智车科技
5天前
在 AI 热潮席卷全球的背景下，谷歌云（Google Cloud）正在积极布局其下一代智能引擎 —— Gemini Enterprse。
该新产品可连接企业数据，并包含代理构建器、客户服务工具等。
Gemini 在生成式人工智能浪潮中表现强劲，其 Gemini 2.5 Pro 型号目前位居 LLM Arena 排行榜榜首。
近日，谷歌云 CEO 库里安接受了媒体专访，就 Gemini 在企业落地的挑战、AI 对白领工作形态的冲击，以及当下 AI 投资热潮的风险与机遇，给出了自己的见解。
从 “模型” 到 “智能劳动力” 工具
库里安指出，Gemini Enterprise 并不是一个全新模型，而是在基础的 Gemini 模型上，构建了连接企业系统与用户上下文的能力。
它能够接入企业的定制化数据源与应用系统（如 Office 365、JIRA、ERP、CRM 等），从而理解组织内部的业务逻辑和流程环境。
除此之外，它还具备 “个人理解” 能力，能够识别用户所在团队、所查信息、日程安排、职责边界，以更智能地为其提供协助或代办服务。
库里安认为，仅有模型本身远远不够。为让 AI 对企业真正有用，需满足以下三大要素：
模型品质与精准度：避免“幻觉”（hallucination），在推理与生成上具备可靠性。
上下文连接能力：使模型得以在真实业务环境中操作，如读取合同、查询财务、调用系统接口等，同时兼顾安全权限与动态变化。
集中治理机制：防止组织内部出现过多不同类型的 agent，从而缺乏统一可控的权限、策略与审查机制。
这种设计思路体现的是一种从 “聊天” 工具向“智能劳动力” agent 平台的进阶。库里安也反思了当前业界对 agent 的过度炒作与误解。他表示很多所谓 agent 实际只是包装了工具调用的聊天机器人，而难以承担真正的多步操作、复杂推理与业务执行。
对于库里安而言，一个真正的 agent 应具备以下特征：
能进行多步交互，不是简单地一次问答结束；
可调用多种工具，生成候选结果并自我批判、甄别；
在执行任务过程中必须保障准确性和一致性。
库里安举了一个例子。比如探索一项临床试验及其疗效，这其中会涉及多个步骤。试验结果和试验参数可能存储在不同系统中。因此，第一步是将来自这两个或三个不同系统的数据采集到一个系统中，并对其进行规范和标记。Gemini Enterprise 可以帮助实现很多自动化操作。
在谈及 “Data Science Agent” 时，库里安强调，这类 agent 能自动执行数据预处理、特征工程、模型构建和探索性分析等任务，从而降低数据工程在整个流程中的占比。
AI 的 “中间地带”
库里安在访谈中指出，目前大家对 AI 的反应处在两种极端：一方面是 AI 会 “吞噬” 所有工作，另一方面是其作用微乎其微。他倾向于一种中间路径，找到一个平衡点。
他在谈 Customer Engagement Suite（客户交互套件）时，提到很多人担忧引入聊天/语音机器人后，会大量裁掉客服人员。然而，实际上几乎没有因为部署此技术就裁员的案例。相反，该套件帮助企业解决了不少效率方面的问题。
库里安的观点是，AI 在很多场景中承担的是 “低价边缘任务” —— 那些用户以前没力气或没意愿去做的问题，或是机器可以高效完成的重复性逻辑。真正复杂、高风险或极具主观判断性的工作，目前仍很难替代。
在库里安看来，AI 将对白领劳动产生层级再分化、协同增强、能力升级、弹性边界拉宽等影响。
不过，库里安也明确强调，AI 的落地中仍有信任、监管、解释性和安全性的门槛。
AI 投资热潮背后的风险
库里安在访谈中谈到，当前 AI 领域中的很多项目或公司处于“流动性时代”。长期看，唯有真正能够为客户创造价值、产生可量化回报的技术公司，才有持续性。资本再好，如果脱离商业模式的支撑，也难以自持。
对于谷歌云，库里安心中有三大护城河：
自有模型 + 自研芯片整合：谷歌云不仅拥有自己的通用大模型，还在芯片、计算架构上拥有深厚积累，这使得它在算力、效率与成本上具备协同优势。
企业级落地能力：谷歌云在云服务、基础设施、数据治理、权限控制等方面具有天然经验积累。
客户导向与价值交付：谷歌云所看重的是客户对产品的真实需求与使用价值，他们愿意在早期阶段做一些相对保守的投入，而不是铺天盖地地孵化项目。
在他看来，未来 AI 产业可能会出现 “优胜劣汰”态势。那些短期靠资金堆积用户、但没有深厚技术和产品逻辑支撑的公司会被淘汰；而真正以客户价值为导向、技术不断夯实的公司，则有可能在下一轮洗牌中脱颖而出。
参考资料：
https://www.bigtechnology.com/p/google-cloud-ceo-thomas-kurian-on-ecd
