”(Intelligence plus automation must deliver value)。为了让这个公式真正奏效,系统必须兼备上下文(context)与执行能力(action)——智能来源于对企业数据的深度挖掘与理解,自动化则由各类智能体来驱动。要在大规模场景下解决这一问题,必须依赖一套严密的端到端集成系统。 Thomas Kurian 正式拆解了支撑整个智能体企业的五大技术层次: 1. **AI 超级计算机 (AI Hypercomputer)**:专为智能体时代的计算物理特性而设计与优化的定制底层基础设施。 2. **智能体数据云 (Agentic Data Cloud)**:为智能体源源不断提供可信业务上下文与语义理解的核心数据引擎。 3. **智能体防御 (Agentic Defense)**:自主化的全流程安全防护体系,护航整个 AI 生命周期的安全合规。 4. **智能体平台 (Gemini Enterprise Agent Platform)**:企业构建、部署、调度与全生命周期治理智能体的系统环境。 5. **智能体特遣队 (Agentic Task Force)**:开箱即用、面向各细分业务场景的高度专业化预构建智能体团队。 > “Gemini Enterprise is now the end-to-end system for the agentic era, the connective tissue between your data, your people, and your goals.” —— Thomas Kurian --- ### [12:02](https://www.youtube.com/watch?v=11PBno-cJ1g&t=722s) 前沿模型矩阵发布与全球标杆企业落地成果 聚焦于 Gemini Enterprise Agent Platform,Thomas Kurian 指出该平台进一步扩展了 Vertex AI 的核心能力,使企业能够以构建关键任务系统(mission-critical systems)所具备的严谨架构标准,去构建、治理和优化智能体。该平台的核心基石是强大的模型生态支持,并在现场公布了一系列处于预览阶段的最前沿模型: - **Gemini 3.1 Pro**:专为复杂工作流编排与长链条逻辑优化打造的最先进推理模型,能以极少的调优直接对接企业 API 和后台系统;已被 Databricks、JetBrains 及 Replit 选为底层模型。 - **Gemini 3.1 Flash Image(代号 Nano Banana 2)**:用于高保真度图像及视觉物料生成。 - **Veo 3.1 Lite**:极具性价比的高清视频模型,专为海量视频制作与生成式应用设计。 - **Lyria 3 Pro**:面向专业影视、音乐制作及企业级音频场景的顶级音频生成模型。 - **第三方与合作伙伴模型**:除自家模型外,平台全面支持 Anthropic 的 Claude Opus、Sonnet 与 Haiku 系列,并于当天正式上线对最新 **Claude Opus 4.7** 的支持。 在实际落地方面,Google 宣布与苹果(Apple)达成重磅合作,Google Cloud 成为苹果的首选云服务商,双方将基于 Gemini 技术联合打造下一代 Apple 基础模型,用以驱动未来的 Apple Intelligence 功能,包括预计将于今年晚些时候推出的更具个性化的全新 Siri。 此外,各行业顶级机构也在深度利用该平台完成业务跨越: - **花旗财富(Citi Wealth)**:携手 Google Cloud 与 DeepMind 发布了全天候运行的智能体 **Citi Sky**。该智能体能够以多语言环境将花旗的全球投资洞察直接呈现在客户与业务人员手边。 - **霍尼韦尔(Honeywell)**:在超过 100 万份产品规格说明书上训练物理数字孪生系统,为现代楼宇自动化管理生成了数十亿条优化洞见。 - **利物浦百货(Liverpool)**:将线下标杆性的导购体验迁移至线上,为其新一代专属购物助手测算出了高达 10 倍的投资回报率(ROI)。 > “We're collaborating with Apple as their preferred cloud provider to develop the next generation of Apple foundation models based on Gemini technology.” —— Thomas Kurian ### [15:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=942s) 智能体全生命周期管理:Agent Studio、注册表与生态集成 大会开场回顾了一项极具震撼力的合作成果:Google 与 NASA 联手,利用 Gemini Enterprise 智能体为阿尔忒弥斯二号(Artemis II)任务提供飞行就绪评估与宇航员安全保障,该任务刷新了人类载人航天距离地球最远的纪录。以此为引,演讲者深入阐述了专为全生命周期管理设计的智能体平台。低代码 Agent Studio 赋予每一位普通员工使用自然语言构建和部署智能体的能力;它能将大语言模型(LLM)的推理能力与企业具体的业务规则深度锚定,推动可预测的自主操作在大规模业务流程中落地。 ```mermaid flowchart LR accTitle: Gemini Enterprise Agent Platform Architecture accDescr: 展示从构建、注册、生态扩展到编排落地的整体智能体平台架构流程。 subgraph Build["构建与扩展"] A["Agent Studio (低代码)"] B["Skills & Tools Registry"] C["Agent Marketplace (ISV 生态)"] end subgraph Core["管控与互操作"] D["Agent Registry (集中控制)"] E["Model Context Protocol (MCP)"] end subgraph Execution["运行时协同"] F["GCP / Workspace 服务集成"] G["自主执行与工作流编排"] end A --> D B --> D C --> D D --> E E --> F F --> G ``` 为了统一纳管这些智能资产,平台推出了智能体注册表(Agent Registry),作为唯一的控制枢纽对全企业的内部智能体和工具进行索引与治理。配套的技能与工具注册表(Skills and Tools Registry)则支持将指令、脚本和资源打包为模块化、可复用的组件,以训练智能体处理专业任务;Google 还将 Google Cloud Platform(GCP)与 Google Workspace 的所有核心服务均作为标准技能对外开放。此外,Agent Marketplace 允许企业直接检索并部署第三方合作伙伴(包括 Atlassian、Box、Lovable、Oracle、ServiceNow、Workday 等)的专业智能体;通过对开源协议 Model Context Protocol (MCP) 的原生支持,平台既能连接任意外部 MCP 服务器,也将自身所有 GCP 服务以 MCP 形式暴露,实现与任意智能体的无缝互联。 - **NASA 阿尔忒弥斯二号合作**:在创下人类载人航天最远距离纪录的任务中,利用 Gemini Enterprise Agents 护航飞行就绪与宇航员安全。 - **Agent Studio**:让每名员工通过自然语言低代码构建、部署智能体,使推理与企业规则严格对齐。 - **Skills and Tools Registry**:定义模块化包(指令、脚本、资源),复用度高,全面覆盖 GCP 与 Workspace 各项服务。 - **生态与协议支持**:集成主流 SaaS 厂商智能体市场,并通过 MCP 实现双向互联互通。 ### [18:01](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1081s) 智能体编排与零信任安全架构 进入多智能体协同阶段,平台提供了扩展和编排整个“数字化劳动力”(Agentic Workforce)的核心框架。系统原生支持智能体间(Agent-to-Agent)的相互委托与协作,兼顾生成式探索与确定性编排模式,确保合规性极高的关键业务流程能够分毫不差地沿着既定路径执行,保证输出结果的绝对可预测。这些编排流与智能体能够灵活响应实时事件、定时计划、条件触发以及离线批量推理任务。 在安全与管控方面,平台将零信任验证理念全面下沉至每一个智能体与编排步骤。全新的“智能体身份”(Agent Identity)为每个智能体分配唯一的密码学身份凭证与细粒度授权策略,所有执行轨迹均可审计追踪。集中化的 Agent Gateway 充当全局策略执行的统一指挥中心;搭配安全防护层 Model Armor,不仅能实时防范模型层面的安全威胁,更能防止核心专有数据泄露。这一套从安全沙箱(Sandboxes)到统一管理控制台的闭环方案,赋予敏感业务极高的隔离性与可见性。 在底层可观测性上,平台深度遵循 OpenTelemetry (OTel) 遥测标准。运维与开发团队能够直接可视化任何智能体的端到端完整执行链路,细粒度检索调用追踪、监控工具使用状况,并实时分析和排查复杂的“推理死循环”(Reasoning Loops)。 - **多模式编排**:混合支持生成式(Generative)与确定性(Deterministic)流程,满足严苛合规要求。 - **Agent Identity**:每个智能体分配唯一密码学 ID,权限细化且全面支持审计回溯。 - **安全矩阵**:Agent Gateway 统一部署策略,Model Armor 防范越狱与敏感数据外泄。 - **OTel 级遥测监控**:原生支持 OpenTelemetry,提供调用链追踪、工具监控及推理循环诊断。 ### [20:33](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1233s) Gemini Enterprise 业务入口与 Virgin Voyages 落地实践 如果说智能体平台是技术团队构建和治理智能体的后台,那么 Gemini Enterprise 应用程序则是业务人员开展日常工作的全新前端总入口(Front Door)。它将底层的复杂能力转化为统一工作流,跨越 Google Workspace、开发工具以及企业内部系统,打破数据孤岛。为了给团队提供“持久记忆”,平台推出了“Gemini Enterprise Projects”,智能体在其中拥有高保真独立工作空间,支持运行 Deep Think 深度思考来化解棘手难题,且彻底避免上下文污染。此外,平台加入了对 Microsoft 365 的互操作性支持,画布(Canvas)中生成的文档和幻灯片可直接一键导出为标准的微软 Office 格式。 Virgin Voyages 首席执行官 Nirmal Saverimuttu 与副总裁 Billy Bohan Chinique 分享了他们的实践范式。邮轮行业面临严苛的网络物理限制——正如他们幽默谈到的:“邮轮屁股后面可没拖着一根光纤线。”通过在船上部署 Google Distributed Cloud Edge,邮轮实现了“即使离线,船上的智能依然在线”的高韧性架构。他们打造了基于 Gemini Enterprise 的专属私人礼宾“Rovey”(属于 Project 3D 项目),覆盖旅客从行前准备到登船游玩的整个度假生命周期。 Billy Bohan Chinique 指出:“我们利用 Google Cloud 的 AI 技术栈,不仅将生产上线周期缩短了多达 60%,更助力我们实现月环比增长 28%,创下了季度销售纪录。”公司甚至构想了未来的维珍生态联动体验:旅客搭乘维珍航空的航班、入住维珍酒店、最终登上维珍邮轮,全流程均由底层智能体网络无缝串联。