Cloud Next 2026 ： Google Cloud 押注智能体规模化，推出第八代 TPU 与一体化安全平台
2026 年 Cloud Next 大会上， Google 释放了一个很明确的信号。它正把 Google Cloud 推向“智能体企业”基础设施层，不只是卖模型，也不只是卖算力，而是把智能体开发、治理、安全和运行所需的整套系统一起打包。与之配套的，是第八代张量处理器 Tensor Processing Unit ， TPU ，以及一批面向威胁检测和 AI 应用防护的新安全产品。
Google CEO Sundar Pichai 在 4 月 22 日发布的文章中披露， Google 第一方模型目前通过客户直接调用 API ，每分钟处理的 Token 已超过 160 亿，较上一季度的 100 亿明显增长。为了支撑这波需求， Google 预计在 2026 年把整体机器学习算力投资中的略高于一半投向云业务，服务其云客户和合作伙伴。
Google 这次最想讲清楚的，其实不是某一个单点产品，而是一个变化中的企业计算形态。过去企业问的是“能不能做一个智能体”。现在问题已经变成“怎么管理成千上万个智能体”。这句话听起来像营销话术，但从产品布局看， Google 的判断很现实。模型能力提升后，真正卡住企业落地的往往不是生成效果，而是权限、数据连接、治理、安全审计和跨部门部署。
围绕这个判断， Google 推出了新的 Gemini Enterprise Agent Platform ，中文可理解为 Gemini 企业级智能体平台。这套平台被定义为一个安全的全栈连接层，用来帮助企业构建、扩展、治理并优化智能体。 Google 给它的定位很直接，就是“智能体企业的任务指挥中心”。此前 Google 在去年秋季已经推出 Gemini Enterprise ，如今则进一步把重点从“有模型可用”推进到“有平台可管”。
增长数字也在配合这个叙事。 Google 表示， Gemini Enterprise 在今年第一季度的付费月活用户数环比增长 40%。这说明企业对生成式 AI 的兴趣并没有降温，只是需求重心已经从试点走向规模化运营。说白了，企业现在买的不是一个聊天机器人，而是一套能进生产系统的组织能力。
安全是第二条主线，而且 Google 这次把 AI 安全讲得很务实。一方面， AI 的确会扩大攻击面。另一方面， Google 想把 AI 也变成防守工具。此次发布的新方案，核心是一个 AI 驱动的网络安全平台，整合了 Google Threat Intelligence 、 Security Operations ，以及 Wiz 的云与 AI 安全平台能力。
同步亮相的还有 Wiz 新的 AI Application Protection Platform ， AI-APP 。这一平台面向多云、混合云和 AI 环境，覆盖从代码到云端再到运行时的自动化保护。这个产品方向很有针对性。眼下企业最怕的不是“AI 不够聪明”，而是“AI 系统接得越深，暴露面越大”。如果智能体未来真的会大规模接管业务流程，那么防护能力就不能只盯着传统工作负载，必须覆盖模型、代码、推理服务和运行环境的整个链条。
第三个重点是基础设施。 Google 发布了第八代 TPU ，采用双芯片路线，分别针对训练和推理做优化。
其中， TPU 8t 面向训练场景，单个超级 Pod 最多可扩展到 9600 个 TPU ，并提供 2 PB 共享高带宽内存。 Google 称，其处理能力达到 Ironwood 的 3 倍，性能功耗比最高提升 2 倍。这个参数背后的含义很清楚。模型训练并没有因为推理需求暴涨而退场，头部云厂商仍在拼更大规模、更高能效的训练底座。
另一款 TPU 8i 面向推理场景，单个 Pod 可连接 1152 个 TPU 。 Google 强调，它显著降低延迟，片上 SRAM 容量提升 3 倍，目标是在成本可控的前提下，同时运行数百万个智能体所需的高吞吐和低时延任务。这个表述很关键。它说明 Google 已经不再把推理理解为“回答几个问题”，而是在按“海量智能体并发执行任务”的场景设计硬件。
