Google偷偷摸摸地超越了企业AI：从“赶上”到“赶上我们”

就在一年前，Google和Enterprise AI周围的嗡嗡声似乎被困在中立。尽管像《变压器》这样的开创性技术，但这家技术巨头似乎仍在落后，这被Openai的病毒式成功所黯然失色，Openai，人类的编码能力，以及Microsoft的积极进取。

但是快进到上周在Google Cloud Next 2025在拉斯维加斯的Google Cloud，这一场景明显不同。一个充满自信的Google，配备了表现最佳的模型，强大的基础架构和明确的企业策略，宣布了戏剧性的周转。一位分析师在与高级Google高级管理人员的闭门分析师会议上，一位分析师封装了这种心情：“这感觉就像Google从'赶上'赶到'赶上我们。''的那一刻。”

Google的飞跃

这种观点 - 谷歌不仅赶上了企业AI竞赛的Openai和Microsoft之前，而且在整个活动中都可以显而易见。这不仅仅是营销炒作。在过去的一年中，Google非常专注于执行，将其技术实力转变为高性能的集成平台，该平台迅速赢得了企业决策者的胜利。从世界上最强大的AI模型在高效的自定义硅上运行，到针对现实世界中商业挑战量身定制的AI代理的新兴生态系统，Google提出了一个有力的证明，它从未真正丢失过，而是经历了一个深厚的基础发展时期。

由于其集成的堆栈现已全部运行，Google似乎准备领导企业AI Revolution的下一阶段。在接下来的我对Google高管的采访中，他们强调了Google在基础架构和模型集成方面的独特优势 - 诸如OpenAI，Microsoft或AWS之类的竞争对手会发现复制挑战。

怀疑的阴影：承认最近的过去

要充分欣赏Google当前的势头，必须承认最近的过去。 Google发明了变压器体系结构，以大型语言模型（LLMS）引发现代革命，并于十年前开始投资于专业的AI硬件（TPU），现在可以提高行业领先的效率。然而，莫名其妙的是，仅仅两年半前，谷歌发现自己在防守。

Openai的Chatgpt以令人叹为观止的速度吸引了公众的想象力和企业兴趣，成为历史上增长最快的应用程序。像拟人化的竞争对手在编码等领域雕刻了利基市场。同时，Google的公开动作通常是暂定或有缺陷的。臭名昭著的吟游诗人在2023年失败了，其图像发生器引起的争议在历史上产生了不准确的描述，这是对公司内部官僚主义或对一致性的过度纠正所阻碍的公司的叙述。 Google似乎迷路了，在云竞赛中回应了最初的缓慢，在云竞赛中，它仍然是亚马逊和微软的市场份额遥远的第三。

枢纽：有意识的领导决定

然而，在幕后，发生了重大转变，这是在最高层次的蓄意决定以收回领导力的原因的推动下。 Google DeepMind的AI开发人员平台产品副总裁Mat Velloso在离开Microsoft后于2024年2月加入Google时感觉到了这一关键时刻。 “当我来到Google时，我与Sundar [Pichai]进行了交谈，我在这里与几位领导人进行了交谈，我觉得那是他们决定的那一刻，好的，这个[Generative AI]是行业显然在乎的。让我们做到这一点。” Velloso在上周的一次采访中分享。”

这种更新的推动并没有受到一些局外人认为正在耗尽Google的恐惧的“脑力消耗”的阻碍。取而代之的是，该公司在2024年初的执行方式加倍，其特征是以积极的招聘，内部统一和客户牵引力。当竞争对手雇用飞溅的雇员时，Google保留了其核心AI领导力，包括DeepMind首席执行官Demis Hassabis和Google Cloud首席执行官Thomas Kurian，提供了稳定和深入的专业知识。

此外，人才开始流向Google的集中任务。例如，洛根·基尔帕特里克（Logan Kilpatrick）从Openai返回Google，这是有机会在公司内建立基础AI的机会。他加入Velloso，以“零到一种体验”为任务，负责从头开始为双子座建立开发人员的牵引力。基尔帕特里克回忆起起点。像乔什·伍德沃德（Josh Woodward）这样的领导者，他帮助创立了AI工作室，现在领导了Gemini App and Labs，而Noam Shazeer是原始“您需要的全部需要”的关键合着者Noam Shazeer，也是2024年底作为Compucial Gemini Project的技术共同领导者。

