Google 企業 Agent 工具的戰略選擇：技術派打法 vs 消費者路線

> Meta Shift

Google 上週在 Cloud Next 大會上發布了 Gemini Enterprise Agent Platform，這是 Google 在企業 AI Agent 市場的重要一步。有趣的是，Google 選擇了一條與 OpenAI、Anthropic 完全不同的路線：專門針對 IT 和技術團隊，而不是直接面向一般商務用戶。

這個選擇挺值得玩味的。當其他廠商都在打「人人都能用 AI Agent」的牌時，Google 反其道而行，把工具先給了最懂技術的人，讓他們去服務業務部門。從表面上看可能有點反直覺，但仔細想想，這可能是個很聰明的 positioning。

商業模式拆解

Gemini Enterprise Agent Platform 本質上是個 B2B 的基礎建設服務，類似 AWS 或 Azure 的邏輯。Google 不是直接賣 Agent 給終端用戶，而是賣建構和管理 Agent 的平台給企業的 IT 部門。

這個商業模式有幾個層次：

第一層是平台費用。雖然 Google 沒有公開定價，但參考 Google Cloud 的其他服務，估計會是基於用量計費的模式 — 按 API calls、compute time 或 agent 數量收費。對比 Amazon Bedrock AgentCore 和 Microsoft Foundry，這類企業級 AI 平台的客單價通常在每月數千到數萬美金（來源：TechCrunch）。

第二層是模型費用。這個平台支援 Google 自家的 Gemini，以及 Anthropic 的 Claude（包括 Opus、Sonnet 和 Haiku 三個版本），每次 agent 執行任務都會產生 token 費用。Google 在這裡扮演的是平台商角色，抽取模型使用的分潤。

目標客戶很明確：中大型企業的 IT 部門。這些客戶的特點是預算相對充足、決策週期較長、但一旦採用就有很高的 switching cost。據業界估計，企業 AI 服務市場在 2026 年預計會達到 400 億美金規模（來源：Gartner）。

護城河在哪？主要是 整合優勢。Google Cloud 生態系的客戶可以直接用現有的 IAM、billing、monitoring 系統，不用重新整合一套 AI Agent 的基礎建設。這對 IT 部門來說是很大的誘因 — 誰也不想為了用個 AI Agent 還要搞定一堆新的系統整合問題。

競爭格局

企業 AI Agent 市場現在主要有三派打法：

技術派（Google、Amazon）：

• Google Gemini Enterprise Agent Platform：針對 IT 團隊，強調整合和管理
• Amazon Bedrock AgentCore：類似策略，但更偏向 AWS 生態系
• 優勢：基礎建設完整、企業客戶信任度高
• 劣勢：需要技術門檻，推廣速度較慢

消費者派（OpenAI）：

• GPTs 和 ChatGPT Enterprise：直接面向終端用戶
• 優勢：使用門檻低、病毒式傳播快
• 劣勢：企業安全和控制能力較弱

垂直派（各種 AI Agent startups）：

• 針對特定行業或功能的 Agent 工具
• 優勢：深度客製化
• 劣勢：規模化困難、容易被大廠抄襲

從目前的市場反應來看，消費者派的 OpenAI 在聲量上領先，但技術派可能在企業客戶的實際採用上更有優勢。企業 IT 採購的邏輯跟消費者完全不同 — 他們要的是穩定、可控、好管理，而不是酷炫或病毒式傳播。

有趣的是，Google 這次還宣布支援 Anthropic 的 Claude 模型，包括最新的 Opus 4.7。這個決定很務實 — 既然企業客戶可能有不同的模型偏好，那就都支援，讓客戶選擇，Google 專心做好平台和整合。

Meta 判讀

這件事我覺得是個 Meta Shift，理由有三個：

第一，重新定義了 AI Agent 的競爭維度。以前大家比的是模型能力或 UI 體驗，現在 Google 把戰場拉到了 IT 基礎建設和企業整合。這有點像當年雲端服務的競爭 — 不是比誰的伺服器最快，而是比誰的整套解決方案最完整。

第二，改變了 go-to-market 策略。從 B2C 的病毒式傳播，變成 B2B 的 top-down 銷售。IT 部門先採用，再向業務部門推廣，這個路徑可能比較慢，但一旦建立就很難被替代。

第三，這讓我想到當年 Salesforce vs Microsoft 的競爭。Salesforce 直接做 CRM 軟體賣給業務部門，Microsoft 則是透過 Office 365 和 Dynamics 整合，讓 IT 部門來推動採用。最終兩種策略都成功了，但走的路完全不同。

Google 現在的打法更像當年的 Microsoft — 用既有的企業客戶基礎和技術整合優勢，來建立在新領域的競爭地位。

工程師該怎麼看

對工程師來說，Google 這個選擇其實釋放了幾個信號：

技能組合的變化：如果 AI Agent 的主戰場是企業 IT 基礎建設，那懂 cloud architecture、DevOps、security 的工程師會比只懂 prompt engineering 的人更有價值。會整合系統、會考慮 scalability 和 reliability 的技能變得更重要。

職涯方向：企業 AI 的崛起意味著 B2B SaaS 領域會有更多機會。相比於 B2C 的 AI 產品（競爭激烈、容易被大廠碾壓），B2B 領域還有很多垂直場景等著被挖掘。

Side project 思路：與其做另一個 ChatGPT wrapper，不如想想怎麼幫企業 IT 部門解決 AI Agent 的管理問題。比如 agent 的 monitoring、logging、version control，或者特定行業的 agent template。

Google 這步棋下得很深。表面上看是推出了一個企業工具，實際上是在重新定義 AI Agent 市場的競爭規則。對工程師來說，這提醒我們 AI 的下半場可能不只是模型和演算法的競爭，更是工程和整合能力的比拚。

延伸閱讀

• OpenAI 談企業 AI 下階段 — 大部分公司還沒跟上
• 拆解 Agent Harness — 你以為的 AI Agent 其實 90% 是 harness
• AI-Native 公司的定義：把 AI 拿掉，公司會死的那種