Untitled
2026年9月的最后一周，两家全球最大的企业软件公司，在不到一周的时间内，各自发布了他们关于AI转型的核心判断——而这两份判断，表面上指向了完全相反的方向。
9月17日，微软发布了一份44页的《成为前沿企业：我们的前沿行动手册》（Becoming a Frontier Firm: Our Frontier Playbook），基于超过100个自身内部AI转型案例，给出了一个反直觉的告诫：不要先上AI代理。先拆流程。 VentureBeat将其形容为”出奇坦诚的文件”。(来源: Microsoft WorkLab microsoft.com/en-us/worklab/work-trend-index/becoming-a-frontier-firm, 2026-09-17; VentureBeat报道 venturebeat.com, 2026-09-17)
同一周，Salesforce在Dreamforce 2026大会上发布了AIforce——一个让AI代理无需打开任何Salesforce界面，就能直接调用Salesforce全部27年积累的平台能力的开放架构。Marc Benioff在主题演讲中说：”你们将会看到AI界面变得动态而智慧……界面本身是活的。”(来源: Salesforce官方博客 salesforce.com/news/stories/five-dreamforce-2026-takeaways/, 2026-09-24)
同期，一家叫Ema的AI代理初创公司完成了7700万美元B轮融资。TechCrunch报道中，创始人Surojit Chatterjee说了一句让传统SaaS厂商不寒而栗的话：“我们很多客户已经在把一些大型SaaS应用完全替换掉，因为它们越来越只是个数据库。” Ema过去两年营收增长50倍，净收入留存率约180%。(来源: TechCrunch, techcrunch.com/2026/09/23/ema-raises-77m-as-ai-starts-eating-into-enterprise-software-and-services/, 2026-09-23)
三个事件、三份判断、一个正在发生的结构性重组。本文试图还原这张地图的全貌，并给出企业决策者在2026年秋季应该关注的核心问题。
第1章：微软的诚实告白——”把AI当软件升级来推，我们自己也走了弯路”
1.1 一份基于100+自身案例的反思
微软这份手册的诚实程度超出了外界预期。VentureBeat将其形容为”出奇坦诚的文件”。(来源: Microsoft WorkLab官方页面 microsoft.com/en-us/worklab/work-trend-index/becoming-a-frontier-firm; VentureBeat, 2026-09-17)
手册的核心叙事不是”AI多强大”，而是”我们自己曾经犯了什么错”：
“我们最初把AI当作另一次技术升级来推进——部署技术、培训员工、推动采用——结果发现，仅靠访问权限和努力并不能带来变革。” ——Kathleen Hogan，微软首席战略与转型官
这不是一家公司在假装谦虚。这是一家拥有超过22万员工、在全球大规模强推Copilot的公司，在研究了自身100+个AI转型案例之后，承认大多数公司（包括自己）走了弯路。手册的核心信息用一句话总结是：“把工具授权给100,000名员工，不会改变工作是怎么完成的。”
这一判断的背景是可以量化的。微软的研究覆盖了跨越企业职能、商业运营和工程团队的100+个内部AI转型案例，研究周期贯穿了2025年至2026年上半年——恰好是全球企业大规模试点Copilot的高峰时段。从这段时间的集体经验中，微软提炼出了一个令人不安的共识：简单地把AI工具”放进”现有工作流，结果往往是”更快地做错误的事情”。
值得注意的是，微软发布这份手册的时机，恰逢全球企业AI投资热潮的高点。根据各大分析机构的数据，企业在AI工具和Copilot类产品上的订阅支出在2025年至2026年大幅增长，但同期关于AI ROI实现率不及预期的报告也在增多。微软在这个时间点选择发布一份承认”我们自己走过弯路”的文件，需要相当程度的组织勇气——也说明这份诚实背后有足够充分的内部数据支撑。
1.2 “精益在代理之前”：把流程拆开，再重建
手册的核心方法论被微软称为”lean before agents”（精益在代理之前）。
微软把企业AI转型分为三种路径：人物角色加速（Persona Acceleration，给特定岗位配AI工具）、AI驱动的流程重设计（AI-Powered Process Redesign，围绕AI重建现有工作流）、AI优先的可能性（AI-First Possibility，从白纸开始设计）。