支柱1：双子座2.5和思维模型时代

尽管企业口头禅不仅转向“不仅与模型”，但拥有表现最佳的LLM仍然是一项重大成就，并且是公司卓越研究和高效技术体系结构的有力验证者。随着Gemini 2.5 Pro在Next '25 '25的前几周的发布，Google果断地宣称了这一地幔。它迅速超过了独立的聊天机器人竞技场排行榜，即使是Openai的最新GPT-4O版本，也明显优于Openai，并且众所周知的是诸如《人类的最后考试》（Humanity's Last Exam）等臭名昭著的艰难推理基准。正如Pichai在主题演讲中所说的那样：“这是我们有史以来最聪明的AI模型。它是世界上最好的模型。”该模型在一个月内将双子座使用率增加了80％，他分别发了推文。

对双子座的需求首次着火。除了Gemini 2.5 Pro的原始智慧之外，给我留下了深刻的印象，这是其可证明的推理。 Google已经设计了一种“思考”功能，使该模型可以在最终确定响应之前执行多步推理，计划甚至自我反思。结构化的，连贯的思想链（COT）（使用编号的步骤和子序列）避免了来自DeepSeek或Openai的其他模型的输出的漫不经心或不透明的性质。对于评估关键任务输出的技术团队，此透明度可以验证，更正和重定向，并以前所未有的信心。

但更重要的是，对于企业用户而言，Gemini 2.5 Pro也显着缩小了编码的差距，这是生成AI的最大应用领域之一。在接受VentureBeat采访时，领先零售商Wayfair的CTO Fiona Tan表示，经过初步测试，该公司发现它“加强了很多”，现在与Anthropic的Claude 3.7十四行诗“相当可比”，以前是许多开发人员的首选选择。

Google还向模型添加了一个大量的令牌上下文窗口，从而在整个代码库中启用推理或冗长的文档，远远超过了OpenAI或人类模型的功能。 （Openai在本周的回应中，具有类似大型上下文窗口的模型，尽管基准表明Gemini 2.5 Pro在整体推理方面保持优势）。此优势允许复杂的多文件软件工程任务。

补充Pro是Gemini 2.5 Flash，在Next '25宣布并就在昨天发布。 Flash也是一种“思考”模型，可针对低潜伏期和成本效益进行优化。您可以控制模型的原因和平衡性能与预算之间的平衡。这种分层方法进一步反映了Google高管拥护的“每一美元的智能”策略。

Velloso展示了一张图表，揭示了在整个智能频谱中，Google模型提供了最佳价值。 Velloso承认：“如果我们一年前进行了这次谈话……我将没有什么可展示的。” “现在，就像整体上一样，如果您正在寻找任何型号，任何规模，例如，如果您不是Google，那么您就会亏钱。”已经更新了类似的图表，以说明Openai本周发行的最新模型，所有图表都显示了同样的内容：Google的型号提供了每美元最佳的智能。见下文：

她说，Wayfair的棕褐色还观察到有希望的潜伏期改善：“ Gemini 2.5更快地恢复了”，使其可行，可以使“更多的面向客户的功能”可行，她说，她说的是其他模型以前并非如此。她说，双子座可能成为这些客户互动的第一个模型Wayfair使用。

双子座家族的功能扩展到了多模式，与Google的其他领先模型无缝集成，例如Imagen 3（图像生成），VEO 2（视频生成），Chirp 3（Audio）和新宣布的Lyria（Text-tot-Music），所有通过Google for Enterprise for Enterprise用户，Vertex，Vertex。 Google是唯一一家在其平台上所有模式中提供自己的生成媒体模型的公司。 Microsoft，AWS和OpenAI必须与其他公司合作。

支柱2：基础设施能力 - 引擎下的发动机

快速迭代并有效地服务这些强大模型的能力源于Google的无与伦比的基础设施，这些基础架构数十年来一直在运行的行星规模服务。这是张量处理单元（TPU）的中心。

在Next '25上，Google揭示了其第七代TPU的Ironwood，明确设计为推理和“思维模型”的需求。该量表是巨大的，适合要求AI工作量的量身定制：铁木豆荚包装超过9,000个液体冷却芯片，可提供42.5张Exaflops的计算功率。 Google的ML系统副总裁Amin Vahdat在舞台上表示，这是世界当前＃1 SuperCrouter的计算功率的“超过24倍”。

