AI 可代寫電郵、整理會議紀錄，企業下一步最關心的是 AI 能否真正接手工作流程，而非模型夠不夠高分。Google 透過一場對媒體的 Demo 中給出了答案：AI 將從「單點對話」邁向「跨部門自主執行」。Google 此次不再只強調單一模型，更針對企業面臨的成本、孤島與資安問題提出「代理式企業（Agentic Enterprise）」框架。這套模型將如何重塑企業 IT 基礎，並將 AI 轉化為 CFO 可計算的營運投資
多個 AI 代理平行工作 如公司跨部門協作
在 Google Cloud Next ’26 大會前夕的媒體簡報中做了一場 AI Demo ，場景是一家全球家具零售商面對滯銷的 Tuscany 系列庫存，管理層只需輸入一段自然語言指令，系統便可由多個 AI 代理分工處理：市場研究代理分析搜尋趨勢，數據洞察代理找出死庫存，產品策略代理提出重新包裝與定價建議，開發代理透過 Jira 發出網頁更新任務，Workspace 代理則生成給經銷商的簡報。原本要多個部門來回協調的流程，被壓縮到幾分鐘內完成。
這場 demo 想傳達的重點是企業 AI 正由「對話工具」走向「跨部門執行系統」。Google 今次發佈主軸由以往獨立 AI 功能的服務，轉向以 Gemini Enterprise Agent Platform 為核心，將基建、數據、工作入口與治理整合成一套可落地的代理式企業框架。
集合零散 AI 工具 轉成四層 AI 技術堆疊
若把今次發布按企業部署邏輯拆開看，可以理解為一個由下而上的四層 AI 技術堆疊。第一層是 AI Hypercomputer，處理算力與成本問題；第二層是 Agentic Data Cloud，負責把企業數據變成可供代理理解的上下文；第三層是 Gemini Enterprise Agent Platform 與 Workspace Intelligence，負責建立、部署與使用代理；第四層則是 Agentic Defense，也就是安全、身份與治理機制。Google 想做的，是把原本零散的 AI 工具，整理成一套企業可以管理和擴張的營運模型，貫穿上下的運作。
第一層：先控制成本 AI 才能由試驗走向常態
企業若要把 AI 由部門試點推向全公司現實運作，最大問題是成本難以預算。Google 今次在基建層主打 AI Hypercomputer，並推出第八代 TPU，包括面向推論的 TPU 8i 與針對訓練的 TPU 8t。
對管理層而言，重點在 Google 想把 AI 代理的運行成本，變成較可預測、可精算的投資模型而不在硬件規格本身。官方稱 TPU 8i 可帶來每美元效能提升 80%，目標是讓大規模推論變得更具成本效益；TPU 8t 則主打縮短前沿模型開發週期。配合 Virgo Networking、Managed Lustre、Rapid Storage 及 Axion N4A 等基建更新，Google 的核心訊息其實很直接：若代理真的要大量上線，企業最終看的不止 demo 有多強，最重要是成本能否可控。
第二層：把數據孤島變成 AI 可理解的企業脈絡
Vodafone 預期 2030 年可節省 1 億歐元營運成本
AI 若缺乏企業內部數據，就很難做出真正有用的業務決策。Google 今次把這一層命名為 Agentic Data Cloud。
其中最重要的新產品之一，是 Cross-Cloud Lakehouse。Google 的主張企業毋須為了做 AI，事先要把所有資料搬到同一地方。透過這個架構，數據可以留在 AWS 或 Azure，以「零搬運」方式完成分析，從而減少資料遷移成本，也降低被單一供應商綁定的壓力。
另一個關鍵產品是 Knowledge Catalog。它的商業意義在於 Google 想讓 AI 讀取表格與檔案時，可理解公司內部資料之間的語意關係。再配合 Smart Storage、Lightning Engine for Apache Spark 以及可直接連接 BigQuery 的 Deep Research Agent，Google 正試圖把 AI 由「回答問題」推進到「理解企業上下文並產出可用洞察」。
Google 亦引用客戶案例來證明這一層的價值。官方表示 Vodafone 已利用相關能力建立自我修復診斷系統，主動處理網絡故障，並預期到 2030 年可節省 1 億歐元（約港幣 8.48 億元）營運成本。
第三層：真正落地，靠的是平台與工作入口
Macquarie Bank 節省了逾 100,000 小時員工的工作時間
若 AI 要由 IT 部門玩具變成全公司可用的工具，部署門檻必須降低。這正是 Gemini Enterprise Agent Platform 的角色。
在平台層，Google 這次推出或強化了多項核心能力，包括 Agent Studio、Agent Designer、Agent-to-Agent Orchestration、Agent Registry、Memory Bank、Canvas 以及長時間運行代理等。對企業而言，這代表建立代理不再只是工程師的工作，業務團隊也可以透過較低門檻的方式，把實際工作流程轉化成可執行的代理任務。
