谷歌谈一体化AI架构与开放竞争

Google 解释了为什么其一体化的 AI 技术栈能够兼容并包竞争对手的产品

“差异化，但保持开放”

某云 Next 大会上，某机构的 Andi Gutmans 表示，在企业从 AI 中获取价值的竞争中，该公司相对于其最大的竞争对手拥有结构性优势。他认为，目前没有竞争对手能将云计算基础设施、前沿 AI 模型和数据平台整合在同一体系下。

“我们确实是唯一一家同时拥有 AI 基础设施、模型和数据平台的提供商，”他在某媒体简报会上回答问题时说。Gutmans 负责某机构云的数据业务，包括分析、事务数据库、存储和商业智能产品，他表示，这种集成的技术栈对于从 AI 中实现价值至关重要。

“如果考虑某中心和某中心，它们有基础设施，但没有模型，”Gutmans 说。“看看那些数据提供商，他们有数据平台，但必须从其他地方获取基础设施和模型。而 AI 模型提供商只做 AI 模型。”

Gutmans 表示，随着企业从响应人类查询的 AI 工具转向能够代表员工自主行动的智能代理，这些差距的重要性变得更加明显。这种转变对底层数据平台带来了压力，而早期的架构设计无法应对这种压力。同时，大规模运行代理的经济效益更青睐那些能控制技术栈更多层面的提供商。

“如果你问‘这个代理型数据云到底有什么不同，因为每家公司都在说同样的话？’答案是，我们处于独特的位置，可以将这些部分非常紧密地集成在一起。当从人工规模转向代理规模时，这一点比以往任何时候都更加重要，因为你必须改变性价比曲线，否则成本会太高。”

Gutmans 表示，某机构在过去一年半里重新思考了其数据平台，以适应向代理规模的转变。他指出，大约 90% 的企业数据仍然是非结构化的，并且历史上一直未被使用。会上公布的“知识目录”旨在让这些数据可供代理使用，而无需大量数据工程师手动准备。

促成这一变化的时刻并非产品决策，而是模型本身的进步。他表示，当 Gemini 2.5 到来时，推理能力达到了一个临界点，这迫使某机构重新设计其数据产品组合中的每一个代理。

“在过去一年里，我们彻底重新设计了每一个代理。所以，即便是对话分析代理、数据科学代理、数据工程代理，我们也必须减少对模型的预设指令。这正是知识目录和 MCP 发挥作用的之处，因为它们在处理推理方面表现得更好。这是一个巨大的转折点，”他说。“如果你问客户今年的对话分析与去年相比如何，他们会告诉你，去年根本无法使用它。它只能处理简单的事情。”

他表示，公司在本次大会上发布了大约 80 项与数据相关的公告，并且其产品组合中几乎每个代理产品都在过去一年中进行了重构。

“模型进步太大了，”他说。“简直是天壤之别。”

他表示，过去需要数月手动构建本体的方法已经不再必要。

“一年前，人们会想，‘让我找某家大数据分析公司，召集 20 个人，工作六个月，构建一个本体。’现在你不会再用那种方法了，”他说。“如果你真的想激活整个数据资产，你无法靠人力来完成。”

记者询问 Gutmans，某机构如何在一个既要与许多软件提供商竞争，同时又要与之合作的市场中运作。

某机构声称对其企业 AI 代理的扩散问题有全部答案；某机构发布了更多 AI 安全代理以对抗恶意行为者；今年某机构计划向数据中心投入巨资；即便是 CEO 有时也会遇到通信故障。

某机构制造自己的 TPU AI 加速器，但也与某芯片公司合作。它拥有自己的数据分析平台，同时也与其他几家数据平台公司合作。某云平台的用户可以创建、部署和管理 AI 代理，以在其数字资产中执行任务，但同时也可以托管来自其合作伙伴（如某销售软件公司和某工作流平台公司）的相同功能。

“我们的观点是，我们希望构建最好的平台，我认为这与其他超大规模云提供商没有什么不同，”Gutmans 说。

Gutmans 表示，集成式技术栈是一个真实且持久的竞争优势，尤其是在安全性、治理和成本效率在碎片化系统中变得更加难以管理的时候。他表示，同样的原则也适用于某机构本周宣布的跨云湖仓，该湖仓允许客户以低延迟查询存储在其它云服务中的数据。

“差异化，但保持开放，”他用此描述某机构的方法。FINISHED