主Keynote定调：AI代理时代已真实到来
Google Cloud CEO Thomas Kurian 在开场时明确指出："The agentic enterprise is real（代理型企业已真实存在）”。这意味着，过去两年中尚处于探讨阶段的AI代理（Agent）落地问题，如今在To B市场已进入实际部署阶段。本次Google Cloud Next大会的核心主线，正是围绕这一趋势展开。
Thomas的演讲围绕四大支柱展开：构建（Build）、拓展（Scale）、治理（Govern）与优化（Optimize），并系统性介绍了Google Cloud为支撑AI代理时代所构建的五层技术架构：
- AI Hypercomputer基础设施层：以最新一代TPU（训练用TPU v8T与推理用TPU v8I）为核心，辅以定制GPU；
- Agentic Data Cloud数据层：专为代理工作流设计的数据管理平台；
- Agentic Device安全层：安全被单独列为第三层，优先级极高，凸显其战略地位；
- Agentic Platform and Models模型层：包括Gemini 3.1 Pro、Gemini 3.1 Flash（即Image Nano Banana 2）、音乐模型Lia3、视频模型VU 3.1 Light，以及Anthropic新发布的Opera 4.7；
- Agentic Task Force任务层：面向企业员工的生产力工具，如Genetic Task Force与Workspace集成方案。
值得注意的是，Google近期以320亿美元收购AI安全公司Wiz，并在Keynote中邀请其联合演讲，进一步强化了安全能力的整合。Thomas强调，安全不是附加功能，而是独立架构层。
"The agentic enterprise is real. It’s not a future vision — it’s happening today."
"Security isn’t bolted on — it’s embedded at every layer, starting from the device up to the model."
核心数据与战略协同：内部AI化与生态开放
紧随Thomas演讲后，Google集团CEO Sundar Pichai（被戏称“劈柴哥”）通过视频连线披露了两项关键内部数据：
- Google第一方API调用Token已达160亿次/分钟，较上季度（100亿次）增长60%，而再上一季度仅为70亿次——半年内翻倍；
- Google内部75%的新代码由AI生成，较上季度的50%大幅提升，表明AI已深度嵌入研发流程。
这些数据印证了AI从“辅助工具”向“核心生产力”的跃迁。
在生态策略上，Google Cloud展现出显著的开放姿态：Keynote中多次展示与苹果、微软、NVIDIA、AWS的集成能力——
- 苹果下一代AI模型将由Google Cloud提供支撑；
- Gemini Enterprise可无缝对接Microsoft 365；
- Google Infra为NVIDIA最新Blackwell芯片首批支持者；
- 新数据库服务支持跨云对接AWS与Azure。
这种“跨云兼容、多生态协同”的策略，既回应了企业客户对避免厂商锁定的诉求，也体现了Google Cloud在云竞争中以开放换生态、以合作促增长的务实路径。
"We’re not building a walled garden — we’re building the open foundation for the agentic era."
"When Apple, Microsoft, NVIDIA, and even AWS appear on our stage — that’s not noise, that’s signal."
TPU v8：训练与推理分道，硬件战略升级
Google SVP兼首席技术官、AI与基础设施负责人 Prabhakar Raghav（阿明）在Keynote中正式发布TPU第八代芯片，并首次按场景拆分为两个版本：
- TPU v8T：面向模型训练；
- TPU v8I：面向模型推理。
这一调整源于市场趋势的转变：推理需求正迅速超越训练需求，第三方预测显示未来推理算力需求将占比超50%。Google由此从“重训练”转向“训练+推理并重”的硬件战略。
现场展示了搭载TPU v8与定制GPU的机柜，芯片台升起时蓝灯闪烁，引发全场热烈掌声。此外，初创公司Shinkimachine（由OpenAI前CEO Miriam B.创立）分享了其使用TPU后训练效率提升2倍的实测案例，印证了硬件性能优势。
在后续分论坛中，Anthropic如何在Cloud上规模化使用TPU成为焦点。Google工程师详解TPU性能参数，Anthropic工程师则分享其在Gemini与Claude模型训练中的TPU调度实践——凸显TPU不仅是Google自用武器，更是对外赋能的战略支点。
"We’re not just selling chips — we’re selling a complete agentic stack, from silicon to software."