Thomas Kurian 登台总结道:“试点时代已经结束,智能体时代已经到来;但真正的力量在于它如何改变你的工作流程。” - **Gemini Enterprise Projects**:提供高保真工作区与持久记忆,具备 Deep Think 深度推理能力且杜绝上下文污染。 - **Office 格式导出**:Canvas 生成的 Docs 和 Slides 支持原生导出为 Microsoft 365 对应格式。 - **Virgin Voyages 边缘 AI 落地**:依托 Google Distributed Cloud Edge 突破远洋断网瓶颈,实现离线智能推理。 - **业务成效**:开发上线周期缩减 60%,月度营收增长 28% 冲破历史销售峰值。 ### [24:09](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1449s) 现场实操:从市场研判到代码上线的全链路多智能体协同 演示人员 Erika Chuong 登台展示了一个端到端的多智能体协同用例。设定场景是一家跨国大型家居零售企业,业务人员需要在统一界面上处理业务上下文与外部数据源。Erika 调动了一组内置及自定义智能体,执行一项综合任务:盘点仓库中的滞销库存(Dead stock),研判当下最新的室内设计潮流,并自主编排落地一套旧品重推方案。 在接收到这句简短的提示词后,多智能体集群协同运转:Deep Research 驱动的“市场研究智能体”立即抓取 Google Search 趋势并交叉比对企业内部销售与 CSAT 满意度数据;“数据洞察智能体”连接跨区域、异构格式的全球产品目录,准确理解“Dead stock”指的是陈旧滞销库存,并在 Agentic Data Cloud 中完成匹配;“产品策略智能体”则汇聚两方输出给出决策方案。系统识别出当下的高客单价趋势是“有机现代风”(Organic Modern),而积压在库的“托斯卡纳系列”(Tuscany collection)风格与之高度重合但销量低迷;智能体最终建议:“重新包装品牌形象,并将价格重新定在现有折扣之上、竞争对手定价之下。” ```mermaid flowchart TD accTitle: Multi-Agent Collaborative Campaign Workflow accDescr: 跨智能体协同演示流程,展示从趋势研究、媒体生成、开发交付到宣发资料输出。 subgraph Discovery["洞察与规划"] P["单一自然语言提示词"] A1["市场研究智能体 (Deep Research)"] A2["数据洞察智能体 (Agentic Data Cloud)"] A3["产品策略智能体"] end subgraph Execution["生成与交付"] M["Veo 3.0 视频生成"] J["Jira 工单与 Chat 通知"] D1["开发智能体 (CLI 代码部署)"] W["Workspace 智能体 (生成演示文稿)"] end P --> A1 & A2 A1 & A2 --> A3 A3 -->|"方案批准"| M A3 -->|"更新官网"| J J --> D1 A3 -->|"分销商宣发"| W ``` 方案获批后,多智能体联动迅速展开后续落地交付: 1. **多模态内容生成**:策略智能体调用 Veo 3.0 模型,直接生成高拟真的全新有机生活场景营销视频,将托斯卡纳旧款家具置于现代化家居环境中。 2. **跨平台研发对接**:开发智能体直接联动 Jira 创建带完整上下文的研发工单,并通过 Google Chat 自动提醒工程师;工程师在命令行界面(CLI)唤起开发智能体,后者根据过往会话上下文、工单需求以及品牌代码规范,快速编写完成新落地页的前端代码并执行部署。 3. **分销渠道宣讲准备**:在全新的独立会话中,门店运营相关的提示词被触发;Gemini Enterprise 调取公司历史活动数据与销售目标,由 Google Workspace 智能体一键渲染出符合演示者个人排版风格的品牌演示文稿(Deck),供区域分销商培训使用。 - **复杂任务一键分发**:单条提示词驱动市场研究、数据洞察、产品策略等多个智能体并行处理。 - **Veo 3.0 商业生成**:无需实景拍摄,自动将指定家具产品植入符合目标风格的视频场景中。 - **跨工具链交接**:打通 Jira、Google Chat 与本地 CLI,开发智能体自动遵循企业代码与设计规范完成网页代码部署。 - **个性化办公集成**:联合 Workspace 智能体,自动提取历史上下文并根据个人风格定制输出分销商宣发幻灯片。 ### [28:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1722s) Gemini Enterprise Canvas 模式与多 Agent 协同总结 在演示现场,演讲者展示了 Gemini Enterprise 带来的全新 Canvas 模式。用户无需离开 Gemini Enterprise 界面,就能直接在侧边呼出的 Google Slides 中实时编辑演示文稿并与团队开展协同。演讲者演示了如何微调生成的幻灯片文案(例如将某处用词替换为更精确的“reimagined”),并在共享后迅速看到团队成员实时加入编辑。随后,演讲者对整个工作流进行了回顾:“We saw Gemini Enterprise orchestrate multiple agents with a single prompt, share context, and generate and collaborate content with Google Workspace, all supported by our enterprise-grade governance, which gives organizations the power to manage and secure agents at scale, all while maintaining control over their business data.” 这套底层治理架构不仅确保了业务数据的安全与可控,更让企业级多 Agent 的编排与规模化管控成为现实。 ```mermaid flowchart LR accTitle: Gemini Enterprise Agent Platform Workflow accDescr: 单个提示词驱动多 Agent 协同并在 Workspace 中协同完成交付的流程 subgraph Orchestration ["智能编排"] A["单提示词输入"] --> B["Gemini Enterprise 平台"] B --> C1["专业 Agent A"] B --> C2["专业 Agent B"] end subgraph ContextGovernance ["上下文与治理"] C1 & C2 <--> D["统一上下文与企业级数据治理"] end subgraph Collaboration ["落地与协作"] D --> E["Canvas 模式"] E --> F["Google Workspace<br/>(实时协作/幻灯片生成)"] end ``` ### [30:03](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1803s) 全球企业规模化落地:员工向“AI 构建者”的范式转变 Google Cloud 首席执行官 Thomas Kurian 重返舞台,指出全球数千家跨行业企业正在依托 Gemini Enterprise 实现业务重塑。他强调这种转变不仅是重新设计工作流程,更在文化层面带来了深层变革:“Companies aren't just redesigning workflows. They're turning their everyday employees into AI builders, empowering them to solve their own hardest problems.” 从普通员工到专业技术人员,每个人都在成为解决自身业务难题的 AI 构建者。 Thomas Kurian 列举了一系列头部企业的标杆落地数据: - **Signal Iduna(德国保险巨头)**:将 Gemini Enterprise 作为全员拥抱 AI 的统一入口,在数周内员工采用率即达到 80%。目前 11,000 名员工自主构建了各类专属 Agent;其中一款健康险 Agent 能自动对照一个世纪以来极其复杂的保单条款数据进行核保验证,使每周活跃用户量暴增 400%,解答速度提升 37%。 - **博世(Bosch)**:在全球范围内全方位部署 Gemini Enterprise,覆盖财务、工程等各个职能部门,员工通过部署自定义 Agent 释放了大量用于复杂研发与深度分析的宝贵时间。 - **毕马威(KPMG)**:在上线首月即达成 90% 的全员采用率,并迅速落地了 100 多个业务 Agent。 - **美国临床肿瘤学会(ASCO)**:利用平台更快速地分发前沿癌症诊疗专业知识。 - **默克(Merck)**:将 Gemini Enterprise 推广至 75,000 名员工,助力其拯救并改善生命的制药使命。 ### [31:52](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1912s) 沃尔玛:把技术赋予一线,让零售回归信任与陪伴 Thomas Kurian 随后引出了沃尔玛(Walmart)的大规模实践。沃尔玛执行副总裁兼首席运营官 Kieran Shanahan 在视频分享中阐述了沃尔玛“以人为本、科技赋能(people-led and tech-powered)”的运营哲学。他直言在瞬息万变的现代零售格局中,信任是企业立足的根本:“And our field leaders build trust by being present on the sales floor, not in their offices at a screen.” 现场主管赢得员工与顾客信任的方式是亲临卖场货架之间,而不是把自己关在办公室紧盯着电脑屏幕。 为彻底打破传统办公桌对一线管理者的束缚,沃尔玛通过与 Google Cloud 合作,将企业海量数据与 Gemini Enterprise 深度结合,为卖场主管和供应链负责人配备了接入企业内部数据的 Pixel Fold 折叠屏手机。一线领导者无需返回后台查阅多套报表,在卖场巡视走动时即可在几秒钟内获取以往需要耗费数小时才能检索到的关键指标与决策依据,从而把更多时间还给团队员工与顾客。 ### [33:21](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2001s) 携手美国国家队:Google Cloud 与冬奥选手的极限碰撞 Thomas Kurian 表示,在即将到来的全球体坛巅峰时刻前夕,Google Cloud 的顶尖工程师团队与世界级运动员展开了跨界深度合作。随后播放的纪录短片揭示了科技如何帮助运动员在动作分析中寻找极致的微小优势。数字营销副总裁 Sarah Kennedy 指出,部分极限运动历史积累的高精度数据极其匮乏,但这恰恰为 Google 提供了绝佳的攻坚舞台。 Google DeepMind 团队成员 Katherine Litinsky 解释称,该技术方案全栈运行在 Google Cloud 之上,其使用的 3D 姿态模型由团队与 Google DeepMind 联合研发,彻底超越了单纯与 LLM 进行文本对话的初级应用模式。这种亚秒级捕捉人体高难度空间动态的算法,能够在极速运动场景下还原动作细节。短片总结道:“If we can do that for the Winter Olympics in Milan, we can do that for any industry all over the world.” 如果这项技术能在米兰冬奥会的极限高压下稳定运行,其强大的空间多模态推理能力就能迁移至全球任何一个垂直工业领域。 ### [34:36](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2076s) 肖恩·怀特登台:从手持 DV 猜动作到 AI 登临雪山 在摇滚乐与全场欢呼声中,三届冬奥会单板滑雪金牌得主、传奇名将肖恩·怀特(Shaun White)登台。肖恩·怀特打趣道能在拉斯维加斯的沙漠里“看雪”感觉格外奇妙。他回忆起自己昔日严苛的训练岁月,彼时运动员可用的分析手段极其匮乏:“Look, back when I was training, our tools were camcorders and basically guesswork.” 过去完成一个腾空动作后,滑手和教练只能抱着老式家用摄像机倒带重放,全凭肉眼猜测旋转轴心和落地时机,苦苦思索该如何改进。 随着单板滑雪技术的演进,空中翻腾周数越来越大,U型池(half-pipe)的雪墙也越筑越高。今年冬天,肖恩·怀特与 Google Cloud 工程师深入合作,将顶尖 AI 算力与模型直接带到了雪场前线。随后,他邀请 Google Cloud 专家 Jason Davenport 登台,共同揭开这套多模态运动分析系统的神秘面纱。 ### [35:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2142s) 帧级空间解构:单板滑雪 1440 度转体的 AI 洞察 Jason Davenport 在现场大屏幕上调出了肖恩·怀特在 2017 年伯顿美国公开赛(Burton US Open)夺冠时的经典高光片段——一个在不到三秒内即完成的高速腾空动作。肖恩·怀特介绍该动作为“反脚外转两周偏轴转体 1440 度(Switch Cab Double Flip 1440)”,即以非惯用站姿起跳,在腾空阶段完成整整四圈水平旋转并夹带两次垂直空翻。在传统普通摄像机视角下,整个过程快到如同一道模糊残影,普通人甚至连滑手的身体朝向都无法分辨。 ```mermaid flowchart TD accTitle: Sports Motion Analysis on Google Cloud accDescr: 从扁平 2D 视频输入到 3D 空间骨骼姿态、运动动力学指标及彩带轨迹渲染的完整分析管线 A["原始输入: 传统 2D 视频 (平滑模糊画面)"] --> B["Google DeepMind 联合空间模型"] B --> C["高精度 3D 空间骨骼姿态捕捉"] C --> D1["Gemini 运动力学引擎"] C --> D2["三维运动彩带 (Ribbon Overlay)"] D1 --> E1["滞空时间精确统计<br/>(对比成败样本)"] D1 --> E2["角速度/出池扭矩分析"] D1 --> E3["团身压缩比 (Tuck Compression)"] D2 --> F["轴心翻转临界点捕捉<br/>(蓝绿色彩带轨迹突变)"] ``` Jason Davenport 与肖恩·怀特通过逐帧深度分析展示了系统的三大核心能力: 1. **2D 转 3D 空间姿态重建**:利用与 Google DeepMind 合作构建的空间模型,算法直接从扁平、低分辨率的 2D 视频中提取关节点深度信息,无须佩戴动作捕捉设备即可重建运动员在空中的真实三维骨架姿态。即使肖恩身着当年标志性的紧身黑皮衣与黑裤子,模型依然能穿透光影与材质完成稳定跟踪。 2. **Gemini 驱动的动力学分析指标**:系统能够实时量化飞行轨迹动力学、瞬时旋转角速度以及身体团身压缩度(tuck compression)。肖恩·怀特激动地表示,以往滑手根本无法确切得知自己的滞空时间究竟是多少毫秒,而现在他可以将成功落地与失误摔倒的历史镜头进行数字化比对,通过角速度与起跳出池(exit the pipe)扭矩的微观差异反哺训练。 3. **彩色三维姿态彩带(Ribbon Overlay)**:系统用一条连续变色的三维轨迹缎带实时渲染偏轴翻转(cork)过程。在轨迹由蓝变绿的交汇点,精准标记出了动作形态转换的“致命分水岭”——在完成前空翻向后空翻过渡的瞬间,如果错过了那几毫秒的节奏停顿点,落地就会完全失控。 在技术总结中,Jason Davenport 阐述了底层支撑这一成果的三大支柱:利用 Google Cloud TPU 针对海量空间多模态数据训练的垂直场景模型、强大的计算集群,以及提供安全数据与 Agent 基座的 Gemini Enterprise Agent Platform。肖恩·怀特最后强调,这项突破的意义不仅在于帮助滑雪运动员,更在于改变全球体育:“And look, from my personal experience, I can tell you, learning a trick on the mountain is one thing, but actually understanding the physics of a trick is a whole other thing.” 只有真正把动作背后的物理力学可视化,年轻一代运动员才能科学突破人类极限,全球普通观众也才能在转播中真正读懂高难度技巧的魅力所在。 ### [39:59](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2399s) AI 超级计算机与基础设施创新 在掌声中,Google Cloud 人工智能与基础设施高级副总裁兼首席技术专家 Amin Vahdat 登台。他从体育与企业对数据的应用差异切入,指出运动员依靠数据理解比赛,而企业则需要数据去“改变比赛规则”。这种要求不仅带来了对统一系统的极致压力测试,还直接撞上了物理学的硬壁垒——软件架构、硬件架构、供电、散热乃至光速的极限。针对这一挑战,Google 构建了 AI 超级计算机(AI Hypercomputer),将清洁能源、巨大的物理规模和专用基础设施整合为单一创新引擎。 “因为在智能体时代,算力不再由芯片定义。算力就是整个数据中心。”Amin Vahdat 强调道。目前,多位行业先驱已借助该平台推进关键业务:巴西最大电力公司 Axia Energia 在 TPU 集群上运行先进气象模型,提前 10 天预测极端天气并部署预防措施;Thinking Machine Labs 选用 NVIDIA 基础设施驱动其 Tinker 开源强化学习与微调平台;丰田旗下的 Woven by Toyota 将交通预测模型的训练速度提升了 42%;美国能源部在 17 个国家实验室全面铺开 AI 共同科学家(AI Co-scientists);波士顿动力(Boston Dynamics)则在训练并部署视觉语言模型,以扩展工业机器人应用。 - **物理约束**:AI 超级计算机旨在突破软件/硬件架构、电力、冷却和光速的极限。 - **产业应用案例**: - **Axia Energia**:提前 10 天预测恶劣天气,显著降低服务中断率。 - **Thinking Machine Labs**:基于 NVIDIA 算力构建前沿模型微调平台 Tinker。 - **Woven by Toyota**:复杂交通事件预测模型训练速度提升 42%。 - **美国能源部**:覆盖 17 个国家实验室加速科学发现。 --- ### [42:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2536s) 第八代 TPU:TPU 8t 与 TPU 8i Amin Vahdat 表示,进入智能体时代后,训练与推理(Serving)的算力需求已彻底分化。为了应对爆炸式增长的工作负载,Google 正式推出第八代 TPU 系列,并首次针对训练与推理两个场景分别构建专用芯片。 面向训练的 **TPU 8t** 将块缩放乘法(Block Scale Multiplication)直接移入矩阵乘法单元(MXU),消除了矢量处理单元(VPU)的开销,单 Pod 算力达到前代的近 3 倍。它搭载了全新芯片间互连技术,带宽较上一代 Ironwood 翻倍,借助 3D Torus 拓扑结构可连接多达 9,600 颗 TPU,提供 1.21 Exaflops 的 FP4 算力。此外,单个 Superpod 提供 2 PB 共享内存带宽,并结合 TPUDirect Storage 实现与受管存储的高速交互。 面向推理与强化学习的 **TPU 8i** 则内置专用的集合通信加速引擎,将延迟降低 5 倍,并首次实现全片上内存缓存,彻底打破了长上下文解码过程中的“内存墙”。通过全新的 Board Flight 拓扑,单个 Pod 内集成 1,152 颗 TPU,提供 11.6 Exaflops 的 FP8 算力,性能达到 256 芯片 Ironwood Pod 的 9.8 倍,可支持数百万智能体极低延迟并发运行。 ```mermaid flowchart TD accTitle: Google TPU 第八代双平台架构 accDescr: 展示第八代 TPU 分化出的专用训练芯片 TPU 8t 与专用推理芯片 TPU 8i 的技术指标和特性 subgraph TPU_Family["Google 第八代 TPU 架构"] direction TB subgraph TPU_8t["TPU 8t(训练优化)"] T1["原生 MXU 量化,消除 VPU 开销"] T2["3D Torus 拓扑连接 9,600 颗 TPU"] T3["单 Pod 提供 1.21 Exaflops FP4 算力"] T4["2 PB 共享带宽内存 + TPUDirect Storage"] end subgraph TPU_8i["TPU 8i(推理与强化学习优化)"] I1["集合通信加速引擎,延迟降低 5 倍"] I2["全片上内存缓存,突破长上下文内存墙"] I3["Board Flight 拓扑连接 1,152 颗 TPU"] I4["单 Pod 提供 11.6 Exaflops FP8 算力(提升 9.8 倍)"] end end ``` - **TPU 8t 关键指标**:9,600 芯片 3D Torus 互连、1.21 Exaflops FP4 算力、2 PB 共享带宽内存(相当于美国国会图书馆数字化馆藏规模的 100 倍)。 - **TPU 8i 关键指标**:1,152 芯片 Board Flight 拓扑、11.6 Exaflops FP8 算力、集合通信延迟缩减 5 倍、片上全缓存解码。 --- ### [45:05](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2705s) 全栈扩展:Axion CPU、Vera Rubin、Virgo 网络与 Citadel 实践 除了专用 AI 芯片,Google Cloud 进一步拓展了通用计算与网络生态。基于定制 Arm 架构的 Google Cloud Axion N48 实例相较同类 x86 实例性价比提高最多 2 倍,能效比提高 80%,专为消除 Logic Apps 冷启动设计,保证智能体全天候在线。同时,Google Cloud 宣布首批提供搭载 NVIDIA Vera Rubin NVL72 的实例,针对高交互性和长上下文负载带来 10 倍性能效率。 在存储与底层网络方面,Managed Lustre 存储吞吐量已达行业领先的 10 TB/s。新推出的 Virgo 网络将 Superpod 以外的互连能力翻倍,可连接 134,000 颗芯片,提供高达 47 PB/s 的无阻塞带宽与超过 170 万 Exaflops 算力。配合 Pathways 与 JAX 编排,百万级 TPU 集群将以往需要数月的训练任务缩短至数周。Virgo 网络同样兼容 NVIDIA Vera Rubin NVL72,最高支持扩展至 960,000 颗 GPU。 随后现场播放了全球做市商 Citadel Securities 的合作视频。首席运营官 Josh Woods 指出,团队每天交易额超过 5,000 亿美元,金融市场是以纳秒计时的;工程主管 Haris Nair 则补充,依托 TPU Ironwood 的数千芯片并行能力,原本需要数天或数周的工作现在只需数小时甚至数分钟完成。Josh Woods 评价道:“正如我们常说的,强手相遇碰撞出最锋利的刃。