「试点时代
结束了」全栈豪赌

过去两年，Google Cloud 在 AI 应用层堆积了太多品牌：Vertex AI、Agentspace、Agent Development Kit（ADK）、Vertex AI Studio、Model Garden……企业客户在销售对话中经常问的一个问题是："这些到底什么关系？"这个问题在 Next 2026 上得到了正式回答——Google 将上述产品整体重命名为 Gemini Enterprise Agent Platform，统一在同一个 umbrella 品牌之下，并新增 Agent Observability（链路追踪、成本监控、异常检测的 AIOps 层）。

整合的信号不只是品牌层面。Google 同时宣布了 Workspace Studio——一个嵌入 Gmail、Docs、Sheets 的无代码 Agent 构建器，非技术用户可以在熟悉的 Office 类界面里直接拖拽连接不同的数据源和 Agent，调用 A2A 协议编排跨系统工作流。这是 Google 在回答竞争对手的挑战——微软用 Copilot 嵌入 Office 365，Salesforce 用 Agentforce 嵌入 CRM，现在 Google 用 Workspace Studio 嵌入 30 亿用户的生产力工具生态。分发才是最深的护城河。

Google 这次发布了两款性格截然不同的 TPU，背后是一个重要的工程判断：训练和推理是两种完全不同的计算问题，应该用完全不同的芯片来解决。

"近线性扩展"是这里最重要的技术声明——大多数分布式训练系统在超过数千块 GPU 后会遭遇严重的通信瓶颈，Google 声称 TPU 8t 可以平滑扩展到百万芯片级别，关键在于 Virgo 网络的两层扁平拓扑设计，省去传统 Fat-tree 架构的多跳延迟。TPU 8i 的设计思路则与 Groq 的 LPU 有哲学共鸣：把 SRAM 做大，减少对 HBM 的依赖，让权重尽量常驻片上，消除内存带宽瓶颈——区别在于 Google 的实现规模更大、生态整合更深。

2025 年，Google 联合微软、Salesforce、SAP 等公司发布了 Agent-to-Agent（A2A）协议，用于解决不同厂商 AI Agent 之间的互操作性问题。当时业界的反应是审慎乐观——好主意，但没人知道会不会真的被采纳。一年后，答案来了：在 Next 2026 上，Google 宣布 A2A 协议升级至 v1.2，150 家组织已将 A2A 部署至生产环境，微软 Azure AI Foundry、AWS Bedrock 已原生支持，A2A 协议已提交 Linux Foundation 托管，进入开放治理阶段。

v1.2 引入的最重要新能力是密码学 Agent Cards：每个 Agent 携带由可信机构签发的数字身份证明，解决了此前最大的安全痛点——你无法验证和你通信的另一个 Agent 是否是它声称的那个 Agent。值得注意的是，A2A 和 Anthropic 主导的 MCP（Model Context Protocol）并非竞争关系：MCP 解决"Agent 如何调用工具/API"，A2A 解决"Agent 与 Agent 之间如何委托任务"。Google 在 ADK 中同时支持两个协议——这是务实的选择，也是对 MCP 事实标准地位的默认承认。

Agentic Data Cloud 是 Google 对企业数据层的重新定位——核心诉求是让 Agent 能安全访问企业跨系统的数据，而不需要把数据都搬到同一个地方。其中 Cross-cloud Lakehouse 最具战略意味：BigQuery 可以直接查询存放在 AWS S3、Azure Data Lake 的数据，无需 ETL——企业不需要"all-in Google Cloud"就能使用 Google 的 AI 层，这直接消解了"迁移成本"作为竞争壁垒的逻辑。

2025 年 Google 以 $320 亿收购云安全公司 Wiz，是科技史上最大的安全收购案，很多人当时不理解这个价格。Next 2026 上，整合后的战略意图首次完整呈现——Agentic Defense 将 Google Threat Intelligence 与 Wiz 的云资产可视性能力结合，专门解决 Agent 时代的新型安全问题：权限蔓延、Prompt Injection、跨 Agent 横向移动。Wiz 保持多云中立性，让 Agentic Defense 可以覆盖客户在任何云上的 Agent 部署——不仅仅是 Google 自己的地盘。

在所有 Next 2026 的公告中，有一条被大多数科技媒体忽略了：Google Cloud 宣布设立 $7.5 亿合作伙伴基金，专项用于支持 ISV、SI 和分销伙伴将 Google AI 能力部署到企业客户。这不是普通的市场支持预算，而是对一个明确战略判断的资本化：AI 规模化落地的瓶颈不在模型，而在分销。就在同一个月，OpenAI 宣布了 DeployCo——与 TPG、贝恩、凯雷等 PE 机构共同设立的 $100 亿合资公司。

两种模式都在回答同一个问题：谁来帮企业把 AI 真正用起来？OpenAI 选择了华尔街的 PE 网络，押注于在已经建立信任关系的投资组合企业中快速拿单；Google 选择了沉淀了三十年的合作伙伴生态，押注于覆盖更广但每单深度相对更浅的分销网络。这场分销战争的赢家，不一定是技术最强的那个，而是能最高效将 AI 能力转化为企业可操作工作流的那个。

Thomas Kurian 在主题演讲中多次提到 Google 的"四层优势"：自研芯片（TPU 8t/8i + Virgo，不依赖 NVIDIA 供应链）、前沿模型（Gemini Ultra 2 系列）、云平台（Gemini Enterprise Agent Platform）、30 亿用户分发（Workspace）。这四层都有对手，但没有任何一个对手同时拥有四层——微软有分发但没有自研芯片，模型依赖 OpenAI；AWS 有云平台和基础设施，但没有自研通用 LLM 也没有消费级分发；OpenAI 有最强模型品牌，但没有芯片、云平台、分发渠道（DeployCo 正是在补这个短板）；Anthropic 最被企业信任，但四层都不具备。

Google 的四层主张是否成立，取决于每一层是否真的做到了"足够好"而不仅仅是"存在"。此外一个不能忽视的细节：OpenAI 与微软之间的独家云协议开始松动，OpenAI 已开始向 Google Cloud 迁移部分推理工作负载——Google Cloud 不仅有足够的 TPU 推理算力，还有 OpenAI 迫切需要的地理多样性（数据主权合规）和非美国市场覆盖。