Google瞧不上Harness：發(fā)更強TPU搞Agent全家桶，還隨手替蘋果發(fā)布了新Siri

作者 ｜ 吳瑞琪
郵箱 ｜ rachelwu@pingwest.com

"試驗階段結束了。" Google Cloud CEO Thomas Kurian 在開場不到三分鐘就拋出這句話。

Google Cloud Next 大會于當地時間4月22日上午在拉斯維加斯召開。這是近年來科技圈最受關注的云計算大會之一，今年的主角只有一個：Agent。

從 Keynote 的章節(jié)命名就能看出 Google 的野心：Agentic Enterprise Blueprint、Agentic Data Cloud、Agentic Defense、Agentic Taskforce......每一個模塊都冠上了"Agentic"的前綴，Google Cloud 向世界介紹的是一套從算力底座到應用前端的完整agent架構。

但如果你把這場 Keynote 從頭看到尾，會發(fā)現一件非常有意思的事：

Google是真的瞧不上Harness，在整場大會里對這個火熱名詞一字未提。

在熱火朝天的agent浪潮里，Harness是最近一段時間最火熱的概念。它被用來描述建設agent的過程里所需要的一切基礎設施。

而在瘋狂的討論里，。它完全缺席了。

這次Google Cloud的大會上，缺席的原因終于明白：

Google根本不認同什么Harness，或者說它拒絕被其他人提出的模棱兩可概念牽著鼻子走，它提出的是從AI Hypercomputer（包括新發(fā)布的訓練和推理分家的更強TPU），Agentic Data Cloud、Agentic Defense、Agentic Task Force，到最重要的Gemini Enterprise Agent Platform的Agent五層架構體系。

它要用這個全家桶搶走所有企業(yè)agent的生意。在這次大會上，甚至出現了活久見的一幕：蘋果的logo出現在Google的發(fā)布會大屏幕上，恍惚以為誤入喬布斯劇院。Google就這樣以客戶案例展示的形式“發(fā)布”了新的Siri的關鍵信息。

這一切都是Google在秀肌肉。

以下是這場長達兩小時 Keynote 的核心內容解析。

1

Sundar Pichai ：資本投入創(chuàng)歷史

Google CEO Sundar Pichai 公布了一個讓人瞠目的數字：Google 在2022年的資本支出為310億美元，而2026年的預算區(qū)間是1750億至1850億美元，四年內實現了近6倍的增長。其中超過一半的機器學習算力將專門分配給云業(yè)務。

他隨即用 Google 自己的案例說明 Agent 的實際價值：

Google 內部目前75%的新代碼由 AI 生成，并由工程師審核通過（去年秋天這一比例還是50%）。在一次復雜的代碼遷移任務中，工程師組建了由"規(guī)劃者、協調者、編碼者"三類角色構成的 Agent 系統(tǒng)，最終將遷移速度提升了6倍。

在營銷層面，團隊借助 Gemini 生成大量創(chuàng)意素材變體，實現精細化個性投放，帶來70%的制作周期縮短和20%的轉化率提升。

在安全層面，Google 安全運營中心的 Agent 每月自動處理數以萬計的非結構化威脅報告，將威脅緩解時間壓縮了超過90%。

Pichai 隨后宣布了大會最重磅的產品：Gemini Enterprise Agent Platform，并將其定義為"Agent 時代的任務控制中樞"。

1

Gemini Enterprise Agent Platform：企業(yè) Agent 的操作系統(tǒng)

這是整場 Keynote 著墨最多的部分，也是 Google 今年最核心的產品策略落點。

新模型陣容

Google 發(fā)布了一批新模型，均處于 Preview 階段：

Gemini 3.1 Pro，最新的旗艦推理模型，專為復雜工作流編排設計，可與企業(yè) API 和系統(tǒng)直接交互，減少調優(yōu)需求。Databricks、JetBrains、Replit 均已選擇接入。

Gemini 3.1 Flash Image（內部代號 Nano Banana 2），面向高保真視覺資產生成。Veo 3.1 Lite，Google 最具成本效益的視頻模型，定位高并發(fā)視頻應用場景。Lyria 3 Pro，企業(yè)級音頻和音樂生成模型。

值得關注的是，Google 同時支持 Anthropic 全線模型，并在大會上宣布新增對 Claude Opus 4.7 的支持。

此外，Google還宣布成為蘋果的首選云合作伙伴，雙方正在基于 Gemini 技術共同開發(fā)下一代 Apple Foundation Models，這些模型將驅動包括"更個性化的 Siri"在內的蘋果未來 AI 功能。