Google Cloud 与 Citadel Securities 的合作正是如此。” | 基础设施产品 / 技术 | 核心性能与规格 | 典型优化场景 | |:--- |:--- |:--- | | **Google Axion N48 (Arm)** | 性价比提升至 2 倍,能效比高 80% | 消除逻辑应用冷启动,保障智能体常驻运行 | | **NVIDIA Vera Rubin NVL72** | 性能效率提升 10 倍 | 高交互性模型与超长上下文任务 | | **Managed Lustre** | 吞吐量高达 10 TB/s | 大模型快速读取海量训练数据集 | | **Virgo Network** | 47 PB/s 无阻塞带宽,连接 13.4 万 TPU 或 96 万 GPU | 跨 Superpod 线性无损扩展,百万芯片集群编排 | --- ### [49:00](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2940s) 自主运维与智能体数据云:Knowledge Catalog Vahdat 回到讲台总结指出,面对如此庞大的集群,“在这个规模下,你不可能让人工去手动排查配置错误。你需要一个会自主驾驶的云。” Google Cloud 采用模型上下文协议(Model Context Protocol,MCP),将每项云服务转化为智能体可直接编排调用的工具。同时,通过将 Gemini 推理能力注入遥测系统,云平台已能实现自主根因分析,在客户察觉故障前即可自动修复错误配置。 随后,Karthik Narain 登台开启“智能体数据云”(Agentic Data Cloud)环节。他直言:“缺乏上下文的推理只是一种猜测。当你期望 AI 做出决策、智能体采取行动时,你无法承担猜测的代价。”为此,Google 带来了四大基础创新中的核心组件——Knowledge Catalog。 Knowledge Catalog 充当企业的通用上下文引擎。在结构化数据端,它原生集成 BigQuery,将表格与元数据映射为统一的业务逻辑;在非结构化数据端,依托 Smart Storage,PDF 或图像文件一旦上传至 Google Cloud Storage,无需人工数据工程即可秒级完成打标、富集与智能体化就绪。它由 Gemini 原生驱动,自主读取文件并提取实体、映射关系,深度理解“净收入”或“风险”等专有业务语义。例如,英国电信与媒体巨头 Virgin Media O2 借此激活了其拥有的 20,000 余项此前未充分利用的数据资产。 - **自主运维系统**:Gemini 遥测推理实时执行根因分析,自主排查与修复错误。 - **智能体数据云架构**: - **Knowledge Catalog**:联通结构化与非结构化资产的通用上下文引擎。 - **Smart Storage**:数据入库即完成自动化元数据提取与智能体赋能。 - **业务语义对齐**:自主关联企业特有术语和实体关系,避免大模型“凭空猜测”。 ### [52:06](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3126s) Agentic Data Cloud:Knowledge Catalog 与 Data Agent Kit 在演讲中,Google Cloud 展示了如何打破数据割裂,为全球产品团队释放数据潜能。通过与 Palantir、Salesforce、SAP、ServiceNow 和 Workday 等应用、操作系统及 AI 平台建立直接的“零数据复制”(Zero-Copy)访问通道,企业能够瞬间获取覆盖整个业务生态的完整业务上下文。这种可信上下文正是自主智能体确信执行任务的基石。为了让这股力量融入每位员工的日常,Google Cloud 将 Knowledge Catalog 与 Gemini Enterprise 的 Deep Research Agent 深度集成,实现跨企业内部数据与公网 Web 数据的多步复杂推理,输出带有精准来源引用的商业决策依据,将过去耗费数周的手工调研压缩至无缝瞬时完成。 紧接着,官方正式公布了基于 Gemini 的全新数据科学开发套件——Data Agent Kit,旨在彻底重构数据科学家的日常工作流。团队强调其初衷不是打造另一个让用户重新学习的封闭平台,而是以丰富的 AI 技能库和插件形式,全面嵌入工程师现有的工作环境(如 VS Code、Cloud Code、Gemini CLI 等本地 IDE、笔记本或终端)。用户只需通过自然语言表达核心意图(例如“预测客户流失”),环境即可自主接管,在 Google Agentic Data Cloud 上自动构建数据流水线并完成模型部署,实现从业务目标到业务结果的直线闭环。在拜耳作物科学(Bayer Crop Science),这套方案彻底消除了繁琐的数据管理与分析阻碍,让科研人员能够专注于开创性的可持续农业创新。 - **多平台零复制直连**:原生支持打通 Palantir、Salesforce、SAP、ServiceNow、Workday 等主流企业 SaaS 与 AI 平台。 - **环境免迁移**:Data Agent Kit 支持开发者在常用的 VS Code、Cloud Code 或 Gemini CLI 中无缝调用。 - **端到端自主化**:从意图输入到流水线构建、模型部署与复杂编排全流程自治执行。 ### [54:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3270s) Lightning Engine 与跨云数据湖仓(Cross-Cloud Lakehouse) 伴随智能体时代的爆发,对底层数据吞吐与计算规模的需求呈现极致增长。为此,Google Cloud 推出了专为 Apache Spark 打造的全新计算引擎——Lightning Engine。该引擎在为 Spark 提供极致性能的同时,实现了相比前代市场领导者高达 2 倍的性价比跃迁,帮助 Flipkart、Lowe's 和 Meesho 等头部企业大幅加速其 Spark 生产负载。演讲者明确指出了技术演进的核心逻辑:“reasoning with trusted context enables autonomous agents, and with the Lightning Engine, that autonomy operates at massive scale.” 随后,大会直面了数据架构领域长期存在的终极争议:企业数据究竟该存放在哪里?现实中,数据散落于 Google Cloud、AWS、Azure 以及各类 SaaS 之间,而传统的湖仓一体(Lakehouse)架构死板地要求分析引擎必须与存储位于同一朵云内。演讲者直言不讳:“This approach is broken.” 为此,Google Cloud 正式发布基于 Apache Iceberg 开源标准的 Cross-Cloud Lakehouse(跨云数据湖仓)。该架构打破了云间边界,无需繁琐的网络配置或承受高昂的数据出网费(Egress Fees),便能以如同操作 Google Cloud 本地数据一般的低延迟直接读取 AWS 与 Azure 中的数据,真正终结了数据搬迁与厂商绑定。 ```mermaid flowchart LR accTitle: Cross-Cloud Lakehouse Architecture accDescr: BigQuery engine reasons over multi-cloud storage via Iceberg without data movement. subgraph MultiCloud["跨云底层存储 (Apache Iceberg)"] AWS["AWS S3 Iceberg 数据"] GCP["Google Cloud Storage"] AZ["Azure Data Lake Storage"] end subgraph Engine["统一分析与计算"] Lightning["Lightning Engine (Spark)"] BQ["BigQuery 分析引擎"] end subgraph Agents["智能体应用层"] GeminiAgents["Gemini 自主智能体"] end AWS -->|"低延迟直连 (零数据复制)"| BQ GCP -->|"原生集成"| BQ AZ -->|"跨云推理"| BQ BQ --- Lightning BQ --> GeminiAgents ``` - **Spark 性能与性价比突破**:Lightning Engine 达到此前市场领先架构 2 倍的性价比。 - **免迁移分析**:跨云数据湖仓支持 BigQuery 直接在 AWS S3 和 Azure 上依据 Iceberg 标准执行计算,消除数据出网费风险。 - **跨行业客户实证**: - **沃达丰(Vodafone)**:统一数据底座至 BigQuery,并上线数百个 Gemini Enterprise 智能体主动排查故障、优化基建,每年节省数百万美元。 - **麦格理银行(Macquarie Bank)**:全员部署 Gemini Enterprise,依托 BigQuery 与 Spanner 打造 7x24 小时 AI 助手,成功将客户遭遇欺诈的损失降低了一半。 - **美国运通(American Express)**:将核心数据集中于 Google Cloud,大幅提速全球欺诈与风险评估。 - **好市多(Costco)**:通过 BigQuery 加速数百万会员的用户画像洞察与价值经营。 ### [58:44](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3524s) Yasmeen Ahmad 现场演示:5 分钟完成 1500 万美元商业决策 Yasmeen Ahmad 登台将技术方案转化为现场实操:“Most companies take five weeks to turn a trend into a decision. We're going to do it in five minutes.” 她演示了一家冷冻酸奶品牌如何破除暗数据(Dark Data)、打破数据孤岛(Data Silos)并摆脱手工编码。系统的工作流触发器捕获到一款名为“Midnight Swirl”的冷冻酸奶风潮,业务需要立刻评估其安全性(过敏原)、目标客群规模以及实际投资回报率(ROI)。 在首道安全防线中,成千上万份食谱均以 PDF 形式归档。若针对 PDF 食谱直接搜索头号过敏原“大豆(soy)”,返回结果为零;然而食谱中含有代号为“Base 204”的原料,需要翻阅独立的供应商手册才能发现 Base 204 实际含有大豆成分。传统的生成式搜索无法关联分散在两份独立 PDF 中的暗数据,但借助集成了 PDF 解析能力的 Knowledge Catalog,Gemini 自主推理并抽取实体,动态生成包含食谱、原料与过敏原映射的“产品规格”(product specs)关联模式(Schema),瞬间定位隐藏大豆成分,并在输出中提供可溯源的数据引用。 随后,Yasmeen 面临市场圈选难题:在保护大豆过敏顾客的前提下,需要筛选全球无大豆过敏偏好的精准客群。此时,过敏原 Schema 存储在 Google Cloud,而拥有数百万用户膳食偏好的忠诚会员列表却存放在 AWS S3(Iceberg 格式)中。以往跨云迁移通常需要数据工程师花费三天时间,而 Cross-Cloud Lakehouse 允许数据完全留在原地。Gemini 在遵循安全权限的前提下预先拟定执行计划,交由身为“主厨”的数据科学家审查。确认后,任务交由底层 Lightning Engine 执行,仅用数秒便完成跨 AWS 与 BigQuery 源的跨云过滤匹配。 在最后的 ROI 测算环节,Gemini 编排专业数据科学工具,生成多步执行方案。Yasmeen 将蒙特卡洛模拟次数由 1,000 次调整为 2,000 次,Gemini 便自动在后台构建完整的代码笔记本并在 Spark Lightning Engine 上调度运行,当场测算出剔除大豆过敏群体后依然存在高达 1,500 万美元的强劲全球市场需求。