谷歌壕擲1800億美元

作者 | 萬連山

數據支持 | 勾股 大數 據（www.gogudata.com）

谷歌正在押下史上規模最大的賭注之一：計劃今年投入1750億-1850億美元搞基建。

其中，60%用于剛剛在拉斯維加斯舉辦的Google Cloud Next大會上亮相的第八代TPU，史無前例地拆分成了兩款：專攻模型訓練的TPU 8t，專攻推理的TPU 8i。

40%用于搭建支持智能體運行的數據中心和網絡架構。

這一切，都是為了迎接即將到來的“智能體時代”。

01

“前智能體時代”的交互模式是，用戶寫一堆復雜的提示詞，AI生成內容。

然后呢？

具體用這些內容做什么、怎么用，都由用戶自己執行。

AI只負責動嘴，真正干活的還是人。

人→AI→人，這是三個環節。

進入智能體時代后，AI就不再是單純的被動應答聊天工具，而是具備了感知、推理、調用工具并采取行動的實用工具。

簡單來說，它擁有執行能力，乃至執行權。

環節只剩人→AI，極大提升了生產效率。

兩者本質上是“被動工具”與“主動生產力”的區別。

所以，為什么要斥巨資研發這玩意？

因為智能體是目前唯一能帶來非線性人效提升的方案。

前沿模型智能體目前能以80%的可靠性自主完成的任務長度，來源：METR

僅看本次展示的其中幾個行業：

1.金融。

高盛CTO分享了基于Gemini Enterprise和TPU 8i算力集群打造的內部智能體“GS-Alpha”。

它每天實時監控全球45000個新聞源、1200場上市公司的財報電話會議（直接聽音頻，文本轉錄有延遲）。

一旦某家公司CEO在電話會里的語氣出現異常的停頓或猶豫（語音情感分析），GS-Alpha會在0.2秒內完成多步邏輯推理，自動生成一份風險預警報告，并直接通過API向交易系統下達對沖指令。

據高盛披露的數據，這套系統上線后，其投研部門的數據處理通量提升了1400%，研報的平均生成時間從48小時壓縮到了3分鐘。

2.醫療。

梅奧診所展示了最新的“Med-Agent”工作流。

當一個疑難雜癥患者入院時，Med-Agent會自動調取患者過去15年的電子病歷，同時調用醫學影像分析模型，結合最新的醫學期刊數據庫自動拉起一個“專家智能體會診”。

內科智能體、外科智能體、病理科智能體在系統內進行相互辯論，最終給提供三個帶有明確置信度和文獻引用的治療方案。

根據《柳葉刀》2月針對40家大型醫院的研究數據，采用Med-Agent輔助的科室，誤診率降低了31%，醫生每天花在“寫病歷和查資料”上的行政時間減少了65%。

3.跨境電商。

歐美知名家居電商Wayfair通過接入Vertex AI，打造了一個龐大的數字孿生供應鏈智能體。

它連接了全球3000多個供應商、80個海運港口和150個倉儲中心的實時API。

比如在1月底，智能體通過抓取當地新聞和社交媒體情感分析，第一時間檢測到孟加拉國即將發生大規模罷工。

為了避免全棉床單斷貨，它不需要等待企業人工審批……直接向越南的備用工廠發送了緊急加單郵件；并自動調用馬士基的物流API，修改三個集裝箱的航線；同時自動登錄亞馬遜和自家官網后臺，將現有全棉床單的售價上調12%，以平滑庫存消耗。

根據Deloitte發布的《全球供應鏈數字化轉型報告》，全面采用這類自主智能體的零售企業，其庫存周轉率平均提升了45%，因供應鏈斷裂導致的缺貨損失降低了73%。。

顯然，對企業而言，智能體不止是“降本增效”這么簡單，更能解決曾經無解的痛點。

它能做到人做不到的事。

根據Gartner在3月最新發布的《企業級AI智能體落地與ROI追蹤白皮書》：

截至2026年第一季度，全球500強企業中，已有82%在核心業務流程中部署了至少一個具備“自主執行能力”的智能體，而這個數字在2024年底僅為11%；部署基于多智能體系統的企業，平均投資回報期從2025年的14個月，斷崖式下降到4.5個月。