Agent 的完整生命周期管理

平臺的核心價值在于覆蓋 Agent 從構建到治理的全生命周期：

Low-Code Agent Studio 允許非技術員工用自然語言創(chuàng)建和部署 Agent，將業(yè)務規(guī)則融入 LLM 推理，實現可預期的自主執(zhí)行。

Agent Registry 是 Agent 的"總臺賬"，為組織內每一個內部 Agent 和工具建立索引，確保可發(fā)現性與治理合規(guī)。Skills & Tools Registry 則提供可復用的模塊化指令包，讓 Agent 能快速習得特定領域的專項能力。

Agent Marketplace 支持從生態(tài)合作伙伴直接搜索和部署專業(yè) Agent，接入方包括 Atlassian、Box、Oracle、ServiceNow、Workday 等主流企業(yè)軟件廠商。

平臺原生支持 Model Context Protocol（MCP），并將全部 GCP 服務暴露為 MCP 接口，使任意 Agent 均可無縫調用任意 GCP 服務。

安全與治理：Agent 身份識別

在安全側，平臺引入了 Agent Identity 機制——每個 Agent 被分配唯一的加密 ID 和明確的授權策略，所有行為均可追蹤和審計。Agent Gateway 充當統(tǒng)一管控臺，跨組織執(zhí)行策略，配合 Model Armor 防止敏感數據泄露。

Agent Observability 提供粒度化的執(zhí)行路徑可視化，支持 OTel 標準遙測，開發(fā)者可追蹤 trace、監(jiān)控工具調用，診斷推理死循環(huán)。

真實客戶案例

客戶采用數據頗為亮眼：

德國保險公司 Signal Iduna 上線數周后即達到80%的使用率，11,000名員工開始自主構建專屬 Agent，其健康險 Agent 將用戶答復速度提升了37%，周活用戶增長400%。KPMG 首月達到90%的采用率，上線超過100個 Agent。Walmart 向門店管理人員推出 Gemini Enterprise，讓管理者能花更多時間在賣場與員工、顧客互動，而非坐在辦公室盯屏幕。NASA 使用 Gemini Enterprise Agent 為 Artemis II 載人航天任務提供飛行就緒性支持，確保宇航員安全。

此外，Citi Wealth 與 Google Cloud 及 DeepMind 合作，推出了名為"Citi Sky"的 AI 財富團隊成員，可全天候多語言為客戶提供金融服務。Virgin Voyages 部署了面向船員的 AI 助理"Project Ruby"，將生產時間線縮短約60%，并拉動單月銷售額增長28%，實現了一個銷售紀錄季度。

大會還邀請了單板滑雪傳奇、三屆奧運金牌得主 Shaun White 上臺，現場演示 Google Cloud 如何用 AI 分析他在2017年的比賽影像——將一個不到三秒的騰空動作逐幀拆解，追蹤三維姿態(tài)、旋轉速度、騰空時長，為新生代運動員的技術訓練提供數據支持。

1

AI Hypercomputer：算力基礎設施的兩條腿

負責基礎設施的高級副總裁 Amin Vadhat 說："在 Agent 時代，算力不再由一塊芯片定義，算力就是整個數據中心。"

第八代 TPU：訓練與推理分家

Google 本次發(fā)布了 TPU 第八代，并首次拆分為兩個獨立平臺：

TPU 8t（訓練專用）：將塊縮放乘法運算直接內置于 MXU（矩陣運算單元），消除 VPU 計算開銷，單 pod 計算性能是上一代的近3倍。芯片間互聯帶寬是 Ironwood 的兩倍，最多可連接96,000顆 TPU，形成3D 環(huán)形拓撲，整個 Superpod 提供121 exaflops FP4算力。單 Superpod 共享帶寬內存達2 petabytes。Google 將其類比為"可存放美國國會圖書館全部數字館藏100次"的容量。

TPU 8i（推理及強化學習專用）：集成專用集合加速引擎，額外降低5倍延遲；全部內存緩存直接駐留在硅基上，從根本上打破了制約長上下文解碼的"內存墻"。采用全新 Boardfly 拓撲，單 pod 部署1,152顆 TPU，可同時運行數百萬個并發(fā) Agent，接近零延遲，算力達11.6 FP8 exaflops，較256芯片 Ironwood pod 提升9.8倍。

