摘要
谷歌 Cloud Next '25 大会于 2025 年 4 月 9 日至 11 日在拉斯维加斯曼德勒海湾会议中心举行，标志着谷歌云在人工智能（AI）领域从愿景探索迈向规模化落地的关键时刻。大会发布了超过 229 项公告 ，核心聚焦于 AI 技术的深化应用、智能体（Agentic）AI 生态的构建、数据与分析平台的智能化升级、基础设施与网络的性能跃升，以及安全防御体系的统一化与 AI 赋能。关键亮点包括发布第七代 TPU 芯片 Ironwood、推出 Gemini 2.5 系列模型、发布用于智能体互操作的 Agent2Agent (A2A) 协议和 Agent Development Kit (ADK)、将谷歌全球网络开放给企业的 Cloud WAN 服务，以及整合了 Mandiant 能力的 Google Unified Security 平台。大会通过 Sphere、Reddit、L'Oréal 等众多客户案例，展示了 AI 在各行各业的实际应用价值。分析师普遍认为，谷歌正积极利用其在 AI 研发和基础设施上的优势，构建一个开放、集成、智能化的云平台，但将先进技术转化为广泛的企业采纳和明确的商业成果仍是其面临的主要挑战。
1. 引言
谷歌 Cloud Next 年度大会是全球云计算行业的风向标之一。2025 年的大会 尤为引人注目，它不仅展示了谷歌云在 AI 领域的最新突破，更重要的是，它系统性地阐述了谷歌如何将 AI 全面融入其云平台各个层面，推动 AI 从概念验证走向企业核心业务的规模化应用 。一年前，谷歌提出了 AI 变革组织的愿景；如今，大会传递的核心信息是，这一愿景正在成为谷歌与客户共同构建的现实 。本次大会汇聚了超过 35,000 名行业领袖、开发者和技术爱好者 ，共同探讨 AI、数据分析、基础设施、安全、协作等领域的最新进展和未来趋势。本报告旨在全面梳理谷歌 Cloud Next '25 的主要公告、技术亮点、行业趋势、客户实践和分析师观点，深入解析其对企业和云计算市场格局的潜在影响。
2. 活动概览
日期与地点： 谷歌 Cloud Next '25 于 2025 年 4 月 9 日（星期三）至 4 月 11 日（星期五）在美国内华达州拉斯维加斯的曼德勒海湾会议中心 (Mandalay Bay Convention Center) 举行 。此前，该活动曾在旧金山举办 。4 月 8 日（星期二）安排了面向特定受众的预热活动，如合作伙伴峰会 (Partner Summit) 和领导者圈子 (Leaders Circle) 。
议程亮点： 大会包括超过 10 场主题演讲和焦点会议 (Spotlights)，以及超过 700 场分组会议 (Breakouts) 。议程涵盖 AI 创新、数据云、现代基础设施、安全、Google Workspace 等多个领域 。主要议程包括开幕主题演讲（4 月 9 日上午）、合作伙伴主题演讲（4 月 9 日下午）、开发者主题演讲（4 月 10 日下午）等 。此外，还有针对开发者、初创企业、安全专业人士等的专门区域和活动 。
参会者与规模： 预计有超过 35,000 名来自各行各业的 IT 专业人士、开发者、业务领袖、合作伙伴等参与 。超过 350 家赞助合作伙伴参与了博览会 。目标受众广泛，包括 CIO、IT 总监、云架构师、软件开发者、数据分析师、安全专家等 。
注册与费用： 大会注册费用根据注册时间分阶段递增，早期注册（截至 2 月 14 日）费用为 999 美元，之后逐步上涨至最高 2,499 美元 。政府和教育机构人员可享受折扣价 。
娱乐活动： 大会于 4 月 10 日晚在 Allegiant Stadium 举办了名为 "Next at Night" 的晚会，邀请了 The Killers、Wyclef Jean 和 Tate Renner 进行表演 。
3. 核心主题：AI 驱动的转型落地
谷歌 Cloud Next '25 的核心主题是 AI 驱动的转型落地 (AI-Driven Transformation) 。大会强调，AI 不再仅仅是未来的可能性，而是正在被企业积极部署并产生实际业务价值的现实 。谷歌展示了其在过去一年中交付的 3,000 多项产品改进，以及 Gemini 模型家族和 Vertex AI 平台使用的显著增长（开发者数量达 400 万，Vertex AI 使用量增长 20 倍）。大会的核心信息围绕着如何利用谷歌云的全栈 AI 能力——从优化的基础设施、先进的模型到智能体开发工具和集成化的安全平台——帮助企业在各自领域实现创新和效率提升 。谷歌 CEO Thomas Kurian 指出，谷歌云致力于通过四个关键途径简化创新技术的采用：改善跨云网络、与 ISV 合作优化集成、与服务伙伴合作推广智能体，以及提供更多主权云兼容性 。