对于大多数已有运营体系的企业，微软建议的是第二种路径——而这条路径的第一步，必须是在引入任何AI代理之前，先把现有工作流端到端地梳理、简化、重建。具体而言，微软的建议包括：梳理并简化工作流中不必要的审批和交接环节，建立一个供AI代理推理的”单一数据真相来源”（single source of truth），明确哪些决策环节必须保留人工，以及建立可重用的编排和可观测性基础设施。
1.3 111个代理背后的真实案例
微软自己的云供应链团队提供了最具体的样本。在部署AI代理之前，一个跨职能团队先用相当长的时间梳理并简化了供应链工作流，并建立了一个AI可以推理的统一数据层。随后，他们在规划、采购、履约和物流四个环节部署了111个专用AI代理。
这些代理能做什么？它们可以调查需求变化，跨越空运、陆运和海运对比运输方案，同时考量成本、时效和碳排放影响。在指定的权限和审批阈值范围内，部分代理可以直接帮助规划人员更新或取消采购订单——不只是提供建议，而是真正执行操作。
结果是：相关供应链工作流的平均周期时间压缩了高达75%。这一数字来自2026年4月至8月的五个月计划周期测量。(来源: Microsoft WorkLab官方发布 microsoft.com/en-us/worklab/work-trend-index/becoming-a-frontier-firm; VentureBeat报道 venturebeat.com, 2026-09-17)
但微软的结论不是”快去部署111个代理”，而是：”如果没有前期的流程梳理和数据治理工作，这75%根本不可能实现。”两者的顺序至关重要——这是所有100+案例共同指向的教训。
1.4 最违背直觉的建议：别把基础模型放在架构中心
手册中对微软自身商业模式构成内在张力的建议，是最值得企业决策者关注的部分：
“不要把任何特定的基础模型放在你的架构中心。”
作为OpenAI的最大外部投资方，微软在告诉它的企业客户：你的持久竞争优势应该来自私有评估方法、专有上下文、工作流编排、反馈循环和机构知识——这些东西能在替换底层模型时幸存下来，而底层模型本身不能。
这句话的背景是2026年9月22日的双重发布：GPT-6 Sol和Luna上线，OpenAI官方宣布API价格较GPT-5.6版本降低50%（Sol定价$2/$10每百万输入/输出token，截至2026年9月22日发布时）；同天，Anthropic发布Claude Opus 5.5，官方数据显示对比Opus 5同类工作负载成本降低约40%，缓存读取成本更降低60%（输入/输出定价$4/$20每百万token，截至2026年9月22日发布时）。两款发布的时间间隔不到一小时，这一”同天降价”的信号被多家科技媒体广泛报道。(来源: OpenAI官方博客 openai.com/index/introducing-gpt-6-sol-and-luna/, 2026-09-22; Anthropic官方博客 anthropic.com/claude-opus-5-5, 2026-09-22; 9to5Google 9to5google.com/2026/09/22/claude-opus-5-5-and-openai-gpt-6-sol-luna-both-launch-today-with-lower-costs/, 2026-09-22) 而Gemini 4的新任领导人Koray Kavukcuoglu在接受The Verge采访时明确表示Gemini 4”处于精修阶段”，目标是”尽快”发布初版后训练成果。(来源: The Verge theverge.com/tech/999802/google-deepmind-gemini-4-timeline-koray-kavukcuoglu, 2026-09-24)
在这个模型能力快速迭代、价格持续下降的环境里，微软的建议是：在模型竞争最激烈的时候，不要追赶模型，要建设你自己无法被替代的积累层。
第2章：Salesforce的押注——27年数据变成AI时代的”电网”
2.1 AIforce：软件来找你，而不是你去找软件
Marc Benioff在Dreamforce 2026主舞台上，用一句话总结了Salesforce的战略赌注：
“其他软件公司，他们认为他们的产品是UI。在Salesforce，我们的产品是信任——是所有客户对我们保存他们数据、工作流、业务流程、权限规则和安全规范的信任。”(来源: Salesforce官方博客, 2026-09-24)