Virgo 網絡與 NVIDIA Vera Rubin

在網絡層，Virgo Network 將134,000顆芯片以47 petabits/s 的無阻塞帶寬互聯，提供170萬 exaflops 的總算力，支持在單一集群中組織超過百萬顆 TPU，可將數月的訓練時間壓縮到數周。

與此同時，Google 宣布將成為全球首批提供 NVIDIA Vera Rubin NVL72 的云廠商，并在其上開放 Virgo 網絡支持，最多可連接96萬顆 GPU。

在處理器側，基于 Arm 架構的自研 Google Axion N4A 實例上線，與同類 x86 實例相比，價格性能比提升最高2倍，能耗性能比提升80%。

金融巨頭 Citadel Securities 現場分享了實測數據：在 TPU 上運行工作負載的速度是此前的2至4倍，成本降低30%；原本需要數周甚至數天的研究任務，現在可以在數小時乃至數分鐘內完成。

1

Agentic Data Cloud：讓 Agent 讀懂企業(yè)數據

"沒有上下文的推理只是猜測。" 負責數據業(yè)務的 Karthik Narain 給出了這場演講里最直白的一句話。

Agentic Data Cloud 由四項核心創(chuàng)新構成：

Knowledge Catalog（知識目錄），定位為企業(yè)的"通用上下文引擎"。它深度整合 BigQuery，將表結構和元數據映射為統(tǒng)一的業(yè)務語義，并通過 Smart Storage 將非結構化數據（PDF、圖片等）一落入 Google Cloud Storage 便立即完成標記、富化和 Agent 就緒處理，無需任何人工數據工程。Gemini 會自動提取實體、映射關系、理解業(yè)務語義：當 Agent 聽到"凈收入"或"風險"時，它能理解企業(yè)特定的語義含義。

Data Agent Kit，一套內嵌于開發(fā)者日常工作流（VS Code、Claude Code、Gemini CLI）的數據科學工具庫。開發(fā)者只需表達意圖，例如"預測客戶流失"，系統(tǒng)便自動構建數據管道、部署模型，直接在 Agentic Data Cloud 上執(zhí)行，全程無需手動編排。

Lightning Engine for Apache Spark，Google 重構了 Spark 執(zhí)行引擎，在 Agent 時代的大規(guī)模數據處理場景下，性能是此前市場領導者的2倍，價格性能比也高出2倍。Flipkart、Lowe's、Meesho 等已開始使用。

Cross-Cloud Lakehouse（跨云數據湖倉），這是 Karthik 最著重闡述的一項能力。基于開放的 Apache Iceberg 標準，分析引擎可以直接跨 AWS、Azure 查詢數據，數據不移動、零復制、無須承擔昂貴的出站流量費，直接實現低延遲訪問，徹底打破"數據必須在同一朵云"的歷史枷鎖。

1

Agentic Defense：安全也要以機器速度運轉

"漏洞從發(fā)現到被利用的時間已經變成負數。"安全負責人 Francis deSouza 用這句話揭示了當前網絡安全的嚴峻現實：當前漏洞的平均被利用時間是負7天，也就是說，攻擊往往發(fā)生在補丁尚未開發(fā)出來之前。更令人擔憂的是，攻擊者從初始入侵到移交給下一個威脅團伙的交接時間，已從過去的8小時壓縮到22秒。

應對這一現實，Google 推出了 Gemini 原生的 Agentic 安全運營中心（SOC）：triage Agent 將原本30分鐘的安全調查壓縮至60秒完成；威脅狩獵與檢測 Agent 以人類團隊無法企及的速度和規(guī)模主動掃描風險；結合 Mandiant、VirusTotal 和 Chrome 的全球遙測數據，暗網威脅識別準確率達98%。

大會上，Wiz 正式并入 Google Cloud（此前已宣布收購意向）。Wiz 聯合創(chuàng)始人 Yinon Costica 上臺介紹了 Wiz 的 AI Application Protection Platform（AI-APP）：

Wiz 通過無代理方式自動構建云和代碼環(huán)境的動態(tài)資產清單，并生成安全圖譜，直觀呈現 AI 應用架構（包括哪個 Agent 運行哪個模型、能訪問哪些數據庫和工具）。