Google 亦同時強調開放性。除了自家的 Gemini 3.1 Pro、Gemini 3.1 Flash Image（Nano Banana 2） 和 Lyria 3，平台亦透過 Model Garden 提供 200 多個模型，並新增支援 Claude Opus 4.7。這顯示 Google 今次想賣的是一個可以管理多模型、多代理的企業平台。
在使用者端，Workspace Intelligence 是另一個關鍵。Google 把它定位為一個統一的語意層，目標是打破會議記錄、電子郵件、檔案與聊天之間的資訊孤島，讓 AI 代理可根據更完整的上下文協助員工工作。
具體功能包括：Workspace Agent 可讓使用者無需離開 Gemini Enterprise，便能跨 Google Workspace 應用執行多步驟任務；Gmail 新增 AI Inbox 與 AI Overviews，把收件匣變成更主動的 AI 助理；Google Chat 內的 Ask Gemini 可即時整合資訊、提供洞察並查詢專案內容；Docs、Sheets、Slides 亦加入新的內容生成能力，可整合來自 Drive、Gmail 及網頁的資料生成具備專業格式的草稿；而 Google Drive Projects 則是一個新的智慧協作空間，可整理團隊檔案與電郵，協助管理工作流程與生成內容。對企業而言，這一層真正的價值，是減少員工改變工作習慣的成本。
Google 亦引用多個案例支持這套平台的商業價值。官方表示，GSK 已把原本需時一個月的臨床研究工作縮短至幾分鐘；FairPrice Group 正利用 AI 代理推動智慧購物車與門市營運；Macquarie Bank 節省了逾 100,000 小時員工的工作時間，並把人手釋放到更高價值的工作。；WPP 則已建立逾 100,000 個代理，並把 AI 廣告活動推進至每四天一個，速度加倍，為客戶帶來 2.5 倍價值。
第四層：治理與安全，才是董事會真正會問的問題
企業越是想把 AI 放進核心流程，越不可只看功能，還要問：誰能控制、誰能追蹤、出事時誰要負責。這也是 Google 今次把安全與治理，獨立列為一個核心層面的因由。
Google 以 Agentic Defense 為總框架，整合 Google Threat Intelligence、Security Operations 及 Wiz 的雲端與 AI 安全平台。今次強調的重點包括 Triage and Investigation Agent、Threat Hunting Agent、Detection Engineering Agent、Dark Web Intelligence，以及升級後的 Google Cloud Fraud Defense。
官方指出其分流與調查代理至今，已處理超過 5,000,000 個警示，並把原本需時 30 分鐘的手動威脅分析，壓縮至 60 秒。
當中 Dark Web Intelligence 是較值得企留意的新數據點。Google 指出這項能力結合最新 Gemini 模型與 Google Threat Intelligence 團隊的暗網知識，可為企業建立更細緻的風險概況；根據 Google 內部測試，它能以 98% 準確率分析每天數百萬個外部事件，協助企業過濾並優先處理真正具威脅的事件。與此同時，Threat Hunting Agent 可主動找出繞過傳統防禦的新型攻擊模式，而 Detection Engineering Agent 則把原本依賴人工撰寫的偵測規則，自動化地生成與維護。對管理層來說，這些不只是技術名詞，而是安全團隊能否更快、更有系統地應對風險的問題。
Google 亦嘗試補上企業最在意的治理機制。Agent Identity 用來為每個代理建立可追蹤身份，Agent Gateway 則負責執行安全政策與權限控管。另一個值得補充的新產品，是由 reCAPTCHA 升級而來的 Google Cloud Fraud Defense。Google 表示，這個平台現已全面推出，專門辨識機械人、真人及 AI 代理的合法性與授權狀態，並將推出針對真人與 AI 代理的專屬功能預覽版，以保護從帳戶建立、登入到支付及結帳的整個數碼商務流程。換句話說，Google 想回應的不是「AI 能否做事」，而是「AI 能否在企業內被放心使用」。
Google 已轉向企業級 AI 全方位解決方案
總結 Google Cloud Next ’26 最值得企業管理者記住的，不是甚麼新模型或 Gemini Pro 提升了多少，而是 Google 正嘗試把 AI 包裝成一套可部署、可治理、可擴張、可量化回報的企業營運系統。
由 AI Hypercomputer 到 Agentic Data Cloud，由 Gemini Enterprise Agent Platform 到 Agentic Defense，Google 今次真正想賣的，其實是一個企業級 AI 的「控制面」。它希望企業未來管理的，不只是雲端資源與軟件授權，而是一整支可被調度、被監管、被評估效益的數碼勞動力。
對行政總裁、財務總監與資訊總監而言，下一步不要再問「公司要不要用 AI」，而是應該先問：公司最核心的哪一段流程，可以最先交給 AI 代理接手。
–