这批 TPU 将作为 Google Cloud 核心计算处理器选项之一，对外提供给云客户，同时与 NVIDIA GPU 实例组合成更完整的算力产品线。 Google 没有走“只押自研芯片”的极端路线，这很符合当前云市场的实际情况。大客户需要异构算力， Google 也需要用 TPU 拉开差异，同时保留对 NVIDIA 生态的兼容。
文章第四部分更像一段内部样板间展示。 Google 把自己称为“customer zero”，也就是自家技术的第一批真实用户。这个逻辑并不新鲜，但在 AI 基础设施竞争里很有说服力。因为只有先在内部高强度跑起来，平台级产品才有机会打磨到企业可用。
在编码方面， Google 称其内部早已使用 AI 生成代码。现在， Google 全部新增代码中，有 75% 由 AI 生成并经工程师审批通过，高于去年秋季的 50%。这不是说工程师被替代了，而是代码生产流程已经从“人写 AI 辅助”转向“AI 先写，人来审核和编排”。 Google 进一步表示，工程团队正在采用真正的智能体工作流，通过编排多个自动化智能体完成复杂任务。
一个典型案例是，一项由智能体与工程师协作完成的复杂代码迁移任务，速度达到一年前纯工程师模式的 6 倍。另一个例子来自 MacOS 版 Gemini 应用。 Google 称，团队借助其智能体开发平台 Antigravity ，在几天内就把一个想法做成了原生 Swift 应用原型。这样的表述当然带有宣传色彩，但它至少传递出一个趋势。企业软件开发流程的重构，已经从代码补全迈向任务级自动化。
在安全运营上， Google 表示，其安全运营中心 Security Operations Center 使用的智能体，每月可自动分拣数万份非结构化威胁报告，把威胁缓解时间缩短 90% 以上。 Google 还提到，其内部已经构建并实际使用基于 Gemini 的 AI 智能体，例如 CodeMender ，用于发现并修复关键软件漏洞。这里“修复”比“发现”更值得看一眼。因为真正贵的从来不是找出问题，而是让修复动作进入工程流程且不引发新问题。
在日常运营层面， Google 也把 AI 用在营销生产中。为推广 Chrome 中的 Gemini 功能，其营销团队利用模型快速生成数千种创意素材变体，原本需要数周的工作被压缩。 Google 称，这让交付速度提升 70%，转化率提升 20%。这类案例不像芯片发布那么吸睛，但更接近企业客户的真实需求。绝大多数公司短期内不会训练大模型，却很可能马上改造营销、客服、开发和安全流程。
从整场信息看， Google Cloud 正在把自己的 AI 叙事从“模型能力展示”切换成“企业级系统交付”。一头是 Gemini Enterprise Agent Platform ，解决智能体的大规模构建和管理。一头是 Wiz 与 Google 安全能力整合，补上 AI 时代的防护缺口。底层则是第八代 TPU 和 NVIDIA GPU 组成的异构算力底座。 Google 想卖的，其实是一整套可运行、可治理、可扩展的智能体企业基础设施。
这也解释了 Sundar Pichai 为什么特别强调投资方向。每分钟 160 亿 Token 的调用量只是表面热度，真正决定竞争走向的，是谁能把这股流量稳稳落到平台、芯片、安全和组织流程里。就目前这套布局看， Google 在努力证明自己不只是 AI 模型公司，也不只是云服务商，而是想做企业智能体时代的总承包商。
创艺洞察
Google 这次的重点，不在“又发了一个更强模型”，而在“怎么把智能体真正变成企业 IT 的常规部件”。这比模型排行榜更难，也更赚钱。 TPU 8i 那句“同时运行数百万个智能体”，其实已经把竞争维度挑明了。接下来云厂商拼的，不只是智能程度，而是并发能力、治理能力和出事时的收拾能力。 Google 现在的牌面很完整，但市场最终会盯着一个朴素问题。企业把关键流程交给智能体之后，系统到底稳不稳，贵不贵，出了问题谁来兜底。