4. 关键公告与技术深度解析
Next '25 发布了大量产品更新和服务，贯穿了 AI、数据、基础设施、安全和开发者工具等多个层面。
4.1 AI 基础设施与模型创新
谷歌在 AI 基础设施和模型层面发布了多项重大更新，旨在为日益复杂的 AI 工作负载提供更强的性能、效率和成本效益。
AI 基础设施 (AI Hypercomputer)： 谷歌显著升级了其 AI Hypercomputer 架构，这是一个为 AI 工作负载（训练、调优、服务）设计的超级计算系统，旨在简化部署、提高性能并优化成本 。
Ironwood (TPUv7)： 发布了第七代自研 TPU 芯片 Ironwood，专为大规模“思考”和推理 AI 模型设计 。Ironwood 相较于上一代 Trillium (TPUv6)，在推理性能、内存容量和带宽方面实现了显著提升，同时功耗效率提高了 2 倍 。Ironwood 可扩展至 9,216 个液冷芯片的 Pod，提供高达 42.5 Exaflops 的峰值算力 。它将于 2025 年晚些时候上市 。
表 1：Ironwood (TPUv7) 与 Trillium (TPUv6) 关键规格对比
* **GPU 产品组合扩展：** 引入了基于 NVIDIA B200 和 GB200 Blackwell GPU 的 A4 和 A4X 虚拟机 [6, 11]。谷歌云也将成为首批提供 NVIDIA 下一代 Vera Rubin GPU 的云服务商之一 [11, 24]。
* **Google Distributed Cloud (GDC)：** 宣布 GDC 将支持 Gemini 模型和 Agentspace 在本地（包括气隙环境）运行，特别是通过与 NVIDIA (Blackwell 系统) 和 Dell 的合作 [6, 11, 16, 24, 25]。这满足了受监管行业和有数据主权需求的组织的 AI 需求 [16, 26]。GDC 也将支持美国政府的 Secret 和 Top Secret 级别 [6]。
* **其他基础设施增强：** 发布了 Cluster Director（前身为 Hypercompute Cluster），用于统一管理大规模加速器集群 [6, 11, 24]；Pathways（谷歌的分布式机器学习运行时）向云客户开放 [6, 11]；在 TPU 上支持 vLLM，简化 PyTorch 推理工作负载的部署 [1, 6, 11, 20]；动态工作负载调度器 (DWS) 支持新的 TPU 和 GPU 实例 [11, 20]。
AI 模型创新： 谷歌发布了其 AI 模型组合的一系列重要更新，特别是在多模态能力和企业级应用方面。
Gemini 2.5 系列： Gemini 2.5 Pro 已进入公开预览阶段，该模型在推理、编码和处理复杂任务方面表现出色（在 Chatbot Arena 排名第一）。Gemini 2.5 Flash 也即将推出，该模型针对低延迟和成本效益进行了优化 。Pro 版本支持高达 100 万 token 的上下文窗口 。
多模态模型增强：
Imagen 3： 提升了文本到图像的生成质量，并增强了图像修复 (inpainting) 和编辑能力 。L'Oréal 在其创意内容实验室中使用了 Imagen 3 。
Veo 2： 领先的视频生成模型，增加了高级编辑功能（inpainting、outpainting、插值）和摄像头控制 。Sphere 项目利用 Veo 2 增强和扩展《绿野仙踪》的视觉效果 。
Chirp 3： 音频生成和理解模型，新增 Instant Custom Voice 功能（仅需 10 秒音频即可创建自定义语音），并改进了多说话人转录 。
Lyria： 发布了业界首个企业级文本到音乐模型，可将文本提示转换为音乐片段 。
企业安全特性： 强调了 SynthID 水印和版权赔偿等企业级安全功能，以确保生成内容的合规性和安全性 。
Vertex AI 平台：
模型库 (Model Garden)： 强化了对开放生态系统的承诺，新增支持 Meta Llama 4 (GA)、Ai2 开放模型、谷歌自家的 Maverick 和 Scout 等模型 。同时，AlphaFold 3 高通量解决方案和 DeepMind 的 WeatherNext 天气预测模型也已加入模型库 。
