有分析指出，谷歌云在人工智能竞争中寻求主导地位的重心已不再是“模型性能”，而是转向了“控制层”和数据基础设施。随着企业级人工智能的加速普及，业界评估认为，真正的胜负很可能取决于让智能体能够读取、连接和执行数据的“智能体化AI基础设施”。
The Cube Research首席分析师约翰·弗里尔在分析谷歌Cloud Next 2026大会时诊断，谷歌正瞄准成为智能体化企业操作系统的角色。他认为，掌握连接数据与各种系统的“控制平面”将决定市场优势。这一层级如同神经网络，负责连接企业内部多种应用程序与数据流。
在企业现场，AI的引入速度已显著加快。部分企业甚至评价，在代码编写工作中，机器的比重已高于人类。不过，并非所有组织都在以相同速度推进。不少企业尚未判断出在哪些业务中优先应用AI能产生最大效果。这种情况更加凸显了共同设计数据、安全、治理及执行环境的智能体化AI基础设施的重要性。
核心是“上下文数据”……比准确信息更重要的是“最恰当的信息”
谷歌云将“上下文数据”视为弥补AI模型局限性的关键。谷歌云数据库工程主管赛莱什·克里希纳穆尔蒂解释说，模型本身非常强大，但企业业务实际所需的上下文存在于数据之中。这意味着，要回答问题，并非简单地输入大量信息，而是需要精准提取出“当前所需的信息”。
因此，有观点指出，下一代数据云必须与现有数据库不同。它需要超越简单的存储与查询功能，在单一系统内处理图形搜索、向量嵌入、全文检索和关系运算。只有通过在最小化数据移动的同时提供最优结果，智能体化AI基础设施才能在大规模企业环境中良好运行。
OpenText也认同这一观点。OpenText正与谷歌云合作，基于上下文工程、数据主权和开放互操作性构建智能体堆栈。OpenText方面强调，企业信息并非简单的文件存储，而是一个包含分类、标记、治理以及与业务流程连接在内的体系。要将这些信息提供给大语言模型，必须防止不必要的数据泛滥，并仅在适当时刻传递所需信息。
谷歌正通过深度集成Gemini企业级智能体平台，扩大能够安全利用数十年积累的企业文档的行业解决方案。这再次表明，AI引入的成功与否，更多取决于数据质量和访问架构，而非模型的炫酷程度。
混合环境与成本削减……合作伙伴关系决定AI基础设施效率
AI基础设施的竞争并非仅凭单一企业之力就能决定。谷歌正与英伟达、戴尔科技、AMD等合作，构建覆盖云端与本地部署的“AI就绪基础设施”。尤其考虑到许多企业因安全和监管原因难以将数据完全托付给外部云，谷歌通过其分布式云，支持企业在本地环境中也能利用Gemini的功能。
在此过程中，Kubernetes的角色日益重要。谷歌将Kubernetes视为涵盖学习、推理到强化学习的AI事实上的操作系统。这意味着Kubernetes是协调分散在多种环境中的AI智能体的核心工具。企业在维持多云或混合架构的同时扩展AI，这种编排层不可或缺。
成本问题也是一个重要变量。AMD解释称，在相当多的企业客户同时使用自有数据中心和云的情况下，基于x86的基础设施是最现实的替代方案。因为容器工作负载可以轻松迁移到两种环境，且无需额外修改代码就能同时确保性能和成本效益。
美国旅游科技企业Sabre据称在将超过5万个虚拟CPU迁移至谷歌云上基于AMD的实例后，同时实现了成本节约和性能提升。该公司表示，无需修改代码，以更小的基础设施占用获得了更快的处理性能，并将由此节省的预算重新投入到了智能体化AI的投资中。
谷歌也在生态扩张上押下重注。为加强谷歌云合作伙伴网络，计划投入7.5亿美元（约合1.107375万亿韩元），以提升超过12万名成员企业的业绩。谷歌还在构思一种结构，让合作方的智能体与谷歌侧系统交互，实现 onboarding、教育和推荐工作的自动化。
AI应用于“难题”方能见效……超越简单自动化，改善客户体验
麦肯锡建议，越是感觉AI投资回报不及预期的企业，越应该瞄准更大的问题。麦肯锡高级合伙人阿舒托什·帕迪表示，要创造显著价值，必须从能够撼动企业整体格局的课题入手。因为即便是成功的简单实验性项目也未必能引起全组织关注，但如果解决了核心业务问题，变革管理和能力建设也会随之而来。
美国最大的州立健康保险市场Covered California被作为此类案例提出。该机构与德勤咨询、谷歌合作引入了Google Document AI，大幅自动化了资格认定和注册验证工作。据估算，这每年节省了约2.4万小时的操作时间。此前最长需要72小时的文档验证，如今仅需几秒钟即可完成。
这带来的不仅仅是人力成本的降低。评估指出，员工从重复的文书处理中解脱出来，得以专注于更有价值的客户支持，从而提升了服务质量和客户体验。德勤解读称，AI并非替代人类的角色，反而能成为让人们专注于更具人性化工作的工具。
谷歌Cloud Next 2026传递的信息很明确。AI竞争的核心已不再仅仅是“谁制造了更聪明的模型”。在企业市场，结合数据上下文、控制层、混合基础设施、成本效益与合作伙伴生态的智能体化AI基础设施，正成为真正的决胜点。未来，AI引入的成败，很可能更多地取决于模型能否稳定、灵活地与企业环境相连接，而非模型本身。
TP AI注意事项 本文基于TokenPost.ai 语言模型进行摘要。正文主要内容可能存在遗漏或与事实不符的情况。