Google 用 Agent 打一場翻身仗

> Meta Shift

Google 上週在 I/O 大會發布 Gemini 3.5 Flash，直接宣告不玩聊天機器人了，要 all-in AI Agent。這個決策很有意思，因為當 OpenAI 還在優化 ChatGPT 對話體驗時，Google 已經開始佈局下一個戰場。

老實說這是個聰明的策略轉移。Google 在對話式 AI 這塊已經輸給 OpenAI 太多，ChatGPT 的品牌力和用戶習慣已經很難撼動。但 AI Agent 這個賽道還沒有絕對的王者，Google 有機會靠技術優勢重新洗牌。

3.5 Flash 的數據很嚇人：比其他 frontier model 快 4 倍，優化版本更是快 12 倍，而且在編程和 agent 任務上的表現超過了自家的 3.1 Pro。DeepMind 的首席技術官 Koray Kavukcuoglu 說這個模型可以「獨立執行編程流水線、管理研究項目，甚至從零開始構建作業系統」（來源：TechCrunch）。

這不是在做 demo，Google 已經有企業客戶在用 3.5 Flash 自動化「數週級別的工作流程」了。銀行和金融科技公司、數據科學團隊都在實際部署。

商業模式拆解

Google 的 AI Agent 策略其實是在重新定義 B2B AI 服務的商業模式。傳統的 AI API 計費方式是按 token 收費，但 Agent 的計費邏輯完全不同 — 你買的不是對話次數，而是「工作能力」。

從已知的合作案例來看，Google 瞄準的是企業級的複雜任務自動化。銀行用 Agent 處理多週級的審批流程、數據科學團隊用 Agent 在複雜數據環境中挖掘洞察（來源：TechCrunch）。這些任務的商業價值遠高於問答式的 AI 服務。

定價策略上，Google 很聰明地推出了兩層架構：3.5 Flash 負責執行，即將發布的 3.5 Pro 負責規劃和編排。Google 產品總監 Tulsee Doshi 說得很清楚：「Pro 是你的編排器和規劃師，然後它可以利用 Flash 作為各種子代理」（來源：TechCrunch）。

這個架構的商業邏輯是讓企業客戶可以根據任務複雜度來選擇模型，簡單任務用便宜快速的 Flash，複雜決策用昂貴但聰明的 Pro。這比 OpenAI 的單一模型定價更靈活，也更容易控制成本。

護城河在於 Google 同時推出了 Antigravity 2.0 這個 agent-first 的開發環境。這不只是一個 IDE，而是讓 AI Agent 可以「原生地生活、工作和執行」的平台。這種軟硬體整合的策略，讓競爭對手很難單純靠 API 來抗衡。

市場規模方面，Gartner 估計到 2026 年，30% 的企業軟體將整合 AI Agent 功能，這是個數百億美金的市場。Google 如果能搶下企業 AI 自動化的標準，收益會比現在的 search ads 更穩定。

競爭格局

AI Agent 這個賽道的競爭格局很有趣，各家都有不同的策略重點：

OpenAI：還是以 ChatGPT 為核心，GPTs 和 Custom Instructions 更像是增強功能，沒有真正的 agent 執行環境。商業化主要還是 B2C 的訂閱制。

Anthropic：Claude 在推理能力上很強，但在 agent 執行和工具使用上相對保守。更多是在做安全可控的對話助手。

Microsoft：通過 Copilot 系列在企業場景佈局，但主要是嵌入現有的 Office 和 Azure 服務中，缺少獨立的 agent 平台。

新創公司：Replit、Cursor 這些專注在特定領域（編程）的 AI Agent 產品很有競爭力，但規模和資源有限。

Google 的策略是最激進的：直接做平台級的 agent 執行環境，而且技術規格很實在。12 倍的速度提升不是開玩笑的，這在需要大量並行處理的 agent 任務中是決定性優勢。

從市場反應來看，Google 已經開始在搶 OpenAI 的企業客戶。特別是那些需要複雜自動化流程的大型企業，對速度和可靠性的要求遠比對話能力重要。

Meta 判讀

這是一個典型的 Meta Shift。Google 意識到在對話式 AI 這個賽道已經沒辦法正面硬剛 OpenAI，所以直接換賽道到 AI Agent。

這讓我想到 2010 年代的雲端運算大戰。AWS 先發優勢很明顯，但 Google 沒有選擇做一模一樣的 IaaS 服務，而是重注 Kubernetes 和容器化技術，最後靠技術路線的差異化殺出重圍。

現在的情況很類似：OpenAI 在消費級對話 AI 有先發優勢，但 Google 押注企業級的 autonomous agent，這是個更大但也更難做的市場。

關鍵差異在於執行環境。ChatGPT 本質上還是個很聰明的聊天機器人，但 Antigravity 是讓 AI 可以真正「工作」的環境。這個差異會在 12-18 個月內變得非常明顯。

風險是 agent 技術還不夠成熟，用戶對 AI 自主執行複雜任務的信任度還很低。Google 需要在可靠性和安全性上下更多功夫。但如果做對了，這會是比搜尋廣告更大的生意。

工程師該怎麼看

對工程師來說，這個趨勢有幾個值得關注的點：

技術選型：如果你在做企業級的自動化項目，Google 的 agent stack 值得評估。特別是需要長時間運行、多步驟執行的任務，3.5 Flash 的速度優勢會很明顯。

職涯方向：AI Agent 開發會是個新的專業領域。不只要懂 LLM API，還要懂工作流設計、錯誤處理、人機協作。這個 skill set 現在很稀缺。

Side Project 機會：垂直領域的 agent 工具有很大機會。比如專門做財務分析的 agent、專門做代碼審查的 agent。Google 提供了底層能力，但具體應用還需要很多人來做。

最重要的是，別把 AI Agent 想得太複雜。本質上就是讓 AI 能調用更多工具、執行更長的任務鏈而已。技術門檻不高，但產品設計和用戶體驗的門檻很高。

Google 這一步棋下得很深，但成功與否還要看執行。至少他們終於不再跟在 OpenAI 後面亦步亦趨了，這就是進步。

延伸閱讀

• AI Agent 分析工具正在起飛 — Voker 們的商業機會在哪？
• 為什麼 AI Agent 需要專屬瀏覽器？Rotunda 的技術突破點
• OpenAI 做手機 只是 AI Agent 取代 App ？