平台能力增强： 推出了 Vertex AI Dashboards 用于监控模型使用情况、吞吐量和延迟 ；Vertex AI Model Optimizer 可根据质量和成本要求自动优化模型响应 ；Live API 支持将流式音视频直接输入 Gemini 进行实时交互 ；Vertex AI Global Endpoint 提供跨区域的容量感知路由 ；增强了模型定制和调优能力 。
谷歌在基础设施上的巨大投入，特别是 Ironwood TPU 的性能飞跃以及 GPU 产品线的扩展和 GDC 能力的增强，清晰地表明了其决心为日益增长的 AI 模型（尤其是其同时发布和推广的大型“思考”模型和智能体）提供必需的强大算力。Ironwood 的详细规格 显示其在推理工作负载方面取得了显著进展，这对于部署 Next '25 上发布的智能体 AI 系统和先进生成模型（如 Gemini 2.5、Veo 2 等）至关重要 。这种基础设施投资是实现其宏大 AI 愿景并将其规模化的先决条件。同时，GDC 的更新 直接回应了市场对主权和本地 AI 的需求 ，从而扩大了这些强大模型的潜在市场。
谷歌正将 Vertex AI 定位为一个全面的、多模态、支持多供应商的 AI 开发和运营平台，而不仅仅是一个模型存储库，旨在成为企业 AI 的中心枢纽，无论企业选择哪种模型。这一点体现在其同时发布先进的第一方模型（Gemini 2.5、Imagen 3、Veo 2、Chirp 3、Lyria） 与集成主要的第三方/开源模型（Llama 4、Ai2） 于同一平台 (Vertex AI)。Model Optimizer、Live API 和 Global Endpoint 等增强功能 则专注于高效部署和管理多样化模型的实际操作需求。
4.2 智能体 AI 的崛起
Next '25 的一个核心叙事是智能体 AI (Agentic AI) 的兴起，谷歌描绘了一个由专门的 AI 智能体变革企业工作流程的未来愿景 。这些智能体可以应用于客户服务、数据分析、软件编码、安全监控等多个领域，目标是让每个员工都能使用易于访问的 AI 工具 。为了实现这一愿景，谷歌发布了一整套用于构建、连接和管理智能体的工具和协议。
Agent Development Kit (ADK)： 推出了 ADK，这是一个开源的 Python 框架，用于构建复杂的多智能体系统，同时保持对智能体行为的精确控制 。ADK 支持模型上下文协议 (Model Context Protocol, MCP)，该协议为 AI 模型访问和交互各种数据源和工具提供统一方式 。
Agent2Agent (A2A) 协议： 发布了 A2A 协议，这是一个全新的开放标准，旨在实现不同供应商或框架构建的 AI 智能体之间的安全通信、信息交换和行动协调 。
协作开发： 该协议是谷歌与超过 50 家行业伙伴（包括 Accenture、Salesforce、SAP、Atlassian、ServiceNow、KPMG 等）共同努力的成果 。这种广泛合作旨在确保协议满足真实的跨行业企业需求 。
技术架构： A2A 采用客户端-服务器模型，通过标准的 HTTP 协议和结构化的 JSON-RPC 消息进行通信 。这种方法利用了现有的网络基础设施，简化了集成 。
核心能力： A2A 定义了四个关键能力来实现智能体协作 ：
能力发现 (Capability Discovery)： 智能体通过“Agent Cards”（JSON 文件）宣告其能力，帮助客户端找到最适合执行特定任务的远程智能体。
任务管理 (Task Management)： 通过明确定义的任务对象和生命周期状态（如 Submitted, Working, Input-Required, Completed, Failed）来管理和跟踪跨智能体的异步操作，支持长耗时任务。
智能体协作 (Agent Collaboration)： 允许智能体共享上下文和指令以协同完成任务。
用户体验协商 (User Experience Negotiation)： 允许智能体根据不同的用户界面能力调整交互方式。
表 2：Agent2Agent (A2A) 协议关键能力
* **“不透明”智能体：** A2A 允许智能体在协作时无需暴露其内部逻辑或私有数据，只需公开其可执行的任务，增强了安全性和灵活性 [30]。
* **与 MCP 的关系：** A2A 被定位为对 Anthropic 的 MCP 的补充 [31]。MCP 主要解决模型与工具 (M x N) 的集成问题，而 A2A 专注于智能体之间的交互 [31]。两者都采用客户端-服务器架构和 JSON-RPC over HTTP [31]。
Agent Garden： 这是 ADK 内置的一个资源库，提供了即用型的智能体示例、工具和连接器，旨在加速开发过程 。