AIforce的核心机制是这样的：它把Salesforce在过去27年里积累的全部平台能力——API、元数据、业务语义（什么是”商机”、”客户”、”服务案例”）、权限规则、安全框架——封装成可被任意外部AI代理调用的组合元素。Claude代理、GPT-6实例、企业内部的开源模型，都可以通过AIforce直接访问Salesforce的数据和工作流，无需用户登录任何界面，无需导航任何页面。
平台产品SVP Khushwant Singh在AIforce主题演讲中描述了这种根本性转变：
“软件应用的交互方式几十年来没有真正改变。你打开一个应用，导航到正确的页面，完成任务……一遍又一遍重复。AI颠倒了这一切：代理不需要屏幕。它们需要的是屏幕背后的能力——那些Salesforce花了27年建设的API、元数据、业务语义、权限规则和治理机制。”(来源: Salesforce官方博客, 2026-09-24)
2.2 为什么语义层比UI更有价值
要真正理解AIforce的意义，需要理解传统SaaS集成的根本局限。
过去20年的企业软件集成，无论是API对接、RPA机器人还是低代码连接器，都面临同一个困境：意图缺失。你的集成脚本知道怎么发一个API请求，但它不理解这个请求背后的业务含义。它知道字段名称，但不知道这个字段在当前业务场景里代表什么决策。
一个典型例子是”商机关闭”这个操作。API层面，这是一个字段更新。但业务层面，它可能意味着需要触发合同生成流程、通知财务部门开始确认收入、提醒交付团队准备实施、以及更新销售预测模型。这些联动关系，都编码在Salesforce的元数据和业务逻辑里，而不是在API文档里。
当AI代理能够访问这个语义层，它就不再是在机械调用API，而是在真正理解业务上下文——知道”关闭商机”意味着什么，应该触发什么，应该通知谁。这让自然语言驱动的企业任务自动化从实验室演示变成了可生产的产品。
Salesforce同期还宣布了Koa——基于NVIDIA Nemotron构建的专用CRM推理模型，是Salesforce”垂直AI模型”策略的第一步。Koa的具体性能数据来自Salesforce自行设计的基准测试，独立第三方评估尚未完成，此处不做性能比较，仅作为Salesforce深化”数据驱动AI”战略方向的一个信号。(来源: Salesforce官方博客, 2026-09-24)
2.3 AIforce的战略意义：从”软件锁定”到”数据引力”
从竞争战略的角度来看，AIforce代表着Salesforce护城河模式的根本性重构。
传统SaaS的护城河叫”软件锁定”（software lock-in）：切换成本高、数据迁移困难、用户已养成操作习惯，因此客户不愿意换。这种护城河本质上是一种摩擦力——它依赖于让竞争对手接入你的系统变得困难。
AIforce代表的是一种全新的护城河模式，可以称之为”数据引力”（data gravity）：你不再抵制外部AI代理接入，反而主动欢迎——但条件是它们必须通过你的语义层来访问数据。这样一来，所有接入你系统的AI代理，都在强化你的数据的中心地位，而非帮助竞争对手建立替代路径。
这是一个精妙的战略演化：从防御性的摩擦，转变为吸引性的引力。 越多的AI代理依赖你的语义层工作，你的数据和业务逻辑的价值就越高，整个代理生态的”引力中心”就越向你倾斜。
这也正是为什么Benioff在Dreamforce 2026上如此强调”我们的产品是信任”：在代理生态里，信任意味着你的数据被代理信任、你的权限规则被代理遵守、你的业务语义被代理理解。这种信任关系，比任何UI都更难被替代。(来源: Salesforce官方博客, 2026-09-24)
第3章：Ema的7700万美元和SaaS的结构性危机
3.1 一份冷静的B轮融资数据单
Ema是一家2023年由前Google/Coinbase高管Surojit Chatterjee和前Okta高管Souvik Sen创立的公司，总部位于湾区。它的产品是”AI员工”——由多个AI代理协调组成的系统，能够在企业现有应用上自动完成跨系统的多步骤业务流程，覆盖HR、IT、财务等核心职能。
2026年9月23日，TechCrunch报道Ema完成7700万美元B轮融资，由班加罗尔风投Creaegis领投，Accel、Section 32和Prosus加注，总融资额达1.4亿美元，估值较2024年上轮翻超四倍。(来源: TechCrunch, 2026-09-23)
融资本身不是最重要的数据。最重要的是以下几个经营指标的组合：
- 过去两年营收增长50倍
