1850 億美元天價支出、75% 代碼由 AI 生成！谷歌正式宣告：全面轉向智能體工作流

整理 | 華衛

今天，谷歌正在對 AI 押下其史上規模最大的賭注之一。

在美國拉斯維加斯剛剛舉辦的 Google Cloud Next 大會上，谷歌云正式宣告 “智能體時代”來臨。谷歌 CEO Sundar Pichai 宣布，公司今年計劃投入 1750 億至 1850 億美元用于資本支出，遠高于 2022 年的 310 億美元，以搭建他口中 AI“智能體時代”所需的基礎設施。

“隨著我們步入智能體時代，我們正將相關布局推向新高度，我們正在為當下與未來進行大規模投資。”Pichai 表示。這場年度大會上，這家巨頭展示了其在云計算、AI、安全與數據分析領域的最新創新成果，并發布一整套軟硬件產品，核心亮點包括一個用于構建自主 AI 智能體的全新綜合性平臺以及谷歌第八代張量處理器（TPU）。

1 75% 新代碼由 AI 生成，全面轉向智能體工作流

“我們在谷歌內部已經使用 AI 生成代碼有一段時間了。如今，谷歌近 75% 的新增代碼由 AI 生成并由人類工程師審核通過。”據 Pichai 稱，谷歌內部應用 AI 的比例近年來不斷攀升。截至 2024 年 10 月，公司約四分之一的代碼由 AI 生成。到去年秋季，這一比例已升至 50%。

據悉，谷歌工程師正使用 Gemini 模型生成代碼，部分員工還被設定了具體的 AI 使用目標，這些目標將納入今年的績效考核。據外媒此前報道，近幾個月來，部分 Google DeepMind 員工已被允許使用 Anthropic 的 Claude Code，這在員工內部引發了一些矛盾。

并且，Pichai 在昨日的一篇博客文章中表示，谷歌正全面轉向真正的智能體工作流，讓工程師執行更多自主化任務。Pichai 稱，“近期，一項由智能體與工程師協作完成的高復雜度代碼遷移任務，完成速度比一年前僅由工程師人工操作快了六倍。”

Gemini Enterprise 是被提及的重要角色，這是一套面向智能體時代的端到端系統，專為能夠執行復雜多步驟工作流程的智能體打造。Pichai 強調，谷歌正將自身的工程部門當作實驗室，充當 Gemini Enterprise 智能體平臺的“首個試用客戶”。“要成為最優秀的合作伙伴，我們始終希望成為自身技術的首個試用客戶，”Pichai 表示。其目標是在谷歌級規模下對這些 AI 智能體進行實戰檢驗，之后再將同款基礎設施提供給全球云服務客戶。

據 Pichai 介紹，該產品的付費月活躍用戶數環比增長達 40%。Pichai 表示，“借助這一迅猛增長，我們看到，每家企業里的每一位員工都能成為創造者。這是一場意義非凡的轉變，但也伴隨著復雜性。有一點非常明確：我們已然堅定地邁入 Gemini 智能體時代。行業討論的焦點已經從‘我們能否打造一個智能體？’轉向了‘我們該如何管理成千上萬個智能體？’”

為此，谷歌在大會上推出了面向開發者的 Gemini Enterprise Agent Platform，旨在為數據、人員與業務目標之間搭建安全、全棧式的 “連接紐帶”，從而實現對智能體的優化調度。據介紹，Agent Platform 從 Vertex AI 開發者平臺升級擴展而來，“整合了客戶喜愛的 Vertex AI 模型選擇、模型構建和調優服務，以及代理集成、安全、DevOps、編排等新功能”。該平臺對現有 Gemini Enterprise 體驗進行了全面升級，并提供超過 200 種模型，其中包括 Gemini 3.1 Pro、Nano Banana 2、Gemma 開源模型以及來自 Anthropic 的競品模型，例如其剛剛發布的 Opus 4.7。

谷歌也正在自身生態體系內部構建這一“連接紐帶”。運行在 macOS 上的 Gemini 應用，正是通過谷歌自研的 Antigravity 平臺開發而成，這是谷歌內部一款 “以智能體為核心” 的開發平臺，自主 AI 智能體可在瀏覽器中完成規劃、編寫代碼與應用測試，僅需極少的人工干預。

“今年，我們將見證 AI 技術邁向新一輪發展階段。”谷歌云 CEO Thomas Kurian 表示，“早期的 AI 模型主要側重于回答用戶問題、輔助完成創意類工作。而隨著模型不斷發展，現在人們希望把任務乃至一系列工作流程交給智能體去執行。這些智能體進而能夠自主操作計算機，把整個谷歌云平臺和 Workspace 當作工具來使用。”