整个过程用时不到 5 分钟,计时器倒计时结束时全场欢呼。 - **破除三大传统阻碍**:通过 Knowledge Catalog 破解“暗数据”,通过 Cross-Cloud Lakehouse 击穿“跨云孤岛”,通过智能体工具终结“手动编写代码”。 - **全透明可控**:智能体在执行清洗和分析前生成完整工作计划,工程师扮演“主厨”角色把控方案(支持修改仿真参数等关键设置)。 - **五分钟落地成果**:从捕捉 Midnight Swirl 社交趋势、排除潜在食品安全隐患,到跨云测算会员画像与 1,500 万美元的预期回报闭环。 ### [01:04:18](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3858s) Francis deSouza 论述智能体安全防线(Agentic Defense) Yasmeen 完成演示后,Francis deSouza 登台开启“Agentic Defense”(智能体防御)篇章。deSouza 提出,当企业赋能 AI 智能体拥有端到端行动权限时,安全体系本身必须升格为一种自主防御力量,其响应速度必须彻底超越威胁发生的速度。面对由 AI 驱动的新型网络攻击,传统依赖人类分析师的人工响应模式已难以招架。 deSouza 列举了当前网络对抗环境中触目惊心的严峻数据:行业平均漏洞利用时间(Mean Time to Exploit)已经暴跌至“负 7 天”,这意味着现在的攻击往往在官方安全补丁发布前一周就已经在黑市与暗网中爆发;更为极端的是,攻击者在完成初始访问突破(Initial Access)到将控制权移交至次级威胁团伙进行深度渗透的交接时间,已经从过去的 8 小时断崖式缩减至区区 22 秒。他警示全场:“Your security must operate at machine speed.” 为了在机器速度的攻防战中占据主动,Google Cloud 正在将沉重的安全运营重心全面迁移至原生集成 Gemini 的智能体安全运营中心(Agentic SOC),通过让自动化分诊智能体介入,将原本长达 30 分钟的手工调查流程推向极速自动化。 - **漏洞利用周期逆转**:平均漏洞利用时间达到负 7 天,零日攻击与补丁前渗透常态化。 - **攻击横向交接加速**:初始突破至二次攻击团伙移交时间从 8 小时急剧压缩至 22 秒。 - **防御范式跃迁**:必须依靠以机器速度运行的 Gemini 原生 Agentic SOC 才能实现全面对抗。 ### [01:05:36](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3936s) 全球威胁情报与 Agentic Defense 的毫秒级防御 Google Cloud 正在将其安全运营中心推向全新的自主化阶段,将以往漫长的威胁响应周期彻底压缩为 60 秒内的自动化处置。全新的威胁捕猎与检测 Agent 能够主动对企业环境展开持续巡检,其广度与速度是任何传统人工团队都无法企及的。该防御体系建立在 Google 顶级的安全遥测基础之上,融合了 Mandiant 的攻防前线情报、VirusTotal 的全球恶意样本库以及 Chrome 的海量端点感知能力。更进一步的是,借助深度整合的暗网威胁情报,系统识别企业外部威胁的准确率高达 98%。 在要求最为严苛的金融基础设施领域,Google 的安全体系正在发挥关键作用。全球最大的衍生品交易平台芝加哥商品交易所集团(CME Group)便深度依赖由 Mandiant、Security Command Center 与 Google SecOps 构成的统一安全技术栈,以抵御各种前所未见的新型网络攻击。面对瞬息万变的金融高压环境,Google 的超低延迟解决方案为 CME Group 提供了纳秒级的精准防护,在每日承载数十亿笔交易平稳运转的同时,有效降低了新交易者的准入门槛。 - **超高识别精度**:整合暗网情报网络,外部安全威胁识别准确率达 98%。 - **核心案例**:CME Group 依托 Mandiant、Security Command Center 和 Google SecOps 保护衍生品交易系统,实现纳秒级低延迟防御。 --- ### [01:06:50](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4010s) 应对影子 AI:Wiz 正式加入 Google Cloud 在当今企业环境中,最严峻的安全威胁已不仅来自外部黑客,更来自无处不在的“影子 AI”(Shadow AI)——即大量在企业内私自运行、脱离 IT 与安全团队掌控的未授权模型与自主 Agent。为了正面击破这一痛点,Google Cloud 将业界最深度的安全上下文直接注入自身的 AI 底座之中,并由 Francis deSouza 正式宣布 Wiz 团队加入 Google Cloud,现场随即爆发出热烈的掌声。 通过将 Gemini Enterprise 的 Agent 管理治理平台与 Wiz 的多云资产检测能力相结合,双方共同为智能体企业(Agentic Enterprise)确立了下一代安全基态。Gemini Enterprise 负责规范与保护业务 Agent 的逻辑与执行,而 Wiz 则将防护触角延伸至本地机房及全球各大主流公有云的每一处底层资产。正如 Francis deSouza 所强调的那样: > “Together, we are building a new security posture for the agentic enterprise.” --- ### [01:08:07](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4087s) Wiz 首创 AI APP 架构与自主攻防 Agent Wiz 联合创始人 Yinon Costica 登台后回顾了团队的初心:从第一天起就致力于帮助客户保护其构建和运行的一切资产。过去 Wiz 依靠统一代码、云环境与运行时上下文来匹配开发者的迭代节奏,但如今生成式 AI 的爆发彻底颠覆了攻防态势,自主化软件、超大规模代码生成以及武器化 AI 攻击层出不穷。Yinon Costica 指出,安全防护必须以同等量级的速度进化: > “To protect this new frontier, security must now move at machine speed.” 为此,Wiz 推出了业界首个 AI 应用保护平台(AI Application Protection Platform,简称 AI APP)。该平台专为解决 AI 时代的四大核心挑战而设计:为安全团队提供穿透整个 AI 技术栈的全方位可见性、在攻击者利用之前主动发现并修复关键漏洞、助力开发者在支持 AI 的 IDE 中做到“源头即安全”(Secure by Design),以及武装 SecOps 团队以遏制针对云与 AI 环境的新型威胁。为了跑赢攻击者,Wiz 构建了一组分别以红队、蓝队、绿队命名的专家级 AI Agent,依托独创的安全知识图谱(Security Graph)在后台以机器速度协同工作。 ```mermaid flowchart TD accTitle: Wiz AI APP 安全闭环架构 accDescr: 展示从无代理发现、构建安全知识图谱,到 Red Agent 攻防验证、Green Agent 自动分诊并交付 CodeMender 修复的全流程。 subgraph Discovery["资产发现与建模"] A["无代理扫描 (Agentless)"] --> B["多云与代码资产动态清单"] B --> C["构建动态安全知识图谱 (Security Graph)"] end subgraph Verification["攻防验证"] C --> D["Wiz Red Agent (友好黑客)"] D --> E["验证高危路径 (如身份绕过漏洞)"] end subgraph Remediation["自动化修复"] E --> F["Wiz Green Agent (自动分诊)"] F --> G["定位源码行号与责任人"] G --> H["自动推送 PR 至开发者 IDE"] G --> I["交由 CodeMender 自动修复代码"] end ``` 在现场演示环节中,Yinon Costica 展示了 Wiz 如何在无代理(Agentless)的前提下,自动从云端和代码库中梳理出动态资产清单,并生成描绘 AI 应用架构与调用逻辑的鲜活图谱。大屏幕上展示了一个运行在公有云上、具备数据库查询与代码执行权限的 Agent:Wiz 瞬间将其标红,指出其既暴露于公网,又连通着敏感客户数据。紧接着登场的是充当“友好黑客”的 Wiz Red Agent,它模拟顶尖红队的攻击手法对该暴露点进行穿透,立刻坐实了一个身份验证绕过(Authentication Bypass)高危漏洞,证明攻击者可借此窃取底层敏感数据。随后,Wiz Green Agent 介入接管过去需要繁琐开会、扯皮的工单分诊流程,秒级定位出引发漏洞的具体代码行号与负责人,并直接联动像 CodeMender 这样的自主编码 Agent 在源码仓库中提交修复,完美完成了从“验证风险”到“落地修复”的全自动化闭环。 --- ### [01:14:23](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4463s) 贯通开发者与防守者:全球龙头企业的信任背书 Francis deSouza 重新回到台前总结道,Google 智能体 SOC(Agentic SOC)与 Wiz 深度云环境上下文的无缝整合,彻底打通了安全防御者与业务开发者之间的断层,让企业在任何场景下部署生成式 AI 都能高枕无忧。这种端到端能力已经在全球关键基础设施与政企机构中落地生根:洛杉矶水电局(LADWP)正在借助该体系强化关键基础设施安全,为 2028 年洛杉矶奥运会保驾护航;新加坡通信与信息安全科技局(CSIT)则借此建立起针对前沿数字威胁的主动防御机制;星展银行(DBS)更将防护能力直接内嵌至核心系统架构,实现威胁的实时捕获与响应。 在资本市场与跨国实业领域,摩根士丹利(Morgan Stanley)已将 Wiz 作为其云安全战略的核心支柱,并在其持续演进的混合云架构中同步扩展部署 Google Cloud Security 能力。此外,雀巢(Nestlé)、酩悦·轩尼诗-路易·威登(LVMH)、宝马(BMW)以及壳牌(Shell)等享誉全球的行业巨头,都选择信赖 Google 与 Wiz 的联合防护网。Francis deSouza 总结了双方融合的技术精髓: > “Google and Wiz provide a unified agentic defense that is secure by design and autonomous by nature.” - **关键基础设施保障**:护航洛杉矶水电局(备战 2028 奥运会)、赋能新加坡 CSIT 数字防线。 - **金融行业实践**:DBS 银行实时阻断风险,Morgan Stanley 将 Wiz 与 Google 安全能力作为云战略基石。 - **跨国实业巨头采纳**:Nestlé、LVMH、BMW、Shell 依托该架构实现业务的“源头即安全”。 --- ### [01:16:20](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4580s) Agentic Taskforce:智能体商务与全渠道客户体验变革 随着安全基座的固若金汤,企业得以将精力全面转向创新。Carrie Tharp 登台阐述了 Google 如何利用这套坚实的技术底座解决企业面临的两大核心命题:优质服务客户,以及让员工工作更聪明。Google 的核心策略是部署一支协同作业的“智能体特遣队”(Agentic Taskforce)——这些高度专业化的 Agent 不再只是被动的辅助插件,而是直接作为业务团队的编外力量并肩运作。在智能体时代,AI Agent 已经成为企业商业版图的战略性延伸。 