在 AI 熱潮席卷全球的背景下，谷歌云（Google Cloud）正在積極布局其下一代智能引擎 —— Gemini Enterprse。
該新產品可連接企業數據，并包含代理構建器、客戶服務工具等。
Gemini 在生成式人工智能浪潮中表現強勁，其 Gemini 2.5 Pro 型號目前位居 LLM Arena 排行榜榜首。
近日，谷歌云 CEO 庫里安接受了媒體專訪，就 Gemini 在企業落地的挑戰、AI 對白領工作形態的沖擊，以及當下 AI 投資熱潮的風險與機遇，給出了自己的見解。
從 “模型” 到 “智能勞動力” 工具
庫里安指出，Gemini Enterprise 并不是一個全新模型，而是在基礎的 Gemini 模型上，構建了連接企業系統與用戶上下文的能力。
它能夠接入企業的定制化數據源與應用系統（如 Office 365、JIRA、ERP、CRM 等），從而理解組織內部的業務邏輯和流程環境。
除此之外，它還具備 “個人理解” 能力，能夠識別用戶所在團隊、所查信息、日程安排、職責邊界，以更智能地為其提供協助或代辦服務。
庫里安認為，僅有模型本身遠遠不夠。為讓 AI 對企業真正有用，需滿足以下三大要素：
模型品質與精準度：避免“幻覺”（hallucination），在推理與生成上具備可靠性。
上下文連接能力：使模型得以在真實業務環境中操作，如讀取合同、查詢財務、調用系統接口等，同時兼顧安全權限與動態變化。
集中治理機制：防止組織內部出現過多不同類型的 agent，從而缺乏統一可控的權限、策略與審查機制。
這種設計思路體現的是一種從 “聊天” 工具向“智能勞動力” agent 平臺的進階。庫里安也反思了當前業界對 agent 的過度炒作與誤解。他表示很多所謂 agent 實際只是包裝了工具調用的聊天機器人，而難以承擔真正的多步操作、復雜推理與業務執行。
對于庫里安而言，一個真正的 agent 應具備以下特征：
能進行多步交互，不是簡單地一次問答結束；
可調用多種工具，生成候選結果并自我批判、甄別；
在執行任務過程中必須保障準確性和一致性。
庫里安舉了一個例子。比如探索一項臨床試驗及其療效，這其中會涉及多個步驟。試驗結果和試驗參數可能存儲在不同系統中。因此，第一步是將來自這兩個或三個不同系統的數據采集到一個系統中，并對其進行規范和標記。Gemini Enterprise 可以幫助實現很多自動化操作。
在談及 “Data Science Agent” 時，庫里安強調，這類 agent 能自動執行數據預處理、特征工程、模型構建和探索性分析等任務，從而降低數據工程在整個流程中的占比。
AI 的 “中間地帶”
庫里安在訪談中指出，目前大家對 AI 的反應處在兩種極端：一方面是 AI 會 “吞噬” 所有工作，另一方面是其作用微乎其微。他傾向于一種中間路徑，找到一個平衡點。
他在談 Customer Engagement Suite（客戶交互套件）時，提到很多人擔憂引入聊天/語音機器人后，會大量裁掉客服人員。然而，實際上幾乎沒有因為部署此技術就裁員的案例。相反，該套件幫助企業解決了不少效率方面的問題。
庫里安的觀點是，AI 在很多場景中承擔的是 “低價邊緣任務” —— 那些用戶以前沒力氣或沒意愿去做的問題，或是機器可以高效完成的重復性邏輯。真正復雜、高風險或極具主觀判斷性的工作，目前仍很難替代。
在庫里安看來，AI 將對白領勞動產生層級再分化、協同增強、能力升級、彈性邊界拉寬等影響。
不過，庫里安也明確強調，AI 的落地中仍有信任、監管、解釋性和安全性的門檻。
AI 投資熱潮背后的風險
庫里安在訪談中談到，當前 AI 領域中的很多項目或公司處于“流動性時代”。長期看，唯有真正能夠為客戶創造價值、產生可量化回報的技術公司，才有持續性。資本再好，如果脫離商業模式的支撐，也難以自持。
對于谷歌云，庫里安心中有三大護城河：
自有模型 + 自研芯片整合：谷歌云不僅擁有自己的通用大模型，還在芯片、計算架構上擁有深厚積累，這使得它在算力、效率與成本上具備協同優勢。
企業級落地能力：谷歌云在云服務、基礎設施、數據治理、權限控制等方面具有天然經驗積累。
客戶導向與價值交付：谷歌云所看重的是客戶對產品的真實需求與使用價值，他們愿意在早期階段做一些相對保守的投入，而不是鋪天蓋地地孵化項目。
在他看來，未來 AI 產業可能會出現 “優勝劣汰” 態勢。那些短期靠資金堆積用戶、但沒有深厚技術和產品邏輯支撐的公司會被淘汰；而真正以客戶價值為導向、技術不斷夯實的公司，則有可能在下一輪洗牌中脫穎而出。
參考資料：
https://www.bigtechnology.com/p/google-cloud-ceo-thomas-kurian-on-ecd
分享
