2026年4月22日，Google Cloud Next大会开幕第一天，Sundar Pichai刚刚结束了那场让所有人震惊的开场演讲——$2400亿积压订单、7.5亿Gemini用户、48%增速——然后，Google做了一件被许多人低估的事：把Vertex AI改了个名字。

新名字叫Gemini Enterprise Agent Platform。

大多数科技媒体在报道这件事时，把它放在了一个不起眼的位置。毕竟，更名嘛，不就是个营销决定吗？

错了。这次更名不是品牌焦虑，也不是命名混乱，而是Google向整个企业AI市场发出的一份战略宣言：AI平台战争已经进入下半场，而下半场的核心战场，不是”能力”，是”治理”。

一个名字的重量

理解这次更名，需要先理解Vertex AI是什么。

过去3年，Vertex AI是Google Cloud面向企业的统一AI开发平台——训练模型、调优模型、部署API。它干的事，本质上是”让你更容易使用Google的AI能力”。

这是AI平台1.0时代的标准定位：AI能力提供商。你有需求，我有模型，我给你接口，你来调用。

但这个定位有一个根本性的局限：它假设AI是工具，而不是代理。它的使用范式是”人调用AI”，而不是”AI代表人行动”。

当企业开始部署AI Agent——让AI跨系统、跨数据、自主完成多步骤任务时，Vertex AI的”能力提供商”定位就开始显得力不从心了。

因为Agent带来的核心挑战，不再是”能力够不够用”，而是：

  • 这个Agent是谁？（身份问题）
  • 它在做什么？（可观测性问题）
  • 谁能控制它？（治理问题）
  • 多个Agent如何协同？（编排问题）

这4个问题，是Vertex AI这个名字承载不了的。

所以Google选择了一个新名字：Gemini Enterprise Agent Platform——一个明确包含”Agent”和”治理”语义的名字。

这不是品牌焦虑，这是Google在宣告：我们已经不再只是AI能力提供商，我们要成为企业AI Agent的运营中枢。

四层架构：从能力到信任的完整闭环

新平台的核心架构分4个维度：Build（构建）、Scale（规模化）、Govern（治理）、Optimize（优化）。

这个顺序不是随机的，它描述的是一个企业AI Agent从诞生到成熟的完整生命周期。

Build：从零到第一个Agent

构建层提供两种路径：

  • Agent Studio：低代码可视化界面，企业非技术人员也能构建简单Agent
  • Agent Development Kit (ADK)：代码优先的开发框架，支持复杂多Agent编排

值得注意的是ADK的定位——它不是另一个LangChain竞品，而是一个刻意设计为”可治理”的框架。ADK的核心设计哲学是：任何在ADK上构建的Agent，都天然具备被Govern层管理的能力。

这意味着，选择ADK不只是选了一个开发框架，而是选择了接入Google整个企业Agent治理体系。这个绑定关系，是Google构建平台护城河的关键机制。

Scale：长期运行的Agent基础设施

Scale层解决的是Agent从”原型”到”生产”的最后一公里问题。

关键特性：

  • Agent Runtime：重新设计的运行时，支持Agent维持状态运行数天（而非传统的无状态对话）
  • Memory Bank：持久化长期上下文，Agent能记住跨会话的业务数据和用户偏好
  • 合作伙伴生态：Oracle、Salesforce、ServiceNow、Adobe、Workday均已接入

Memory Bank特别值得关注。企业AI最大的痛点之一，正是Agent的”失忆症”——每次会话都从头开始，无法积累组织知识。Memory Bank直接针对这个痛点：Agent不再是”工具”，而是具备持续学习能力的”数字同事”。

Comcast的案例印证了这个价值：他们用ADK重建Xfinity客服Assistant，从”脚本自动化”升级到”会话式生成智能”，实现了更高的数字自服务率，同时在第一次解决问题的成功率上取得显著提升。Agent Runtime作为关键加速器”让我们得以部署复杂的多Agent架构”。