- 净收入留存率（NRR）约180%——意味着每个老客户平均一年后支出是最初的1.8倍
- 超过50个活跃企业级订单，100万+活跃企业用户
- 处理超过500万次行动和查询
- 营收预订额超过1.5亿美元（含多年合同总价值）
- 客户包括NTT DATA、Hitachi、ADP、PwC、Google、KPMG、Wipro和Microsoft
超过90%的Ema客户已从最初的单个使用场景扩展到多个工作流，部分客户跨越了几十个工作流部署了Ema。
3.2 “SaaS越来越只是个数据库”
Chatterjee在采访中说了一句注定将被反复引用的话：“我们很多客户已经在把一些大型SaaS应用完全替换掉了，因为它们越来越只是个数据库。”(来源: TechCrunch, 2026-09-23)
这句话的”杀伤力”在于它指出了SaaS价值衰减的具体机制。传统观点认为企业SaaS的价值包含三个层次：数据存储（CRM里的客户数据）、流程执行（销售阶段流转、审批工作流）、界面交互（销售人员用来更新信息的UI）。
当AI代理能够通过自然语言直接完成”更新商机状态”、”查询客户历史”、”触发审批”，SaaS的界面价值消失了。当AI代理能够编排复杂的跨系统流程，SaaS的流程执行价值也开始动摇。最后剩下的，确实越来越只是”数据”。
但这里有一个微妙但重要的区别：“数据库”本身并非没有价值，关键在于是谁的数据，以及数据的语义层有多完整。
Salesforce 27年的数据积累恰恰是这种”数据库”价值的极端案例。它不只是存储了数据，还编码了数据之间的关系、数据的业务含义、以及围绕数据的治理规则。这就是为什么Salesforce的”数据库”很难被替换，而许多新兴SaaS的”数据库”正在被Ema这样的公司蚕食。
这种分化在部分市场已经开始显现：数据积累深厚、语义层丰富的平台（如Salesforce、SAP、ServiceNow）有望在AI代理生态中扮演骨干基础设施的角色；而那些数据相对较浅、语义层薄弱的垂直SaaS，有可能面临被AI代理直接绕过的压力。这不是悲观预言，而是可以从Ema客户数据中读出的早期信号——它们客户的”SaaS替换”行为，主要集中在这类工具上。
Ema的软件可以调用150+个模型，包括前沿模型和开源模型，专注于领域知识、集成能力和端到端业务流程编排。Chatterjee在采访中特别点明了一个关键洞察：”前沿模型的进步对我们实际上是好事。”(来源: TechCrunch, 2026-09-23) 这句话点破了AI代理编排层的商业逻辑：模型越来越便宜、越来越强大，但企业的业务逻辑、集成复杂度和流程智慧并不会自动随之提升——这就是编排层的持久价值。
第4章：看似矛盾的建议，实则有序的路径
4.1 微软和Salesforce的建议针对不同阶段
重回最初的表观矛盾：微软说”先别上AI代理”，Salesforce说”让AI代理直接来”。
实际上，它们针对的是企业AI转型的不同时间节点。
微软的建议适用于当下（2026年大多数企业的现实状态）：在工作流还没有为AI重新设计之前，直接把AI代理套进现有流程，只会”更快地做错误的事”。微软供应链案例中，”lean before agents”的前期准备工作是111个代理能实现75%周期压缩的前提条件，而不是可以跳过的选项。
Salesforce的建议适用于准备就绪之后：当企业完成了数据治理和工作流重建，AIforce的价值才能真正释放——任意AI代理可以安全接入，不会破坏业务逻辑，不会制造安全漏洞，因为底层治理层已经是健壮的。
微软手册的第三步（”明确哪些决策该由人控制，哪些可以委托给代理”）正是Salesforce AIforce能够安全工作的前提条件——只有当企业明确了数据访问权限和审批阈值，AIforce才能被放心地开放给外部AI代理调用。
两条建议的时序关系是：先执行微软手册，才能安全地享受Salesforce AIforce的价值。
换一个角度表达：你的AI竞争优势，不在于用了哪个最新的AI模型，而在于你有多少沉淀下来的、AI能理解的业务智慧。 微软的手册帮你建立这种智慧，Salesforce的AIforce把这种智慧暴露给整个AI代理生态，Ema的商业成功则证明这条路径是有人愿意走的。
4.2 Ema的角色：帮你完成那段艰难的过渡
这就解释了为什么Ema的业务能在两年内增长50倍，并维持180%的NRR。
大多数企业知道它们需要完成微软手册描述的准备工作，但这个准备工作本身就是痛苦的——需要跨职能协作、需要数据治理决策、需要流程变革管理，而这些恰恰是大型企业组织最难推进的事情。大型企业的IT部门往往面临两难困境：一方面业务部门要求快速引入AI能力，另一方面技术债务和数据孤岛问题使得”先拆流程”的建议难以在短期内落地。这种组织摩擦是结构性的，不是买一个AI产品就能解决的。