Google表示，Ironwood相对于上一代TPU的Trillium提供了2倍的perf/watt。这很重要，因为企业客户越来越说能源成本和可用性限制了大规模的AI部署。

Google Cloud CTO Will Grannis强调了这一进展的一致性。一年一年，他在采访时告诉VentureBeat，Google对其处理器进行了10倍，8倍，9倍，10倍的改善，为AI加速器创造了他所谓的“超级摩尔定律”。他说，客户正在购买Google的路线图，而不仅仅是其技术。

Google的立场推动了这一持续的TPU投资。它需要为超过20亿用户提供有效的大规模服务，例如搜索，YouTube和Gmail。这需要在当前的生成AI繁荣之前就开发自定义，优化的硬件。尽管META以类似的消费量表运行，但其他竞争对手在十年的垂直集成的AI硬件开发中缺乏这种特定的内部驱动程序。

现在，这些TPU投资正在获得回报，因为它们不仅可以推动其自己的应用程序的效率，而且还允许Google以每一美元更好的智能为其他用户提供双子座，所有这些都是平等的。

您问，为什么Google的竞争对手不能从NVIDIA购买高效的处理器？的确，NVIDIA的GPU处理器主导了LLM的过程预培训。但是市场需求推高了这些GPU的价格，而Nvidia将健康削减作为利润而获得了健康的削减。这将筹码用户带来了巨大的成本。而且，尽管迄今为止，虽然预培训已经占据了AI芯片的使用，但既然企业实际上正在部署这些应用程序，这正在改变。这是“推理”进出的地方，在这里，TPU被认为比GPU更有效地进行了大规模的工作负载。

当您询问Google高管AI中的主要技术优势来自何处时，他们通常会回到TPU，这是最重要的。经营Google计算基础架构的副总裁Mark Lohmeyer是明确的：TPU“当然是我们所做的工作的高度差异的部分……OpenAi，他们没有这些功能。”

值得注意的是，Google并非孤立地提出TPU，而是作为更广泛，更复杂的企业AI体系结构的一部分。对于技术内部人士而言，据了解，顶级性能取决于整合日益专业的技术突破。下一个更新已详细介绍。 Vahdat将其描述为一个“超级计算系统”，将硬件（TPU，最新的NVIDIA GPU）集成了Blackwell和即将推出的Vera Rubin，高级存储，例如HyperDisk Exapools，Anywhere Cache和Rapid Storage），以及统一的软件堆栈。该软件包括用于管理加速器的群集主管，Pathways（Gemini的分布式运行时，现在可以向客户使用），以及将VLLM等优化访问到TPU，从而使以前在NVIDIA/PYTORCH堆栈上更容易的工作负载迁移。 Vahdat认为，这一集成系统是Gemini 2.0闪光灯与GPT-4O相比，每美元智能的24倍。

Google还在扩展其物理基础架构范围。 Cloud Wan使Google的低延迟200万英里的私人光纤网络可供企业提供，与客户管理的网络相比，企业的性能最高可快40％，总拥有成本（TCO）降低了40％。

此外，Google分布式云（GDC）允许Gemini和Nvidia硬件（通过Dell Partnership）在Sovereign，本地，甚至是空调环境中运行 - NVIDIA首席执行官Jensen Huang称为“完全gigantic”，以将州的AIR AI I带入受监管的行业和国家。接下来，黄称Google的基础架构是世界上最好的：“没有比Google和Google Cloud的每一层计算机更好，”他说。

支柱3：集成完整的堆栈 - 连接点

Google在考虑如何将这些模型和基础架构组件编织成一个凝聚力平台时的战略优势。与通常依靠合作伙伴关系来弥合差距的竞争对手不同，Google几乎控制着每一层，从而实现了更严格的集成和更快的创新周期。

那么，如果像Microsoft这样的竞争对手可以与OpenAI合作以与LLM模型实力匹配基础架构的宽度，那么为什么这种集成呢？我与之交谈的Google员工说，这有很大的不同，他们想出了轶事来支持它。

以Google的企业数据库BigQuery的重大改进。现在，数据库提供了一个知识图，该图表允许LLMS更有效地搜索数据，现在它拥有雪橇和Databricks等竞争对手的客户的五倍以上。 Google Cloud的数据分析产品负责人Yasmeen Ahmad说，仅是因为Google的数据团队与DeepMind团队紧密合作，才有可能进行大幅改进。他们通过难以解决的用例工作，这导致数据库基于常见的查询至少根据Google的内部测试提供了50％的准确性，而与最近的竞争对手相比，艾哈迈德（Ahmad）在接受访谈中告诉VentureBeat。艾哈迈德（Ahmad）表示，整个堆栈中的这种深刻集成就是Google如何“超越”该行业。