今年早些时候,Google 推出了面向客户体验的 Gemini Enterprise 套件(Gemini Enterprise for Customer Experience),致力于重塑从最初的产品发现到后续售后服务的完整用户旅程。该套件的核心引擎便是“智能体商务”(Agentic Commerce):预置的购物与点餐 Agent 允许消费者完全通过日常自然语言对话,自主完成从意图探索、精准选品直到结算下单的全流程,并与后端客户互动 Agent 深度联结,把每一次普通交流转化为创造收入与提升复购的机会。 商业落地的成果正在全球零售与消费领域迅速显现。例如披萨连锁品牌棒约翰(Papa John's)正在基于订餐 Agent 打造高精度的个性化点单系统,能够智能记忆用户的历史口味偏好与定制要求,大幅压缩配餐出单时间。而在实时客户服务环节,Agent Assist 工具则在后台对人工客服进行实时辅导,快速提示精准应答方案;零售巨头百思买(Best Buy)更进一步借助该平台,让自主 Agent 独立引导顾客解析晦涩的电子产品技术参数、处理疑难售后退换,乃至自动预约上门服务。最后,全新的全渠道网关(Omnichannel Gateway)为企业构建了统一的上下文连接层,确保当消费者从 Web 端文字聊天无缝切换到手机端甚至语音通话时,全渠道客户上下文得以完整保留,彻底终结了用户反复重述诉求的历史。 ### [01:18:37](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4717s) 零售巨头落地实践:家得宝与信实工业的客户体验智能体 在跨渠道与多语言的交互场景中,基于 Gemini Enterprise for Customer Experience 构建的智能体展现出卓越的上下文连贯性——用户中断后重新进入对话时,系统能无缝衔接先前的记忆,并依托媲美真人的多语言语音能力在全球范围内弹性扩展。这一技术已被家得宝(The Home Depot)深度引入其实体零售与数字商城全场景,用于驱动其名为“Magic Apron Assistant”(魔法围裙助手)的智能服务。 在展示家得宝实践的视频连线中,家得宝副总裁 Jordan Broggi 拆解了经典的消费行为闭环:“客户的旅程通常始于灵感,接着进入研究调研阶段,再转向选购与付款,最终进入实际施工或使用。”(“There's a customer journey that often starts with inspiration, goes into research, and then into shopping and buying and then into doing.”)他指出,Magic Apron 的定位就是充当贯穿整个旅程的数字化智能体,重现顾客踏入线下门店时所体验到的标志性“橙色围裙”贴心服务。家得宝科技副总裁 Angie Brown 则强调了底层模型对端到端业务的赋能:“Gemini Enterprise 是我们 Magic Apron 项目的基石,它赋予了我们支撑这些顶尖技术所必需的算力与响应速度。”(“If you just focus for a second on Gemini Enterprise and you think about how it's the bedrock of what we are doing with Magic Apron, it gives us the power and the speed in which we need in order to power these great technologies.”) 借助基于智能体的统一后端,家得宝成功消除了各渠道之间的割裂。在线下门店内,顾客使用该智能体进行货架寻路(wayfinding)、咨询商品细节以及排查零配件兼容性;回到家中,顾客又可以在官网上借助它汲取设计灵感并跟踪履约。Jordan Broggi 特别提到,“最关键的是,我们观察到使用该工具的顾客转化率明显高于未使用人群。” 随后,Google Cloud 全球零售与消费品副总裁 Carrie Tharp 登台阐述,这一套智能体方案不仅适用于传统全渠道巨头,也正在深刻重塑数字原生与电商产业。例如,印度巨头信实工业(Reliance)为本土数亿消费者打造了全流程导购智能体。顾客仅需在对话框中输入一句“策划一场生日派对”,智能体便会自动跨品类规划动线并一键装满购物车,从而拉动客单价提升。背后支撑这一高效推荐的,是基于 Gemini 的商品图册智能扩充能力,系统仅需几分钟便可解析并标记过去需要数月才能处理完的海量商品图像。同时,Carrie Tharp 披露,Google 内部团队如 Google Store、Google Photos、Google One 以及 YouTube 亦已全面接入该架构。 - **全流程覆盖**:Magic Apron 覆盖用户从寻灵感、做调研、下单采购到售后使用与支持的全生命周期。 - **业务转化验证**:家得宝在门店寻路、参数匹配与多渠道协同场景中实测证实,使用智能体助手的用户转化率显著提高。 - **高并发图册解析**:信实工业利用 Gemini 将海量商品图像与元数据的解析周期由数月压缩至数分钟级别。 --- ### [01:21:40](https://www.youtube.com/watch?v=11PBno-cJ1g&t=4900s) YouTube TV 实机演示:现场电话接入与实时西语转译 为了向现场观众证明该方案在真实高并发业务中的稳定性,Google Cloud 高级产品经理 Patrick Marlow 走上舞台,现场连线了已在生产环境中为 100% 用户提供服务的 YouTube TV 语音客服智能体。该智能体专门用于处理 NFL 周日超级票(NFL Sunday Ticket)和 YouTube TV 基础订阅套餐的咨询与销售。 Patrick 当场拨通了真实客服热线,开门见山地向 AI 抛出实际痛点:自己家里没装有线电视,明天要请一帮好友来家里看 NFL 选秀大会,而且自己平时基本只看体育节目,询问是否有专属套餐。客服智能体反应十分灵敏,准确指出用户可以选择 YouTube TV Sports Plan(体育专属套餐),并详尽说明该套餐涵盖选秀转播及额外 30 多个体育频道,价格比标准基础套餐便宜 18 美元。当智能体主动询问是否需要向来电手机发送直达购买链接时,Patrick 顺水推舟同意,并在几秒钟内收到了短信推送。 随后,Patrick 模拟了一个复杂的家庭跨语种使用场景。他对着电话表示岳父就在身边也想办理,并用西语简短寒暄后要求智能体向其岳父做个总结:“能否用西班牙语为他快速介绍一下这个套餐?他只想确认能不能同时看橄榄球(Football)和英式足球(Fútbol)。”(“Actually, could you just quickly summarize this plan for him in Spanish? I think he just wants to know that he can get both football e football.”)智能体毫无迟滞地切换至流利的地道西班牙语,从容交代了赛事版权与套餐内容。当 Patrick 进一步追问是否允许在客厅和后院露台的多台电视上同时播放时,智能体精准答复该套餐支持多达三台设备同时在线串流。展示进入尾声时,Patrick 开玩笑称自己正站在数万人的体育馆舞台中央且有数百万人观看直播所以必须挂断,全场爆发出笑声与掌声。 ```mermaid flowchart TD accTitle: YouTube TV Voice Agent Workflow accDescr: An end-to-end flow showing the customer call, multi-agent reasoning, language pivoting, and fulfillment. subgraph UserInteraction["用户端交互"] A["呼叫支持专线"] --> B["自然语言提问 (体育套餐诉求)"] B --> C["跨语种无缝切换 (西语套餐解答)"] C --> D["设备并发限制咨询 (支持 3 台流媒体)"] end subgraph AgentPlatform["CX Agent Studio 编排架构"] E["语音接入网关"] --> F["中央调度主智能体"] F --> G["知识库/报价工具 (Price Finder)"] F --> H["多语言实时翻译引擎"] end subgraph Fulfillment["业务系统履约"] I["短信网关发送直达购买链接"] end A --> E B --> F F --> G C --> H B -.-> I ``` --- ### [01:24:16](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5056s) CX Agent Studio:企业级低代码多智能体编排与秒级迭代 通话结束后,Patrick Marlowe 立即解答了技术决策者的核心顾虑:当企业面对复杂的商业逻辑变更或促销上线时,是否需要耗费软件工程师团队维护海量代码?答案是否定的,这正是 CX Agent Studio 核心价值所在。 Patrick 在大屏幕上展示了 CX Agent Studio 内置的 Visual Builder(可视化构建器)界面。该界面呈现了 YouTube TV 正在生产环境中运行的真实 Agent 拓扑:由主编排器管理各个专有子智能体(Subagents),每个子智能体各司其职,从而将复杂的业务路由解耦。针对业务可信度,平台配备了内置测试界面,确保智能体的每一次应答都严格基于底层的知识库进行事实对齐(grounding),例如直接调用实时的“Price Finder”(价格查询)工具,彻底杜绝大模型幻觉。最令人惊叹的是交付周期——Patrick 指出:“最棒的部分是,YouTube TV 客服团队从搭建到正式上线整套服务,只用了短短六周。”(“And the best part? YouTube TV customer support built and deployed this entire experience in just six weeks.”) ```mermaid flowchart LR accTitle: CX Agent Studio Architectural Overview accDescr: The visual architecture showing multi-agent orchestration, grounding with enterprise tools, and analytics. subgraph StudioEngine["CX Agent Studio 架构体系"] direction TB subgraph Orchestration["多智能体编排 (Visual Builder)"] Main["主调度 Agent"] --> Sub1["订阅问答 Agent"] Main --> Sub2["故障排查 Agent"] Main --> Sub3["新促销 Agent (Promotions)"] end subgraph GroundingLayer["事实对齐与业务工具"] Tools["企业知识库"] PriceTool["Price Finder 实时定价接口"] end subgraph Monitoring["观测与洞察"] Insights["Conversational Insights<br/>通话全指标监控看板"] end end Sub1 --- GroundingLayer Sub3 --- GroundingLayer Main -.-> Insights ``` 为了证明系统的灵活性,Patrick 现场演练了一次实时业务变更:假设市场团队需要立刻推出一项新促销活动,他只需点击“添加新子智能体”,将其命名为“Promotions”,并以纯粹的人类自然语言填入促销业务规则,点击创建后,整套多智能体网络就瞬间吸收了这一专有业务分支。随后,他调出了 Conversational Insights(会话洞察看板),展示当天早晨测试通话的端到端执行链路与表现数据。