Wiz Red Agent（紅隊 Agent）持續(xù)自動驗證每個暴露風險，像一個友好的白帽黑客不間斷掃描攻擊面——它能發(fā)現認證繞過漏洞，并證明該漏洞確實可被用來滲透后臺敏感數據庫。Wiz Green Agent（綠隊 Agent）則負責自動化完整的修復流程：識別責任人、定位漏洞代碼行、生成修復建議，并可直接提交 PR 或觸發(fā)編碼 Agent 自動修復。

1

Agentic Taskforce：讓 Agent 直接服務客戶和員工

面向客戶：從購物到服務的全渠道 Agent

Google 推出了預建的購物 Agent 和餐飲點單 Agent，支持從發(fā)現到結賬的全流程自然語言交互。Omnichannel Gateway 確保 Agent 在網頁、移動端、語音多個渠道之間無縫銜接，且完整保留對話上下文。

Papa John's 正在用 Food Ordering Agent 構建記憶用戶偏好、加速送達的超個性化點餐系統(tǒng)。Best Buy 用 Agent Assist 引導購物者了解復雜產品規(guī)格、解決問題、預約服務。Home Depot 的"Magic Apron"助理則覆蓋從選購靈感、產品知識到購后支持的全旅程。

演示環(huán)節(jié)中，YouTube TV 的客服語音 Agent 已在生產環(huán)境中服務100%的用戶，現場接到來電后，Agent 流暢地推薦了體育訂閱方案，并在請求下實時切換為西班牙語為來訪者父親講解，整個體驗自然到與真人客服無異。更重要的是，YouTube TV 團隊從零到生產上線，只用了六周。

面向員工：Workspace Intelligence

Google Workspace 產品 VP Yulie Kwon Kim 發(fā)布了 Workspace Intelligence，定義為"消除上下文碎片的統(tǒng)一智能層"。

她用一個場景說明問題：一個普通的工作日里，你為了回答一個問題打開了15個標簽頁，在過期郵件、被人實時編輯的 PPT 和多個表格之間來回跳轉。Workspace Intelligence 的目標是讓這一切不再發(fā)生。

演示中，系統(tǒng)在 Google Chat 的 Ask Gemini 界面里，直接匯總了來自多個來源的最緊急任務，精確定位了"上季度那個帶區(qū)域銷售折線圖的 doc"，并通過調用"區(qū)域營銷技能"，自動跨郵件、聊天記錄、外部 CRM 和企業(yè)品牌素材，生成了一份格式精美、符合個人歷史風格的 Google Slides 報告。

大會還宣布，從 Microsoft 365 遷移到 Google Workspace 現在可以快5倍，包括法律和財務等對格式要求嚴苛的復雜團隊遷移也在支持范圍內。

1

一場系統(tǒng)架構層面的宣戰(zhàn)

縱觀整場 Keynote，如果只提煉一個核心判斷，那就是：Google 正在將 Agent 從一個功能，升級為一套完整的企業(yè)操作系統(tǒng)。

Thomas Kurian 在最后總結時特別強調了"開放"，并以此與競爭對手的"圍墻花園"策略形成對比：客戶可以自由選擇最好的芯片和模型、自由在任何地方運行 AI、自由控制自己的數據和 Agent。

但自由不是無序。Google 給出的答案，是用五層架構把這種自由兜住。

AI Hypercomputer，為 Agent 時代重新設計的算力底座，訓練與推理首次分開專項優(yōu)化。Agentic Data Cloud，解決的是 Agent 的"原料"問題：企業(yè)數據如何變成 Agent 可信賴的上下文。Agentic Defense，讓安全本身也成為自主運行的 Agent，以機器速度對抗機器速度的威脅。Gemini Enterprise Agent Platform，Agent 的構建、部署、治理、優(yōu)化一體化平臺。Agentic Taskforce，面向客戶和員工的現成 Agent 部隊，以及將 AI 能力深度融入 Workspace 的智能層。

"試驗階段結束了"，這句話聽起來像一個簡單的宣告，但背后是一個清晰的商業(yè)邏輯：當75%的 Google Cloud 企業(yè)客戶已經在使用 AI 產品，當 Walmart 和 Unilever 這樣的傳統(tǒng)巨頭也已將 Agent 部署到門店和采購流程，Google Cloud 需要的不再是說服企業(yè)為什么要用 AI，而是向企業(yè)提供管理數千個 Agent 的能力。

這正是 Gemini Enterprise Agent Platform 的存在意義。

點個“愛心”，再走 吧