这种内部凝聚力与微软的“ Frenemies”动态形成鲜明对比。尽管Microsoft与OpenAI合作在Azure Cloud上分发其模型时，Microsoft也在建立自己的模型。现在领导AI开发人员计划的Google主管Mat Velloso在试图将Windows副副计划与OpenAI的型号产品保持一致之后，离开了Microsoft。他回忆说：“如何与另一家实际与您竞争的公司分享您的产品计划……整个事情都是矛盾的。” “在这里，我与正在建立模特的人并肩坐着。”

这种集成表达了Google领导者认为的核心优势：从基础研究和模型构建到“行星规模”应用程序部署和基础架构设计，它可以在整个范围内连接深度专业知识的独特能力。

Vertex AI是Google企业AI努力的中枢神经系统。整合不仅仅是Google自己的产品。 Vertex的模型花园提供了200多个策划模型，包括Google，Meta's Llama 4和许多开源选项。 Vertex提供了用于调整的工具，评估（包括Grannis强调为关键加速器的AI驱动的Evals），部署和监视。它的接地功能利用内部AI-Ready数据库以及与外部矢量数据库的兼容性。再加上Google搜索的Google Search（全球最佳搜索引擎）的新产品。

集成扩展到Google Workspace。 Next '25宣布的新功能，例如“ Help Me Analyze”在床单中（是的，现在具有“ = ai”公式），文档和工作区流中的音频概述，将Gemini的功能进一步嵌入了每日工作流程中，创建了一个强大的反馈循环，以使Google供Google使用体验来改善体验。

在推动其集成堆栈的过程中，Google还在为生态系统提供服务的地方倡导开放性。在采用了Kubernetes采用的情况下，它现在正在为AI框架推广JAX，现在为代理通信（A2A）开放协议以及对现有标准（MCP）的支持。 Google还提供了来自代理空间内部的数百个连接到外部平台的连接器，这是Google的新统一接口，供员工找到和使用代理。这个中心概念令人信服。代理空间的主题演示（从51:40开始）说明了这一点。 Google为用户提供预先构建的代理商，或者员工或开发人员可以使用无代码AI功能来构建自己的能力。或者他们可以通过A2A连接器从外部拉出代理。它集成到Chrome浏览器中以进行无缝访问。

支柱4：关注企业价值和代理生态系统

也许最重大的转变是Google对解决混凝土企业问题的关注强调，尤其是通过AI代理商的角度。 Google Cloud CEO托马斯·库里安（Thomas Kurian）概述了客户选择Google的三个原因：AI优化平台，开放的多云方法允许与现有IT连接连接，以及企业就绪的重点关注安全性，主权和合规性。

代理是这种策略的关键。除了代理空间外，这还包括：

• 构建块：下一步宣布的开源代理开发套件（ADK）已经看到了开发人员的兴趣。 ADK简化了创建多代理系统，而所提出的代理2agent（A2A）协议旨在确保互操作性，允许使用不同工具（Gemini ADK，Langgraph，Crewai等）构建的代理进行协作。 Google的Grannis表示，A2A预测了可能数十万相互作用的代理商的未来的规模和安全挑战。
• Purpose-built Agents: Google showcased expert agents integrated into Agentspace (like NotebookLM, Idea Generation, Deep Research) and highlighted five key categories gaining traction: Customer Agents (powering tools like Reddit Answers, Verizon's support assistant, Wendy's drive-thru), Creative Agents (used by WPP, Brandtech, Sphere), Data Agents (driving insights at Mattel, Spotify, Bayer), Coding Agents （Gemini Code Assist）和安全代理（集成到新的Google统一安全平台中）。

这种全面的代理策略似乎引起了共鸣。上周，由于竞争敏感性，与其他三个大型企业的高管进行对话也匿名发言，这对Google的代理策略表示了这种热情。 Google Cloud Coo Francis Desouza在接受采访中证实：“每个对话都包括AI。具体来说，每个对话都包括代理商。”