截至2025年末，谷歌專門針對企業客戶的Gemini Enterprise，僅僅推出幾個月，就賣出了超過800萬個付費席位。

2026年Q1，其Gemini API的日均調用量達到了1200億次。其中，包含“工具調用”和“多步推理”的復雜智能體請求占比，從去年的不到15%飆升至68%。

這方面的需求，是毋庸置疑的，而且其爆發期才剛剛開始。

但是，困境也很明顯。

IDC預測2031年中國將存在3.5億個活躍智能體，來源：開源證券

02

智能體系統引入了多步推理、外部API工具調用、記憶機制。

要支撐大量智能體同時并發工作、且不能有明顯的延遲卡頓，企業內部系統的API請求量必然呈指數級爆發。

Gartner的報告指出，2025年有40%的企業級AI項目失敗，并不是因為模型不夠聰明，而是因為“算力塞車”導致智能體超時崩潰。

如果沒有底層硬件的突破，智能體的大規模落地根本就是空中樓閣。

谷歌的底層算力架構必須要升級。

首先是硬件方面。

第八代TPU被史無前例地拆分成了兩款截然不同的芯片：專攻模型訓練的TPU 8t，專攻推理的TPU 8i。

前者還是經典的大力出奇跡產品，采用了“雙計算芯粒 + 單I/O芯粒”的設計，單個超級計算節點可以集成9600塊芯片，計算性能達到121 Exaflops（百億億次浮點運算）。相比去年發布的第七代，同等價格下的性能提升了2.8倍，每瓦性能提升了124%。

后者的作用，則是應付海量智能體并發時的極端低延遲要求。

在AI推理中，算力往往不是瓶頸，把數據從內存搬到處理器的過程才是最耗時、最耗能源的，俗稱內存墻。

為了突破這堵墻，TPU 8i上內置了高達384MB的SRAM，容量是上一代的三倍，同時還外掛了288GB的HBM顯存。

這意味著模型在運行時的活躍工作集可以完全塞進芯片內部，幾乎不需要去外部要數據，處理器空閑等待時間銳減。

其次是軟件生態。

這次Next大會上，谷歌推出了統一的AI技術堆棧，升級了Vertex AI平臺，甚至拋出了Google Antigravity平臺這個大殺器。

Antigravity是一個專門為開發者打造的構建自主智能體的全棧工具鏈。

以前開發一個Agent，開發者需要自己寫代碼去接各種API、設計長短期記憶庫、規劃執行邏輯。

現在，谷歌把這些全打包成了基礎設施，開發者可以像搭樂高一樣，輕松構建具備任務規劃、工具調用能力的AI應用。

不過，這也引發了一個問題。

還是對SaaS行業的擔憂。

SaaS基本面惡化，來源：浙商證券

如果AI Agent能自己拉數據、寫報表、發郵件，那企業干嘛還要給員工買Salesforce、Workday或者Excel的訂閱席位？

沒有了這些，SaaS公司還有什么存在的必要？

皮查伊拋出了一個數據安撫市場：“頭部95%的SaaS公司，已經在采用Gemini來重構業務。”

未來的SaaS公司將不再單純出售軟件系統，而是將其轉化為底層的數據API，直接賣給谷歌或客戶的AI智能體。

這就催生了一個龐大的新興業務：數據現代化改造。

智能體再怎么聰明，首先它得有數據。

企業買單的前提是，智能體能讀取企業內部的私有數據。但很多大型企業的ERP、CRM系統老舊不堪，根本就沒有標準的API接口。

也就是說，谷歌不僅在賣智能體服務，還在利用這波機會，強迫企業把所有底層數據全部搬到Google Cloud的BigQuery數據庫里。

據預測，每在AI上花費1美元，將帶動至少3美元的底層數據清洗和云存儲需求。

這是真正的“連環收割”盈利路線。

03

當TPU 8t在日以繼夜地訓練更聰明的大腦，當TPU 8i在數據中心里以光速處理海量的推理請求時，世界的規則已經被悄然改寫。

隨著智能體大量投入應用，AI再也不是為人賦能的工具，而是真正成為可以替代人的執行者。

在這種情況下，絕大部分企業其實沒有選擇。

你不用，你的對手用怎么辦？

最原始的生存法則一定會使得智能體在企業端的需求得到完全釋放。

最終，必然會造成兩個顯而易見的后果。

首先，市場格局進一步兩極分化。

智能體的研發和部署，都需要海量的資金、技術和人才，少數巨頭通過加大投入掌控智能體的核心技術和基礎設施，將進一步擴大自己的優勢；而中小企業，只能在前者構建的生態中，從事一些細分領域的工作，很難再形成競爭力。

其次，誰來買單？

不難想象，隨著智能體深度應用，每一個消費者都能得到極致的專屬智能服務，享受更舒適便捷的生活。

但是，為這些服務買單的財富，從哪里來？（全文完）

格隆匯聲明：文中觀點均來自原作者，不代表格隆匯觀點及立場。特別提醒，投資決策需建立在獨立思考之上，本文內容僅供參考，不作為任何實際操作建議，交易風險自擔。