在 AI 热潮席卷全球的背景下，谷歌云（Google Cloud）正在积极布局其下一代智能引擎 —— Gemini Enterprse。
该新产品可连接企业数据，并包含代理构建器、客户服务工具等。
Gemini 在生成式人工智能浪潮中表现强劲，其 Gemini 2.5 Pro 型号目前位居 LLM Arena 排行榜榜首。
近日，谷歌云 CEO 库里安接受了媒体专访，就 Gemini 在企业落地的挑战、AI 对白领工作形态的冲击，以及当下 AI 投资热潮的风险与机遇，给出了自己的见解。
从 “模型” 到 “智能劳动力” 工具
库里安指出，Gemini Enterprise 并不是一个全新模型，而是在基础的 Gemini 模型上，构建了连接企业系统与用户上下文的能力。
它能够接入企业的定制化数据源与应用系统（如 Office 365、JIRA、ERP、CRM 等），从而理解组织内部的业务逻辑和流程环境。
除此之外，它还具备 “个人理解” 能力，能够识别用户所在团队、所查信息、日程安排、职责边界，以更智能地为其提供协助或代办服务。
库里安认为，仅有模型本身远远不够。为让 AI 对企业真正有用，需满足以下三大要素：
模型品质与精准度：避免“幻觉”（hallucination），在推理与生成上具备可靠性。
上下文连接能力：使模型得以在真实业务环境中操作，如读取合同、查询财务、调用系统接口等，同时兼顾安全权限与动态变化。
集中治理机制：防止组织内部出现过多不同类型的 agent，从而缺乏统一可控的权限、策略与审查机制。
这种设计思路体现的是一种从 “聊天” 工具向“智能劳动力” agent 平台的进阶。库里安也反思了当前业界对 agent 的过度炒作与误解。他表示很多所谓 agent 实际只是包装了工具调用的聊天机器人，而难以承担真正的多步操作、复杂推理与业务执行。
对于库里安而言，一个真正的 agent 应具备以下特征：
能进行多步交互，不是简单地一次问答结束；
可调用多种工具，生成候选结果并自我批判、甄别；
在执行任务过程中必须保障准确性和一致性。
库里安举了一个例子。比如探索一项临床试验及其疗效，这其中会涉及多个步骤。试验结果和试验参数可能存储在不同系统中。因此，第一步是将来自这两个或三个不同系统的数据采集到一个系统中，并对其进行规范和标记。Gemini Enterprise 可以帮助实现很多自动化操作。
在谈及 “Data Science Agent” 时，库里安强调，这类 agent 能自动执行数据预处理、特征工程、模型构建和探索性分析等任务，从而降低数据工程在整个流程中的占比。
AI 的 “中间地带”
库里安在访谈中指出，目前大家对 AI 的反应处在两种极端：一方面是 AI 会 “吞噬” 所有工作，另一方面是其作用微乎其微。他倾向于一种中间路径，找到一个平衡点。
他在谈 Customer Engagement Suite（客户交互套件）时，提到很多人担忧引入聊天/语音机器人后，会大量裁掉客服人员。然而，实际上几乎没有因为部署此技术就裁员的案例。相反，该套件帮助企业解决了不少效率方面的问题。
库里安的观点是，AI 在很多场景中承担的是 “低价边缘任务” —— 那些用户以前没力气或没意愿去做的问题，或是机器可以高效完成的重复性逻辑。真正复杂、高风险或极具主观判断性的工作，目前仍很难替代。
在库里安看来，AI 将对白领劳动产生层级再分化、协同增强、能力升级、弹性边界拉宽等影响。
不过，库里安也明确强调，AI 的落地中仍有信任、监管、解释性和安全性的门槛。
AI 投资热潮背后的风险
库里安在访谈中谈到，当前 AI 领域中的很多项目或公司处于“流动性时代”。长期看，唯有真正能够为客户创造价值、产生可量化回报的技术公司，才有持续性。资本再好，如果脱离商业模式的支撑，也难以自持。
对于谷歌云，库里安心中有三大护城河：
自有模型 + 自研芯片整合：谷歌云不仅拥有自己的通用大模型，还在芯片、计算架构上拥有深厚积累，这使得它在算力、效率与成本上具备协同优势。
企业级落地能力：谷歌云在云服务、基础设施、数据治理、权限控制等方面具有天然经验积累。
客户导向与价值交付：谷歌云所看重的是客户对产品的真实需求与使用价值，他们愿意在早期阶段做一些相对保守的投入，而不是铺天盖地地孵化项目。
在他看来，未来 AI 产业可能会出现 “优胜劣汰”态势。那些短期靠资金堆积用户、但没有深厚技术和产品逻辑支撑的公司会被淘汰；而真正以客户价值为导向、技术不断夯实的公司，则有可能在下一轮洗牌中脱颖而出。
参考资料：
https://www.bigtechnology.com/p/google-cloud-ceo-thomas-kurian-on-ecd