Ema的商业模式本质上是帮企业把这段艰难的过渡过程”外包”出去：它先”包裹”现有应用，在不大规模改变现有系统的情况下，逐步把AI代理引入各个流程节点，帮客户渐进式完成从混乱状态到可被自动化状态的演进，然后客户才逐步减少对原有SaaS的依赖。
Ema的NRR 180%从另一个角度证明了这个策略的有效性：客户一旦开始用Ema处理一个场景，很快就会发现其他场景也可以被自动化，于是自然地扩大使用范围。这种”先包裹、再替代”的路径，比”先拆重建、再上代理”的路径阻力小得多，但最终指向同一个目标：企业AI的深度集成。
这是一个精妙的市场定位：Ema卖的不只是AI代理，而是AI就绪化服务——帮企业在不大动工的情况下，悄悄完成了微软手册建议的那些前期工作，然后顺势推进替代。
4.3 第三层洞察：传统UI的价值正在被重新定价，数据主权正在崛起
综合这三个同期事件，有一个更大的结构性趋势正在浮现：
AI代理的普及，正在把企业软件的竞争重心从”最好的界面”转移到”最完整的语义层”。
在UI驱动的时代，企业SaaS的护城河在于界面易用性和功能完整性——谁的界面最好用，谁就能留住用户。在AI代理驱动的时代，界面可能成为可被绕过的环节——代理不需要界面，它需要数据和语义。如果这个趋势延续，能够以机器可理解的方式暴露最丰富业务语义的平台，可能会成为整个AI代理生态的底层基础设施——当然，这个判断目前还处于早期信号阶段，需要时间验证。
这就是为什么Benioff说”其他公司认为他们的产品是UI”——这是一句精确的竞争宣言：Salesforce在押注UI会被AI消解，而27年积累的数据语义层会成为新的价值核心。(来源: Salesforce官方博客, salesforce.com/news/stories/five-dreamforce-2026-takeaways/, 2026-09-24)
微软的手册则提供了互补的视角：即便有了最好的语义层，企业如果没有先完成工作流重建，依然无法充分利用这个价值。微软供应链案例最能说明这一点：111个代理带来的75%周期压缩，是”先精益、后代理”方法论的直接产物——如果没有前期的流程梳理和数据治理，这个数字不可能出现。(来源: VentureBeat, venturebeat.com/technology/microsoft-releases-new-ai-playbook-for-enterprises-based-on-its-own-learnings-and-it-reveals-a-surprising-moat-your-biz-may-already-have, 2026-09-17) 数据的语义层是基础设施，但连接基础设施的流程和治理能力需要企业自己建设。
第5章：给决策者的实操框架
5.1 你的企业处于哪个阶段
根据以上分析，可以用三个问题定位你的企业当前所处的阶段：
问题一：你能清楚地说出你的核心业务流程中，哪些步骤是可以被AI代理接管的，哪些必须保留人工判断？
如果答案是”不清楚”或”说不完整”，那么你处于微软手册的准备阶段。此时的优先任务是流程梳理和边界划定，而不是采购AI代理平台。
问题二：你的企业数据是否有统一的治理规范？AI代理是否能够访问这些数据，同时受到清晰的权限管控？
如果答案是”没有”或”不确定”，那么Salesforce AIforce和任何开放的代理协议对你来说都是过早的。数据治理是代理生态的基础。
问题三：你现有的SaaS应用，有多少是”界面价值”大于”数据价值”的？
如果你的答案是”大多数”，那么Ema描述的”SaaS变数据库”趋势可能正在悄悄影响你的技术栈。主动审查哪些应用可以用代理替代，是现在就该开始的工作，而不是等到变革发生之后再响应。
5.2 行动优先级
基于以上框架，2026年秋季企业AI的行动优先级应该是：
第一优先级（适用于大多数企业）：执行”精益在代理之前”。选取一个高价值的业务流程，做完整的端到端梳理，建立数据单一真相来源，划清人机边界。不要从购买AI工具开始，从理解工作流开始。
第二优先级（适用于数据治理相对完善的企业）：评估是否应当主动开放语义层给AI代理。AIforce代表的趋势是不可逆的——AI代理将越来越多地直接通过API和语义层访问企业系统，而非通过UI。企业需要主动决定这个开放的边界在哪里，以及制定相应的访问控制和安全策略，而不是等待第三方代理自行找到路径，到时候可能已经发生难以控制的数据泄露或误操作风险。
