从搜索引擎到 AI 领航者——构建全方位AI生态

01

Google Cloud Next 2025是一场融合了技术发布、开发者培训和行业交流的综合性大会。

你可能知道这次大会谷歌发布了很多新产品，但本文去探讨谷歌这一互联网顶尖公司对于AI时代的畅想，它在做出的战略转型。

这一次转型的成功与否将决定这一互联网巨头能否“活过”这一次的技术周期。我们可以明确看到的是 OpenAI 成为下一个 Google 的“野心”。

02

还是需要先梳理大会发布的几个重要内容，我会在这里从底层到上层展开，以一种独特的视角：

AI基础设施层：算力 + 底层架构
- Ironwood TPU（第七代）：高性能定制芯片，专为大模型训练和推理设计。
- AI Hypercomputer 架构：一个旨在简化 AI 部署、提升性能和优化成本的超级计算系统，其核心就是TPU。
- Cloud生态：如 Cloud WAN 等新一代网络基础设施，为全球企业 AI 应用提供高速、稳定、安全的运行环境。
AI平台层：大模型平台 + 数据连接——（Google这里感觉更多ToB，下面第三点也是)
- Vertex AI：Google 的核心 AI 平台，托管了 Gemini 2.5、Imagen 3、Veo 2 等多模态模型，组成了 Google 的模型矩阵。
- Model Garden：模型库扩展至 200+ 种，涵盖 Google 自研、Anthropic、Mistral 等多家模型，支持企业进行跨模型比较与微调训练。
- 数据连接与处理：Vertex AI 强调连接企业数据源，提升输出的真实准确性。
Agent层：AI Agent系统
- Agent Development Kit（ADK）：降低开发者门槛，提供构建、交互、评估、部署 Agent 的全套工具。
- Agent-to-Agent 协议（A2A）：标准化多 Agent 之间的协作通信，这和MCP不同，MCP是让模型使用工具，而A2A连接的可以是多个由MCP构建起来的Agent，让不同Agent间的“通信”。
- Agentspace：一个部署在企业内部的 Agent 系统，每位员工都可以有一个“个人 AI 助手”，用于执行任务、总结信息、调用文档等。
应用构建层：AI原生应用——（面向开发者，ToD）
- Firebase Studio：推出了 agentic app 构建功能，使开发者可以通过图形化界面快速将 AI 能力集成进 Web 或移动端应用。
- Gemini Code Assist：升级为开发者的“超级 IDE 助手”，支持代码补全、解释、生成测试用例等，释放编程生产力。（号称是Cursor + Windsurf + Replit + ...)
- Vertex AI 与 Firebase 的集成：提供模型 API、RAG 工具、部署支持，与 Firebase 的数据库、鉴权、托管等服务打通，构成完整的 AI 应用开发闭环。
用户体验层：终端产品——（面向用户，ToC）
- Gemini 应用集成：全方位整合进生态中的一线产品，如Gmail、Workspace等，侧重于体验。
- 行业解决方案：展示了 AI 在广告、搜索、医疗、零售等行业的落地方案（展示都挺“大”的）。

下面是AI根据这个整理出的技术栈五层结构图，很清晰。

┌───────────────────────────────┐
│ 5. 用户体验层（终端产品）                                    │
│ - Gemini Apps（Gmail、Docs 等）                              │
│ - Google Workspace AI 集成                                   │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 4. 应用构建层（开发者工具）                                  │
│ - Firebase Studio                                            │
│ - Gemini Code Assist                                         │
│ - Vertex AI 与 Firebase 集成                                 │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 3. Agent 层（智能体）                                        │
│ - Agent Development Kit（ADK）                               │
│ - Agent-to-Agent 协议（A2A）                                 │
│ - Agentspace                                                 │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 2. AI 平台层（模型与数据）                                   │
│ - Vertex AI                                                  │
│ - Model Garden（200+ 模型）                                  │
│ - 数据连接与处理（BigQuery 等）                              │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 1. 基础设施层（算力与架构）                                  │
│ - Ironwood TPU（第七代）                                     │
│ - AI Hypercomputer 架构                                      │
│ - Cloud 生态与网络底座                                       │
└───────────────────────────────┘

03

Google 的布局展现出的AI行业生态很清晰，也反映了想要从搜索引擎公司转型成AI公司的决心。

就我目前使用而言，除了支付与地域等的限制，谷歌的AI产品普遍都是很不错的。

同时，我之前一直对于所谓行业共识“AI将成为像电、网络一样的基础设施”抱有疑问与怀疑，这一次我有一个新的认知：

AI 能成为基础设施的关键，可能就在于协议。如同互联网 TCP/IP 等协议解决了数据互联，Agent 协议（无论是哪一种）都会解决能力/服务的互联互通，使 AI 能力可以被模块化、服务化、按需调用。

协议标准化是技术走向基础设施化的一种规律。互联网协议连接了数据，而 Agent 协议（无论最终标准是什么）将连接智能与服务。

其他的一些思考：

Google 似乎在利用其强大的云计算和开发者生态优势，试图构建一个开放（至少看起来是这样，比如 Model Garden 引入多家模型）且完善的 AI “平台”和“操作系统”，让开发者和企业在其上构建应用和 Agent。这与 OpenAI 可能更侧重于打造最强通用模型本身的路径有所不同。这两种战略谁能最终胜出，值得持续观察。

Google 推出的 A2A 协议意义重大，但真正的挑战在于能否让不同公司、不同技术栈开发的 Agent 都愿意并且能够采纳和兼容这个协议（或者未来出现的其他行业标准）。如果能实现广泛的互操作性，那 Agent 生态的爆发力将是惊人的；如果形成多个互相割裂的“Agent 孤岛”，那其价值将大打折扣。这其中蕴含着巨大的技术标准化和商业博弈的机会与风险。

未来 ToC 市场的一个重要形态——一个统一的、可信赖的个人智能入口，负责管理和调度用户所需的各种 Agent 服务。谁能掌握这个入口，谁就可能掌握未来的流量和用户心智。