Govern：三剑客构建企业级护城河

这是整个平台最具战略意义的一层，也是与所有竞争对手最大的差异化所在。

Agent Identity：每个Agent都有独立身份凭证，支持基于角色的访问控制（RBAC），确保Agent只能访问其被授权的系统和数据。这解决了企业IT的核心安全顾虑：我怎么知道这个Agent在做什么、访问了什么？

Agent Registry：企业的”Agent名录”。所有在组织内运行的Agent——无论是内部开发的，还是从合作伙伴生态引入的——都在这里登记、注册、管理。没有注册的Agent，不能在企业环境中运行。

Agent Gateway：Agent与企业系统之间的统一入口。所有Agent请求都经过Gateway，实现集中监控、审计日志、策略执行和流量管理。

这3个组件共同构建了一套企业级Agent治理基础设施，解决的问题是：当企业同时运行数十甚至数百个AI Agent时，如何保证可控、可审计、可治理？

这是Vertex AI从未能解决的问题，因为那时候企业还不需要同时管理数百个Agent。

Optimize：让Agent不只是跑，而是跑好

Optimize层包含：

  • Agent Simulation：在生产环境前预先测试Agent的行为
  • Agent Evaluation：持续评估Agent输出质量
  • Agent Observability：实时执行轨迹追踪，让人类团队随时理解Agent在做什么

Observability在企业AI中尤其关键。企业不只需要AI”能用”，还需要AI”可解释”——当Board问”这个季度我们的AI Agent做了什么决策”时，需要有完整的审计链条可以回答。

Burns & McDonnell（全球顶级工程咨询公司）的案例说明了这一点：他们用Agent Platform处理”数十年项目数据”，Agent不只是查询数据，而是把历史经验转化为实时决策智能——这要求极高的可解释性，因为每一个工程决策都可能涉及数亿美元的项目风险。

200+模型：开放生态的战略意图

Gemini Enterprise Agent Platform接入了Model Garden的200多个模型，包括：

  • Google自有：Gemini 3.1 Pro、Gemini 3.1 Flash Image、Lyria 3、Gemma 4开源系列
  • 竞争对手：Anthropic的Claude Opus、Sonnet和Haiku

在自家企业AI平台上，公开宣传竞争对手的模型接入，这是一个值得深思的决策。

Google的战略逻辑是：当平台成为Agent运营中枢，模型本身变成了可替换的商品。

竞争的关键不再是”我的模型比你的更强”，而是”你所有的Agent，无论用什么模型，都必须跑在我的治理基础设施上”。

这是一个经典的”平台吃掉层”策略：通过开放多模型选择，让企业更容易上平台；一旦企业的Agent治理、身份管理、运营数据都积累在平台上，迁移成本就急剧上升。

Anthropic的Claude在Agent Platform上运行，表面上看是Google的”慷慨开放”，实质上是Google在把竞争对手的能力纳入自己的平台护城河。

竞争格局：不止三巨头，还有一批被悄悄收编的”中间件”

Google的这次转型，是在一个正在快速演进的竞争格局中发生的。

AWS方面：几乎同天发布了Bedrock AgentCore的重大更新，同样在构建企业Agent运营基础设施。AgentCore的核心主张是”3步API调用创建运行Agent”——把复杂度下沉到基础设施层。两家的思路高度相似：不再只是卖能力，而是成为企业Agent的运营平台。

微软方面：Azure AI Foundry同样在打企业AI平台牌，依托Microsoft 365的深度整合，在前端渗透层占据优势。

Salesforce方面：Agentforce和Agent Fabric正在从CRM出发，试图成为企业Agent的”控制平面”。有趣的是，Salesforce同时是Gemini Enterprise Agent Platform的合作伙伴——Google没有把Salesforce视为直接竞争对手，而是想在更底层的”Agent基础设施”层卡位，让上层的应用层合作伙伴在其上运营。