第三优先级（适用于寻求加速转型的企业）：评估是否引入Ema这类”AI就绪化服务”提供商，而不是试图自建全套代理体系。对于缺乏内部资源完成”lean before agents”的企业，找一个能帮你完成过渡的合作伙伴，可能比自己走弯路的成本更低。
结语：三份文件，一个行业拐点
微软44页手册、Salesforce AIforce发布、Ema 7700万美元B轮——这三个在同一周发生的事件，共同描绘了2026年企业AI的真实状态。它们不是独立的新闻，而是同一个结构性变化的不同截面：企业软件行业正在经历一次基础层面的重组，而这次重组的触发器是AI代理对”界面”这个传统竞争维度的消解。
转型窗口是真实的：Ema的50倍营收增长和180%的NRR，证明了那些做好准备的企业正在获得真实的商业回报，而不只是概念验证。微软供应链案例中75%的周期时间压缩，也提供了一个具体且可参照的成功基准。
准备工作是稀缺的：微软的100+案例集体指向同一个教训——大多数企业还没有完成AI转型的前提条件，而这个前提条件需要主动建设，不是自然产生的。Ema的客户集中在NTT DATA、PwC、KPMG这类本身就具备数据治理成熟度的大型专业服务公司，并非偶然——这些客户的数据基础恰好符合”AI就绪化”的门槛，所以才能快速实现价值并大幅扩大使用范围。那些数据治理较弱、流程更复杂的传统制造业或政府客户，目前仍面临更大的准备壁垒。这既是挑战，也是未来几年的机会——越早完成准备工作，越能在代理生态成熟时占据优势位置。
基础设施之争已经开始：在AI代理驱动的工作流日益普及的背景下，传统软件UI的竞争价值正在被快速重新定价，而数据语义层正在成为新的竞争核心。企业现在必须考虑的问题是：在未来AI代理生态成熟后，你的数据和业务语义对代理生态是有价值的基础设施，还是可以被绕过的遗留系统？
微软的诚实、Salesforce的押注、Ema的数据——它们给出了同一个答案的不同表述，从不同角度印证了同一个结论：整理好你的数据，重建你的流程，然后AI来找你。
在模型价格快速下降、代理能力快速提升的2026年秋季，这可能是企业CIO/CTO案头最值得反复阅读的一句话。更具体地说，如果你所在的公司还没有开始回答”我们的哪个核心流程可以在6个月内被AI代理重构”这个问题，那么你可能正在错过这个行业进化的关键窗口期。
参考来源：
- Microsoft WorkLab: “Becoming a Frontier Firm: Our Frontier Playbook” — microsoft.com/en-us/worklab/work-trend-index/becoming-a-frontier-firm, 2026-09-17
- VentureBeat: “Microsoft releases new AI playbook for enterprises based on its own learnings” — venturebeat.com, 2026-09-17
- Salesforce官方博客: “Five Big Ideas Coming Out of Dreamforce 2026” — salesforce.com/news/stories/five-dreamforce-2026-takeaways/, 2026-09-24
- TechCrunch: “Ema raises $77M as AI starts eating into enterprise software and services” — techcrunch.com/2026/09/23/, 2026-09-23
- OpenAI官方博客: “Introducing GPT-6 Sol and Luna” — openai.com/index/introducing-gpt-6-sol-and-luna/, 2026-09-22
- Anthropic官方博客: “Introducing Claude Opus 5.5” — anthropic.com/claude-opus-5-5, 2026-09-22
- 9to5Google: “Claude Opus 5.5 and OpenAI GPT-6 Sol & Luna both launch today with lower costs” — 9to5google.com/2026/09/22/, 2026-09-22
- The Verge: “Gemini 4 is almost ready, says new Google DeepMind chief” — theverge.com/tech/999802/, 2026-09-24