Agent Engine： 这是一个在 Vertex AI 中提供的完全托管的智能体运行时环境，用于将自定义智能体部署到生产环境，并提供内置的测试、发布和可靠性保障 。
Google Agentspace： 定位为企业级平台，用于统一管理和部署组织内的各种 AI 智能体 。
新功能： 宣布了与 Chrome Enterprise 的集成（可直接在 Chrome 中访问 Agentspace）、Agent Gallery（集中查看可用智能体）、Agent Designer（无代码智能体创建界面），以及新的内置智能体（如 Idea Generation 和 Deep Research）。
企业安全： 强调 Agentspace 在设计上注重企业安全，确保用户通过智能体访问数据时遵循既有的权限控制 。
客户采用： 提及 KPMG 和 Wells Fargo 等公司正在使用 Agentspace 。
谷歌同时推出 ADK、A2A、Agent Garden、Agent Engine 和 Agentspace 的增强功能，这体现了一个全面的、多层次的战略布局。该战略不仅旨在赋能企业创建复杂的 AI 智能体，更意图将谷歌云确立为协调和管理这些潜在的、可能涉及多供应商的复杂智能体生态系统的核心平台。提供开源开发工具包 (ADK )、开放通信协议 (A2A )、示例实现 (Agent Garden )、托管部署运行时 (Agent Engine ) 以及企业管理层 (Agentspace )，这一系列举措覆盖了智能体开发和部署的整个生命周期。对开放性（A2A、ADK）的强调旨在培育一个广泛的生态系统，而托管服务（Agent Engine、Agentspace）则旨在使谷歌云成为运行和治理这些系统的首选平台。
A2A 协议的推出，尤其是在广泛征求合作伙伴意见的基础上进行的开发，是一项战略性举措。它旨在抢先解决新兴智能体 AI 市场可能出现的碎片化问题，并将谷歌定位为该领域的标准制定者，这有可能极大地推动其智能体平台（Vertex AI、Agentspace）的采用。通过与 50 多家合作伙伴 共同定义一个开放标准 来解决关键的互操作性挑战 ，谷歌增加了该标准被广泛采纳的可能性。这与纯粹的专有方法形成对比，旨在解决“智能体协作”难题 ，使多智能体系统对企业更具可行性 ，并可能推动支持 A2A 的平台（如谷歌自己的平台）的使用。
4.3 数据与分析现代化
Next '25 强调了数据平台的 AI 就绪性以及 AI 能力在整个数据产品组合中的深度集成 。核心是打造一个自主的数据到 AI 平台（以 BigQuery 为核心）和对话式商业智能平台（以 Looker 为核心）。
BigQuery 增强功能：
深度 AI 集成： Gemini 被深度嵌入 BigQuery 的各项功能中 。推出了 AI 查询引擎 (AI Query Engine, 预览版)，利用 Gemini 理解上下文和处理非结构化数据 ；数据科学智能体 (Data science agent, GA)，在 Colab 笔记本中提供智能模型选择 ；知识引擎 (Knowledge engine, 预览版)，利用 Gemini 生成元数据和推荐业务术语 ；语义搜索 (Semantic search, GA) ；贡献分析 (Contribution analysis, GA) ；AI.GENERATE_TABLE 函数 (预览版) ；向量搜索 (Vector search, GA)，包含基于谷歌 ScaNN 模型的新索引类型 ；预训练的 TimesFM 模型 (预览版)，简化时间序列预测 ；为 DataFrames 提供 AI 代码辅助 (预览版) ；SQL 翻译辅助 (GA)，加速 BigQuery 迁移 。Gemini in BigQuery 功能已集成到现有定价模型中 。
数据管道与准备： BigQuery Pipelines 和 Data Preparation 功能进入 GA 阶段，用于构建数据管道和转换数据 。异常检测 (Anomaly Detection, 预览版) 用于维护数据质量 。这些功能将 AI 工具直接集成到数据库中，简化了数据清洗和准备流程 。
互操作性与开放性： BigQuery ML 新增对开源模型（如 Llama、Mistral）和 Anthropic Claude 的支持 。支持在 BigQuery 内无服务器执行 Apache Spark 工作负载 (预览版) 。通用目录 (Universal catalog, GA) 整合了数据目录和完全托管的无服务器 Metastore 。Metastore (GA) 支持跨 BigQuery、Spark 和 Flink 的引擎互操作性 。支持 Apache Iceberg 表 (预览版) 。