不過，盡管大力推進智能體 AI，Pichai 強調，盡管 AI 參與比例很高，人類工程師仍然是最終的守門人，“代碼的每一行都經過工程師審核和批準”。他表示，谷歌還將 AI 用于網絡安全運營的部分自動化工作，幫助團隊更快處理海量威脅情報、更迅速應對風險。 “每月，我們的團隊會收到海量非結構化威脅報告，若人工審閱需耗費數千小時，幾乎是不可能完成的任務，如今，我們安全運營中心的智能體每月自動對數萬份非結構化威脅報告進行分類，快速提取關鍵情報并過濾無效信息，將威脅處置時間縮短了 90% 以上；我們的安全防御比以往任何時候都更具主動性。”

值得注意的是，谷歌絕非唯一一家在代碼編寫上更多依賴 AI 的科技巨頭。去年 4 月，微軟 CEO Satya Nadella 表示，公司部分項目中 20% 至 30% 的代碼由 AI 編寫。同月，其 CTO Kevin Scott 稱，他認為五年內 95% 的代碼都將由 AI 生成。Meta 也在大力朝這一方向推進。截至 2025 年第四季度，該公司已設定目標：部分部門軟件工程師的代碼變更中，55% 需為智能體輔助完成。文件稱，2026 年上半年，其創意部門預計有 65% 的工程師所提交的代碼中，超過 75% 由 AI 編寫。本月早些時候，Snap 表示，按照其新運營模式，至少 65% 的新代碼由 AI 生成。

2 第八代 TPU 登場，專為“智能體時代”設計

這場“智能體 AI 革命” 的核心，是谷歌全新的 AI 超級計算機基礎設施。大多數全力投入 AI 模型研發的公司，都在瘋狂搶購英偉達的 AI 加速芯片，但谷歌選擇了一條截然不同的道路，其云端 AI 基礎設施大部分基于自研的張量處理器（TPU）系列。

谷歌提出，“智能體時代” 與以往的 AI 系統有著本質區別，因此需要全新的硬件設計思路。繼 2025 年發布第七代 Ironwood TPU 后，谷歌在此次大會上推出兩款專用第八代芯片，以滿足自主智能體的海量算力需求。其中，TPU 8t（訓練型）專為高速模型訓練設計，可在單個超算集群中擴展至 9600 塊 TPU；TPU 8i（推理型）專為 “近零延遲” 設計，確保 AI 智能體能夠即時響應并執行任務。

在 AI 模型能夠用于數據分析或生成趣味內容之前，必須先經過訓練。TPU 8t 正是專為 AI 生命周期中的這一環節設計，旨在將前沿 AI 模型的訓練周期從數月縮短至數周。谷歌將更新后的 Tensor 8t 服務器集群稱為 “超算集群（pods）”，單個集群可搭載 9600 顆芯片，并配備 2PB 共享高帶寬內存。谷歌稱，TPU 8t 甚至支持線性擴展，單個邏輯集群可擴展至百萬顆芯片。正是這類創新讓超大規模 AI 模型的訓練速度大幅提升，同時也推高了市場上的內存價格。

但對于參與構建巨型 AI 模型的機構而言，這套硬件能顯著節省時間，單個集群算力達到 121 FP4 EFlops，幾乎是上一代 Ironwood 訓練算力上限的三倍。因此，新款芯片不僅訓練速度更快，谷歌還表示 TPU 8t 的每瓦有效算力更高。該公司稱其有效算力利用率達 97%，意味著更少的等待與算力浪費。憑借對非連續內存訪問的優化、硬件故障自動處理，以及所有互聯芯片的實時遙測監控，TPU 8t 能將更多時間用于高效推進模型訓練。

訓練完成后，AI 模型會以推理模式運行并生成 token，這是向模型下達指令時后臺執行的過程。該環節無需同等算力，因此在 AI 生命周期的兩個階段使用同款硬件效率極低。這也是推理任務由 TPU 8i 負責的原因，它專為高效運行多個專業化智能體設計，延遲更低。相比上一代 Ironwood 推理集群僅 256 顆芯片的規模，TPU 8i 集群規模擴大至 1152 顆。單個集群算力為 11.6 EFlops，遠低于 TPU 8t 集群。

谷歌將每顆 TPU 8i 的片上 SRAM 容量提升三倍，達到 384MB。這使得新款芯片可在片上存儲更大的鍵值緩存，加快長上下文窗口模型的運行速度。第八代 AI 加速芯片也是谷歌首款完全采用自研 Axion ARM 架構 CPU 主控的產品，每兩顆 TPU 搭配一顆 CPU。而在 Ironwood 時代，每顆 x86 CPU 需為四顆 TPU 提供服務。谷歌表示，這種基于 ARM 的 “全棧式” 方案能實現更高的運行效率。