他总结道,从处理复杂的真实多语言客服咨询,到新开促销逻辑并实现全球上线,整个过程耗时不到四分钟,这充分展现了 Gemini Enterprise 融合企业级推理、深层工具调用与快速敏捷迭代的工业化威力。 --- ### [01:26:30](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5190s) 引入 Workspace Intelligence:终结企业信息碎片化孤岛 随着掌声响起,Google Workspace 产品副总裁 Yulie Kwon Kim 步入聚光灯下。她开篇点出了全球数亿办公人群在数字化协作中的痛点:“Google Workspace 是全球最受欢迎的生产力工具。但即便我们触手可及都是顶尖工具,工作依然让人感到不可思议的碎片化。”(“Google Workspace is the world's most popular productivity tool. But even with the best tools at our fingertips, work can still feel incredibly fragmented.”) Yulie 生动地勾勒出职场人士日常面临的典型窘境:为了查清一个看似简单的业务问题,仅仅十分钟之后,浏览器里就已经堆积了 15 个打开的标签页——大家不得不在一封过期的旧邮件、一份正被同事实时编辑的演示幻灯片(Slide deck)、以及一张庞大而混乱的电子表格之间反复跳转。许多人一天中一半的时间耗费在“寻找信息”上,另一半时间则耗费在“研究该拿这些信息怎么办”上。 为了彻底消除上下文的撕裂感,Yulie 隆重宣布推出 **Workspace Intelligence**。该产品依托 Gemini 最前沿的逻辑推理能力与业界顶尖的 Embedding(向量嵌入)模型,在整个 Workspace 套件内部植入了一层统一的全局智能中枢,让各应用无缝互联,真正将跨工具的数据整理重担交由 AI 接管。 在后续场景演示中,Yulie 承接了大会早前展示的一套家具品牌重塑(rebrand)案例,设定自己扮演该业务的区域分销主管。在 Google Chat 界面中,团队协同与智能体交互已浑然一体。当她在 Regional Managers(区域经理)聊天空间讨论时,由 Gemini Enterprise 所构建的“Regional Operations Agent”(区域运营智能体)自动发来警报,提示新一批展位陈列工具套件(display kits)将提前运抵,随即引爆了群内各方的大量追问。 面对扑面而来的消息洪流,Yulie 直接唤出内嵌的 **Ask Gemini** 命令中心。Gemini 即刻为她梳理出全局优先事项:智能提炼出眼下最高优先级的待办事项,自动附上了急需进行本地化适配的商业演示文稿链接,并着重标注了下午 4:00 必须提交区域规划的最后截止时间。整个梳理过程无需在多个软件和标签页之间手忙脚乱地切换。紧接着,Yulie 需要为规划案调取上一季度的区域销售图表,她没有像往常那样进入文件夹漫无目的地翻找数十份历史文档,而是用口语向 Gemini 下达明确指令:“找出上一季度的陈列规划手册(merchandising playbook),就是带区域销售图表的那一份。”她强调,这背后绝非粗糙的关键词匹配,而是 Workspace Intelligence 深刻理解多模态办公内容语义后的精准穿透检索。 ### [01:29:45](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5385s) Workspace Intelligence:终结“上下文税”与跨应用文档生成 演示者通过一个典型的工作流场景展示了 Workspace Intelligence 的威力。面对散落在各处的会议记录和文件内容,系统能直接定位到包含所需图表的精准文档,在数秒内解决“大海捞针”的数据检索难题。随后,演示者希望将这些零碎的数据转化为一份针对区域门店经理的标准汇报方案。通过 Ask Gemini,用户无需手动拼凑排版,只需调用特定技能标签并下达指令:“使用区域营销方案技能(regional campaign skill)……制作一份包含有机生活方案的幻灯片。” ```mermaid flowchart TD accTitle: Workspace Intelligence 幻灯片生成工作流 accDescr: 展示 Workspace Intelligence 如何整合多渠道企业数据并生成标准汇报幻灯片 subgraph InputSources ["多源上下文自动抓取"] A["会议纪要与文件"] B["Gmail 邮件与 Chat 聊天"] C["HubSpot 实时赢单/输单数据"] end subgraph Orchestration ["智能编排处理"] D["Ask Gemini 技能调用<br/>(Regional Campaign Skill)"] E["品牌规范与历史模板匹配"] end subgraph OutputResult ["交付成果"] F["Google Slides 演示文稿<br/>(含完整引用来源 Citations)"] end InputSources --> D D --> E E --> F ``` Workspace Intelligence 自动开展跨渠道数据联动:它交叉检索了用户的邮件、聊天记录及其他文档,甚至拉取了 HubSpot 中的实时赢单/输单数据,并严格遵照企业自身的品牌规范,自动生成了一套排版精美的 Google Slides 演示文稿。幻灯片上方清楚标注了所有未经用户逐个询问便自动汇聚的来源引用(citations)。演示者强调:“Workspace Intelligence is the end of the context tax. It transforms how you work by turning fragmented information into a clear path forward.”(Workspace Intelligence 终结了‘上下文税’,它通过将零散破碎的信息转化为清晰的前进路径,彻底改变了你的工作方式。) - **自动化与合规性**:无需复杂配置,在保障企业安全的前提下自动继承历史演示文稿的结构与公司品牌视觉规范。 - **视觉品质**:生成的演示文稿具备专业设计师般的排版水准,而非冷冰冰的代码输出终端感。 --- ### [01:31:43](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5503s) 客户落地实践与从 M365 迁移提速 5 倍 从简单的自动化走向全方位的 AI 编排,各行各业的领军企业正在利用 Google Workspace 重新定义全球生产力。现场列举了多维度的全球企业转型案例: - **高露洁-棕榈(Colgate-Palmolive)**:面向 34,000 名员工全面推广 Google Workspace。借助基于 Gemini 构建的 AI Agent,团队将原本需要耗时数月的数据分析缩短至数分钟即可转化为新产品概念,并盘活数十年销售历史数据以挖掘增长洞察。 - **Natura**:借助定制化 Agent 将数据驱动型报告的生成速度提升了整整 10 倍。 - **大韩航空(Korean Air)**:超过 22,000 名全球员工利用 AI Agent 与工具,全面加速高影响力的运营调度与旅客关怀服务。 - **Compass Real Estate**:Gemini 承担了经纪人的繁琐事务性工作,使员工得以专注于高价值的客户关系拓展。 面对众多有意转向 Workspace 但担忧迁移复杂度的企业,现场宣布了一项重大基础设施进展:得益于最新的迁移工具与互操作性(interoperability)优化,企业将全员(包括系统极为复杂的财务团队)从 Microsoft 365 迁移到 Google Workspace 的速度最高可提升 5 倍。演讲者呼吁现场参会者大胆关掉浏览器里的十几个标签页,让 Workspace Intelligence 真正承担起日常工作的繁重负担。 --- ### [01:33:43](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5623s) 联合利华的多 Agent 采购实践:从数天缩短至数分钟 Thomas Kurian 重返舞台,引出全球标志性快消巨头联合利华(Unilever)的实践分享。联合利华每天为全球 3.7 亿消费者提供产品,通过与 Google Cloud 合作,利用 AI 实现了大规模的个性化与需求挖掘。 联合利华首席数字与信息官 Sam Kini 表示,公司正将业务端到端连接,利用 AI 激发需求生成,并依托 Google Cloud 打造的坚实数字化底座深化与零售商的合作。随后,联合利华的 Daphne Coates 深入解析了其“竞价采购多 Agent 解决方案(competitive buying multiagentic solution)”的技术架构: ```mermaid flowchart LR accTitle: 联合利华竞价采购多 Agent 架构 accDescr: 展示联合利华基于 Google Cloud 构建的多 Agent 协同采购决策系统 subgraph CorePlatform ["Google Cloud 核心基座"] A["Gemini Enterprise"] B["ADK (Agent Development Kit)"] C["Gemini 底层模型"] end subgraph OrchestrationLayer ["Horizon3 Labs 联合研发"] D["统一操作界面 (Single UI)"] E["多 Agent 协同编排"] end subgraph BusinessValue ["业务成效"] F["采购分析与决策从数天压缩至数分钟"] G["更智能的全球寻源决策"] end CorePlatform --> OrchestrationLayer OrchestrationLayer --> BusinessValue ``` 该系统由联合利华与 Horizon3 Labs 联合打造,在架构设计之初就确立了性能、规模、安全与可观测性四大基准。依托 Gemini Enterprise 与 ADK(Agent Development Kit,Agent 开发工具包),系统通过一个单一用户界面编排大量协同工作的专业 Agent,帮助采购团队将原本需要耗费数天的分析决策流程缩短至数分钟内完成。正如 Sam Kini 所总结的那样:“With Google Cloud, we are turning intelligence into a growth engine.”(在 Google Cloud 的赋能下,我们正在将智能转化为企业增长的引擎。) --- ### [01:35:53](https://www.youtube.com/watch?v=11PBno-cJ1g&t=5753s) 开放 AI 哲学与 Agentic Enterprise 全景蓝图收官 在演讲的尾声,Thomas Kurian 阐述了 Google Cloud 与竞争对手最本质的战略差异——坚持开放的 AI 未来。Kurian 尖锐地批评了封闭生态:“While others want to lock you into a walled garden that owns your models, your data, and your agents, we offer you an integrated stack, but the freedom to choose the world's best chips and models, the freedom to run AI wherever your data may live, the freedom to control your own destiny with deep governance features.”