Deloitte的高管Kevin Laughridge是Google AI产品的重要用户，也是其他公司的分销商，他将代理市场描述为“土地抢夺”，其中Google的早期提出了协议及其集成平台提供了很大的优势。 Laughridge在接受采访时说：“谁首先出去并获得真正带来价值的代理商最多的人 - 是谁将在这场比赛中获胜。”他说，Google的进度“令人惊讶”，并指出，Deloitte在一年前建造的定制代理商现在可以使用代理空间“开箱即用”复制。他说，德勤本身正在平台上建造100个代理商，以金融，风险和工程等中级职能为目标。

客户证明点正在安装。接下来，Google引用了“ 500加生产中的客户”，其生成AI，高于一年前的数十个原型。如果一年前将微软被认为是前进的方向，那么这似乎不再那么如此了。鉴于各方的公关战争，很难说谁现在真正赢得了胜利。指标各不相同。 Google的500号数字与Microsoft促进的400个案例研究直接相提并论（并且，Microsoft在发稿时告诉VentureBeat，它计划不久将公众计数更新为600个，强调了激烈的营销）。而且，如果Google通过其应用程序对AI的分布非常重要，那么Microsoft通过其365产品的副本发行同样令人印象深刻。现在两者都通过API击中数百万开发人员。

但是示例比Google的牵引力很多：

• 温迪（Wendy's）：在短短一年内将AI直通系统部署到数千个地点，提高了员工的经验和订单准确性。 Google Cloud CTO Will Grannis指出，AI系统能够理解lang语和过滤背景噪声，从而大大减轻了实时客户互动的压力。这使员工释放了专注于食物准备和质量 - 格兰尼斯（Grannis）的一个名为“ AI简化现实世界中的好例子”。
• Salesforce：宣布了一个重大的扩展，使其平台能够首次在Google Cloud上运行（超越AWS），理由是Google可以帮助他们“创新和优化”。
• Honeywell＆Intuit：以前与Microsoft and AWS密切相关的公司，现在与Google Cloud合作就AI计划。
• 主要银行（德意志银行，富国银行）：利用代理商和双子座进行研究，分析和现代化客户服务。
• 零售商（Walmart，Mercado Libre，Lowe's）：使用搜索，代理和数据平台。

这种企业牵引力促进了Google Cloud的整体增长，在过去的四个季度中，AWS和Azure都超过了Azure。 Google Cloud在2024年达到440亿美元的年度运行率，高于2018年的50亿美元。

导航竞争水域

Google的上升并不意味着竞争对手仍在静止不动。 OpenAI的快速发布本周GPT-4.1（专注于编码和长篇小说）和O系列（多模式推理，工具使用）展示了Openai的持续创新。此外，Openai在GPT-4O中的新图像生成功能更新在上个月促进了巨大的增长，帮助Chatgpt吸引了8亿用户。微软继续利用其庞大的企业足迹和OpenAI合作伙伴关系，而众人仍然是强大的竞争者，尤其是在编码和安全意识的应用中。

但是，毫无疑问的是，Google的叙述得到了显着改善。就在一年前，Google被视为一个笨拙的，停止的，失误的竞争对手，可能会击败其领导AI的机会。取而代之的是，其独特的，集成的堆栈和公司的坚定不移揭示了其他一些东西：Google具有整个频谱中的世界一流能力 - 从芯片设计（TPU）和全球基础架构到基础模型研究（DEEPMIND），应用程序开发（Workspace，Workspace，Search，YouTube，YouTube）和Enterprise Cloud Services（vertex ai ai，bigquere，bigquery，bigquery，ganderspace，gansentspace）。 Desouza平淡地说：“我们是基础模型对话中唯一的超级标准。”这种端到端所有权允许进行优化（例如“每美元的智能”）和依靠伙伴关系模型努力匹配的集成深度。竞争对手通常需要将不同的碎片缝合在一起，可能会产生摩擦或限制创新速度。

Google的时刻是

尽管AI竞赛保持活力，但Google在市场需要的确切时刻汇集了所有这些作品。正如德勤（Deloitte）的Laughridge所说的那样，Google碰到了它的功能完美融合“市场要求的地方”。如果您正在等待Google在企业AI中证明自己，那么您可能已经错过了这一刻。发明了许多为这场革命提供动力的核心技术的公司似乎终于赶上了 - 而且，不仅如此，现在它设定了竞争对手需要匹配的步伐。

在下面的视频中，接下来的录制，AI专家Sam Witteveen和我分解了当前的景观和新兴趋势，以及为什么Google的AI生态系统感觉如此强大：