四场核心分论坛：从TPU到软件范式重构
Google Cloud Next 的四场关键分论坛构成了理解其战略重心的完整拼图。第一场聚焦 TPU 的技术演进路径，由 Google 官方技术人员与 Anthropic 工程师共同呈现，内容高度技术导向：涵盖模型训练中如何最大化 TPU 性能、小规模到大规模集群的扩展挑战、以及各类硬件配置优化策略。整场演讲硬核程度极高，即便以专业视角也需借助笔记工具梳理。第二场名为 Agents in Action，由 Google Ventures 的 GP Crystal Huang 主持，对话三家中标垂类 AI Agent 公司：法律领域的 Harvey（当前垂类 Agent 中收入最高者）、金融领域的 Rogel（服务二级市场分析师）、以及服务银行/政府等传统机构 IT 改造的“机械果园”。值得注意的是，这三家公司均为 Google 投资企业，凸显其通过生态投资布局垂直场景的战略意图。第三场 After Software 由 Anthropic 技术骨干主讲，提出“AI 能力每 7 个月翻倍”的核心判断，并指出软件开发的重心正从实施部署转向问题定义与界定——当 AI 编码能力成熟，识别并框定问题的价值将远超执行本身。第四场 Behind Google's Strategic Bet in AI 是 Acquired 播客对 Google Infra 负责人 Amin 与 DeepMind 首席科学家 Jeff 的深度访谈，系统复盘了 TPU 十余年发展史，涵盖从芯片设计、制造封装到数据中心电力等物理层挑战。四场论坛共同指向一个结论：Google 的战略押注远不止于 TPU 硬件本身，而是围绕 异构算力生态、垂直场景落地、软件范式重构与长期基础设施主权 的系统性布局。
‘AI 能力的翻倍速度是每七个月，比摩尔定律快得多得多。’
‘当 AI 编码能力成熟，识别并框定问题的价值将远超执行本身。’
垂类 Agent 的现实生存逻辑
在 Agents in Action 分论坛中，Harvey、Rogel 与机械果园的代表提出了多个颠覆行业共识的观察。首先，垂类客户对模型厂商的单一依赖难以满足复杂任务需求，因此中间层的路由与编排能力具有真实价值；其次，金融、法律等核心行业客户对数据安全、流程合规与权限控制的要求极为严苛，导致 Agent 公司必须在隐私工程与系统集成上投入远超预期的成本；第三，当前阶段‘按结果付费’仍属理想化模式，主流商业模式仍是‘基础订阅 + 功能拓展包 + 少量结果导向模块’的复合结构；最后，行业普遍面临 ‘既懂垂类业务 Know-How，又懂 AI 边界’的复合型人才极度稀缺 的困境——这不仅是 Agent 公司的痛点，更是所有构建 LangChain/Agent 架构企业的共性挑战。这些经验揭示：在大模型泛化能力持续增强的背景下，垂类 Agent 的护城河并非模型本身，而在于对行业流程的深度嵌入能力与信任构建能力。
‘垂类客户今天很难找到一家模型厂商能满足他们极其复杂的任务链路。’
‘现在最吃香的人，是既懂法律/金融/IT流程，又懂大模型能做什么、不能做什么的人。’
Google 的战略暗线：生态投资与并购的复利效应
贯穿整场 Next 大会的隐性主线是 Google 对生态资产的系统性整合——战略投资与并购不仅是财务行为，更是构建技术主权与场景闭环的关键杠杆。典型案例包括：收购 Dune 增强数据可视化能力；投资并即将从 SPACX 上市中获得潜在千亿美元级回报（初始投资仅数亿美元），印证其对早期颠覆性技术的前瞻性布局；收购安全公司 Waves 补足 Cloud 安全产品线；收购 Producer AI 强化其在专业级 AI 创作（如音乐生成）领域的工具链掌控力。尤为关键的是，对 Harvey、Rogel、机械果园等垂类 Agent 公司的投资，既带来财务回报，更帮助 Google 深度理解行业Know-How、反哺大模型训练数据质量与对齐方向，并加速构建从基础设施（TPU）到应用层（Agent）的全栈能力。这种‘技术自研 + 生态投资 + 场景验证’的组合策略，使 Google 在 AI 时代既保持底层控制力，又避免陷入‘技术孤岛’陷阱。
‘Google 对 SPACX 的早期投资，若马斯克公司达两万亿美元估值，可能带来千亿美元级现金回报。’
‘生态投资的价值不仅在于财务回报，更在于获取行业Know-How、反哺模型演进与构建场景闭环。’
战略投资：生态与知识的双重布局
Google 的战略投资并非仅出于财务回报目的——尽管其对如 Harvey Ragin 等三家被投垂类 AI Agent 公司的持股确实带来了可观收益；更重要的是，这些投资构成了 Google 在 AI 生态中的一条暗线战略。通过深度参与行业 AI Agent 的发展，Google 不仅能积累复杂行业的 domain know-how，还能反向推动其通用生成式模型的演进。这种“投资+协同”的模式，使其在垂直场景落地与通用模型迭代之间形成闭环，从而在多维竞争中占据先机。
对于生态的建设，对于更复杂行业的 know how，甚至可能反过来帮助 Generative 模型的演进而言，都会带来帮助。
所以你发现，战略投资跟并购对于 Google 这家公司其实也蛮重要的，这是一条暗线。
场景化演示：用真实影响力引爆现场情绪
Google Cloud Next 大会现场两次热烈掌声，揭示了一种极具感染力的叙事方式：将前沿技术与高可信度、高情感共鸣的真实场景结合。第一次发生在 Keynote 中，当三届奥运冠军、滑雪传奇人物肖恩·怀特（Shaun White）登场时，现场不仅喷射假雪营造氛围，更引发观众集体惊呼——他现场展示了 Gemini 如何助力美国滑雪队优化动作表现；第二次则来自汤姆斯关于 Gemini 与 NASA 合作、改进航天飞机的演示。这些案例并非技术堆砌，而是以人类成就为锚点的 AI 价值具象化，极大增强了技术的可信度与公众共鸣。
肖恩怀特，就是他出现的时候，现场喷射那个假的雪花，然后真的大家很多人发出惊呼。
所以。呃，这是一种特别不一样的趋势。我会觉得，对于很多我们的厂商而言，我们可能缺少了一点点这样的东西。
节奏反思：大招期待与生态竞争的现实落差
尽管行业普遍期待 Google 在 Next 大会上发布“大招”，但作者指出，大会筹备周期（约两个月）与当前 AI 行业“以月为单位更新”的节奏存在天然错位——因此，缺乏颠覆性新品发布实属预期之内。真正值得关注的是，Google 已将竞争重心从单点模型突破，转向全栈式生态较量：包括 Agent 架构、TPU 算力底座、开放策略与安全治理的系统性协同。这种“慢一步、深一步”的节奏，恰恰体现了其对长期领导力的耐心构建。
其实这场大会应该是两个月之前就已经基本确定形成的。那你是不太能指望这个节奏去满足今天可能 AI 行业一月为更新节奏的状态，所以其实它不太可能出现什么大招。
所以会议结束之后……我说跟预期的一样，其实没有大招。但比赛似乎已经进入全方位的生态的较量。