據介紹，這兩款芯片都將在今年晚些時候正式上市。未來，TPU 8t 與 TPU 8i 將支撐谷歌基于 Gemini 的智能體運行，同時也面向第三方開發者設計。兩款全新 TPU 均兼容開發者現有使用的框架，包括 JAX、MaxText、PyTorch、SGLang 與 vLLM。同時，谷歌也宣布，將成為首批提供英偉達 Vera Rubin NVL72 系統的廠商之一，讓客戶可根據自身需求靈活選擇最優架構。

3 數千億美元的巨額 AI 投入，怎么賺回來？

在此次大會上，谷歌還展示了如何將巨額的 AI 支出轉化為收入。這家科技巨頭宣布設立 7.5 億美元基金，助力其擁有 12 萬名成員的谷歌云合作伙伴生態體系開發并落地智能體 AI 產品。該計劃將提供工程支持、Gemini 模型搶先體驗權限，以及面向埃森哲、德勤、麥肯錫等企業的激勵政策。

展示 AI 投入變現路徑的同時，花旗、前 OpenAI 高管 Mira Murati 創立的 Thinking Machines Lab 等企業也披露了如何借助谷歌的基礎設施與 AI 工具推出新產品、訓練前沿模型。花旗發布了“Citi Sky”，一款面向美國客戶的 AI 驅動財富管理助手。與此同時，Thinking Machines Lab 宣布擴大對谷歌云 AI 超級計算機的使用，以加快 AI 研究與模型訓練速度。

據一位知情人士透露，Thinking Machines Lab 已簽署一份數十億美元的新協議，擴大使用谷歌云的 AI 基礎設施，合作內容涵蓋使用基于英偉達全新 GB300 芯片搭建的谷歌最新 AI 系統，以及用于支持模型訓練與部署的基礎設施服務。據介紹，Thinking Machines 是首批使用其搭載 GB300 芯片系統的谷歌云客戶之一，該系統在模型訓練與推理服務速度上相較上一代 GPU 提升一倍。

今年早些時候，Thinking Machines 曾與英偉達達成合作，其中包括來自這家芯片廠商的投資。而本次是該實驗室首次與云服務提供商簽約。這筆合作并非獨家協議，因此 Thinking Machines 未來可能會同時使用多家云廠商的服務，但這一動作依然表明，谷歌正試圖提前鎖定高速成長的前沿 AI 實驗室。此前，Thinking Machines 推出了首款產品，這款名為 Tinker 的工具，可自動化創建定制化前沿 AI 模型。

谷歌在新聞稿中提到，其基礎設施可支撐這家初創公司的強化學習算力負載，而 Tinker 的架構正是基于強化學習技術。強化學習這一訓練方式，是 DeepMind、OpenAI 等實驗室近年取得技術突破的核心支撐，而谷歌云這筆合作的規模，也反映出相關研究對算力的消耗極為巨大。

此外，谷歌一直在積極與 AI 開發者達成多項云服務合作，希望將自身 AI 算力服務與存儲、Kubernetes 引擎、數據庫產品 Spanner 等其他云服務打包整合。本月早些時候，Anthropic 與谷歌及博通簽署協議，鎖定數吉瓦的張量處理器（TPU）算力。但行業競爭十分激烈。就在本周，Anthropic 還與亞馬遜簽署新協議，獲取最高 5 吉瓦的算力用于 Claude 模型的訓練與部署。

一位 DA Davidson 分析師曾估計，谷歌的 TPU 業務加上 Google DeepMind AI 團隊，將達到約 9000 億美元的價值。

https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/cloud-next-2026-sundar-pichai/

https://www.businessinsider.com/google-ai-generated-code-75-gemini-agents-software-2026-4

https://techcrunch.com/2026/04/22/exclusive-google-deepens-thinking-machines-lab-ties-with-new-multi-billion-dollar-deal/

聲明：本文為 InfoQ 整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

世界模型的下一個突破在哪？Agent 從 Demo 到工程化還差什么？安全與可信這道坎怎么過？研發體系不重構，還能撐多久？

AICon 上海站 2026，4 大核心專題等你來：世界模型與多模態智能突破、Agent 架構與工程化實踐、Agent 安全與可信治理、企業級研發體系重構。14 個專題全面開放征稿。

誠摯邀請你登臺分享實戰經驗。AICon 2026，期待與你同行。