(当其他人试图将你锁定在掌控你的模型、数据与 Agent 的围墙花园时,我们为你提供全栈集成的能力,同时也给予你选择全球顶尖芯片与模型的自由、在数据所在任意环境运行 AI 的自由,以及通过深度治理功能主宰自身命运的自由。) 为加速企业落地,Google Cloud 正在与全球顶级生态伙伴构建前沿工程网络: - **全球咨询巨头**:埃森哲(Accenture)、波士顿咨询(BCG)、德勤(Deloitte)与麦肯锡(McKinsey)均宣布大规模扩建其 Google Gemini AI 业务部门。 - **AI 领域服务伙伴**:Quantium、Distyl 以及 Tribe.AI 等机构正在协助各类独立软件开发商(ISV)和 SaaS 企业利用 Gemini Enterprise Agent Platform 重构其软件产品。 - **中小企业赋能**:通过 Gemini Enterprise 与 Google Workspace 的无缝融合,让先进的 Agent 能力下沉普及至广大中小企业。 ```mermaid flowchart TD accTitle: Agentic Enterprise 五大核心支柱蓝图 accDescr: 总结 Thomas Kurian 在 Next 26 主题演讲中提出的企业 Agent 蓝图体系 A["Agentic Enterprise Blueprint<br/>企业智能体蓝图"] A --> B["1. AI Hypercomputer<br/>专为 Agent 时代物理特性打造的算力底座"] A --> C["2. Agentic Data Cloud<br/>为 Agent 提供可信业务上下文的数据引擎"] A --> D["3. Agentic Defense<br/>覆盖全生命周期的自主安全防御体系"] A --> E["4. Gemini Enterprise Agent Platform<br/>构建、部署与管理 Agent 的核心平台"] A --> F["5. Agentic Taskforce<br/>通过 Gemini Enterprise 应用交付的专业智能体工种"] ``` Kurian 系统性回顾了全场发布的五大核心支柱:AI Hypercomputer 算力底座、Agentic Data Cloud 数据引擎、Agentic Defense 安全防线、Gemini Enterprise Agent Platform 平台以及贯穿前台的 Agentic Taskforce。他由衷感谢了全球客户与研发团队的付出,并宣布该平台已完全就绪,正式开启为期三天的 Google Cloud Next 盛会。 ## Notable quotes > [02:04](https://www.youtube.com/watch?v=11PBno-cJ1g&t=124s) You cannot deliver AI by piecing together a puzzle piece of fragmented silicon and disconnected models. — Thomas Kurian > [08:48](https://www.youtube.com/watch?v=11PBno-cJ1g&t=528s) The conversation has gone from can we build an agent to how do we manage thousands of them? — Sundar Pichai > [30:03](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1803s) Companies aren't just redesigning workflows. They're turning their everyday employees into AI builders, empowering them to solve their own hardest problems. — Thomas Kurian > [01:04:18](https://www.youtube.com/watch?v=11PBno-cJ1g&t=3858s) Your security must operate at machine speed. — Francis deSouza > [31:52](https://www.youtube.com/watch?v=11PBno-cJ1g&t=1912s) And our field leaders build trust by being present on the sales floor, not in their offices at a screen. — Kieran Shanahan > [35:42](https://www.youtube.com/watch?v=11PBno-cJ1g&t=2142s) And look, from my personal experience, I can tell you, learning a trick on the mountain is one thing, but actually understanding the physics of a trick is a whole other thing. — Shaun White ## Mentioned Google Cloud, Thomas Kurian, Sundar Pichai, Gemini Enterprise, Gemini Enterprise Agent Platform, Gemini 3.1 Pro, Gemini 3.1 Flash Image, Veo 3.1 Lite, Lyria 3 Pro, Claude Opus 4.7, Apple, NASA, Artemis II, Agent Studio, Agent Registry, Skills and Tools Registry, Agent Marketplace, Model Context Protocol, Model Armor, Virgin Voyages, Google Distributed Cloud Edge, Walmart, Shaun White, Jason Davenport, Google DeepMind, Amin Vahdat, AI Hypercomputer, TPU 8t, TPU 8i, Google Cloud Axion, NVIDIA Vera Rubin NVL72, Virgo Network, Citadel Securities, Karthik Narain, Knowledge Catalog, Agentic Data Cloud, Data Agent Kit, Lightning Engine, Cross-Cloud Lakehouse, BigQuery, Apache Iceberg, Yasmeen Ahmad, Francis deSouza, Agentic SOC, Mandiant, VirusTotal, CME Group, Wiz, Yinon Costica, AI Application Protection Platform, CodeMender, Carrie Tharp, Agentic Taskforce, The Home Depot, Patrick Marlow, YouTube TV, CX Agent Studio, Google Workspace, Yulie Kwon Kim, Workspace Intelligence, Unilever, Sam Kini ## Video description The Next '26 Opening Keynote introduces the blueprint for the agentic enterprise, guiding businesses through the shift from AI adoption to large-scale transformation. Join Google Cloud CEO Thomas Kurian for major product announcements and hear from global customers who are partnering with Google Cloud to drive real-world impact. To watch the Opening Keynote with ASL https://youtube.com/live/Pm7yGm6Fgl4 Ready to enter the agentic era? Try the Gemini Enterprise app today. https://business.gemini.google AI agent-ready? Find out with our expert diagnostic. Book now. https://cloud.google.com/events/next26-offer-2 Watch more: 100+ sessions from Google Cloud Next 26 → https://www.googlecloudevents.com/next-vegas/ Subscribe to Google Cloud → https://goo.gle/GoogleCloud Chapters 00:00 Countdown 00:12 Agentic Enterprise Blueprint 12:02 Gemini Enterprise Agent Platform 39:58 AI Hypercomputer 50:01 Agentic Data Cloud 1:04:40 Agentic Defense 1:16:20. Agentic Taskforce 1:33:52 Closing Remarks [Source](https://www.youtube.com/watch?v=11PBno-cJ1g)

Source quotes

[2:04] Thomas Kurian: You cannot deliver AI by piecing together a puzzle piece of fragmented silicon and disconnected models. [8:48] Sundar Pichai: The conversation has gone from can we build an agent to how do we manage thousands of them? [30:03] Thomas Kurian: Companies aren't just redesigning workflows. They're turning their everyday employees into AI builders, empowering them to solve their own hardest problems. [64:18] Francis deSouza: Your security must operate at machine speed. [31:52] Kieran Shanahan: And our field leaders build trust by being present on the sales floor, not in their offices at a screen. [35:42] Shaun White: And look, from my personal experience, I can tell you, learning a trick on the mountain is one thing, but actually understanding the physics of a trick is a whole other thing.