但真正值得关注的，是被这个故事遗忘的另一批玩家：LangChain、LlamaIndex、CrewAI等独立Agent框架。

2年前，这些中间件是企业AI工程师的首选：开源、灵活、不被单一云厂商锁定。它们帮助企业构建了第一批Agent原型，也教会了一代AI工程师如何编排多Agent系统。

现在，Google的ADK、AWS的AgentCore、微软的Semantic Kernel都在做同一件事：把这些中间件曾经提供的核心价值，打包成自家云平台的内置功能，并且额外附赠企业级治理、安全和SLA。

LangChain们面临的困境是：纯技术层面它们仍然优秀，但它们能给企业的东西只有能力，给不了信任。而云厂商能给的，不只是能力，还有责任。

当企业AI从”探索阶段”进入”生产阶段”，治理和合规的权重急剧上升。那些曾经帮助企业快速原型的中间件，正在被”平台化”的浪潮悄悄边缘化。这不是因为它们技术不行，而是因为它们解决不了企业的信任问题。

真正的问题：治理能成为护城河吗？

Gemini Enterprise Agent Platform的战略赌注，是押注企业AI的下一个核心价值维度是治理，而非能力。

这个判断是否正确？

支持的证据：

  • Gartner预测，AI治理将成为企业CIO的头号AI优先级（超过能力和成本）
  • 监管压力：欧盟AI法案、美国各州AI责任立法正在快速推进，企业需要可审计的AI决策链条
  • 实际采用障碍：据Salesforce调研，企业AI部署失败的第一大原因不是技术问题，而是治理和信任问题

挑战：

技术治理能解决法律合规吗？ 这是一个被Google在发布会上跳过的关键问题。Agent Identity、Agent Registry可以告诉你”哪个Agent做了什么”，但欧盟AI法案要求的不只是可追溯性，还要求”高风险AI系统”有人类监督机制和事前合规评估。技术治理工具和法律合规要求之间，仍然存在一个巨大的实施鸿沟。

企业实际信任AI Agent的速度，比Google的架构假设要慢得多。Anthropic最近披露的Claude生成代码安全漏洞问题说明：即使有再完善的治理框架，底层模型的安全问题仍可能穿透治理层。企业CIO的核心顾虑，不只是”Agent做了什么不该做的事，我们能事后追溯”，而是”Agent做了不该做的事，我们能事前阻止”——这是一个本质上不同的技术问题。

竞争对手可以快速复制治理工具。 微软和AWS同样可以做Agent Identity、Agent Registry。技术护城河的持续时间，取决于先发优势能否在用户规模上转化为数据网络效应——而这，需要时间。

这个赌注的赢面，很大程度上取决于企业AI的成熟速度。如果Agent化浪潮如Google预期的那样在2026-2027年快速爆发，先建好治理基础设施的人，将获得先发护城河优势。

如果节奏比预期慢，Google可能在用户还没有治理刚需时，就已经建好了一座用不上的城堡。

写在最后

Gemini Enterprise Agent Platform的发布，是Google对企业AI市场的一次重大重新定位。

Vertex AI的消亡，不是产品失败，而是时代更迭。它完成了自己的历史使命：帮助企业进入了AI时代。而新平台被赋予了下一个历史使命：帮助企业驾驭Agent时代。

这次更名背后，是整个企业AI行业从”能力竞争”向”治理竞争”的范式转移——谁能让企业最有信心地把AI Agent托付出去、让它代表企业行动，谁就赢得了下一个时代的企业采购决策。

但这里有一个让人深思的本质：治理工具解决的是”可见性”和”可追溯性”问题，而企业真正需要的是”可信任性”——这是两件不同的事。

技术治理告诉你Agent做了什么。但企业信任Agent，需要的是确信Agent不会做不该做的事。这一步，不是靠平台架构解决的，而是靠文化、法律和人类社会对AI的整体接受度积累的。

Google建了一座很好的城堡。但有多少人愿意住进去、并把钥匙交给Agent保管——这个问题，还没有答案。

参考资料：