多模态与地理空间： 引入多模态表 (Multimodal tables, 预览版)，通过新的 ObjectRef 数据类型支持丰富的非结构化数据 。集成了 Google Maps Platform 数据集 。Earth Engine in BigQuery (GA) 将地理空间栅格数据分析引入 BigQuery 。
治理与管理： 统一的治理视图 (预览版) ；业务术语表 (Business glossary, GA) ；目录元数据导出 (GA) ；自动大规模编目 BigLake 和对象表 (GA) ；托管灾难恢复 (Managed disaster recovery, GA) ；高级工作负载管理 (GA) ；Spend commit (GA) 简化跨引擎购买 。
Looker 增强功能：
Gemini in Looker： 对话式分析 (Conversational Analytics)、可视化助手 (Visualization Assistant)、公式助手 (Formula Assistant)、自动幻灯片生成 (Automated Slide Generation) 和 LookML 代码助手 (LookML Code Assistant) 等功能现已全面可用 (GA) 。
对话式分析的代码解释器 (Code Interpreter)： (预览版) 允许业务用户使用自然语言执行预测和异常检测 。
新报告界面： 推出具有直观拖放界面和实时协作功能的新 Looker 报告 。
集成 Spectacles.dev： 用于自动化测试和验证 SQL 及 LookML 变更 。
数据库增强 (AI 焦点)：
AlloyDB AI： 支持通过 Agentspace 搜索结构化数据，提供下一代自然语言查询能力，优化了向量搜索和结构化过滤的 SQL 功能，包含用于提升向量搜索相关性、多模态嵌入和 Gemini Embedding 文本模型的新模型，推出用于自然语言 SQL 查询的 AI 查询引擎 (预览版)，以及支持 MCP 的数据库工具箱 (MCP Toolbox for Databases) 。Aiven for AlloyDB Omni (GA) 。
Firestore： 推出 MongoDB 兼容性 API (预览版)，提供 API 可移植性 。
Spanner： 向量搜索 (GA)，图可视化 (GA) 。
Bigtable： 连续物化视图 (Continuous materialized views, 预览版)，简化实时更新；新增 Cassandra 兼容 API 和实时迁移工具 。
Database Center： 进入 GA 阶段，为所有数据库产品提供统一的、AI 驱动的数据库舰队管理解决方案 。
其他： Oracle Base Database Service 和 Oracle Exadata X11M (GA) 在 Google Cloud 上可用 ；数据库迁移服务 (DMS) 支持 SQL Server 到 PostgreSQL 的迁移 ；Cloud SQL 和 AlloyDB 支持基于 Arm 的 C4A 实例 ；Memorystore for Valkey (GA) 。
谷歌正积极地将 AI 能力直接嵌入其核心数据平台（BigQuery、Looker、AlloyDB），目标是使 AI 成为数据准备、分析、治理和交互的内在组成部分，而非附加功能。为 BigQuery 和 Looker 宣布的大量 AI 特定功能（如 AI 查询引擎、数据科学智能体、知识引擎、语义搜索、对话式分析、各种助手）表明，谷歌的战略是将 AI 注入整个数据生命周期。这旨在降低用户利用 AI 处理数据的门槛，并使其数据产品在竞争中脱颖而出。
对多模态数据处理（BigQuery 中的 ObjectRef ）和跨多个数据库（AlloyDB、Spanner、BigQuery ）的向量搜索能力的关注，反映了管理多样化数据类型对于生成式 AI 应用日益增长的重要性。生成式 AI 通常涉及文本、图像、音频和其他非结构化数据。在 BigQuery 等核心平台内集成存储 (ObjectRef )、索引 (Vector Search ) 和查询 (AI Query Engine ) 这些数据的能力，对于构建依赖全面企业知识的复杂 AI 应用至关重要。
4.4 基础设施与网络增强
除了 AI 专用硬件，谷歌云还在通用计算、网络和混合云能力方面进行了显著升级。
Cloud Wide Area Network (Cloud WAN)： 这是本次大会最重大的发布之一，将谷歌庞大、高速、低延迟的全球私有网络骨干开放给所有企业客户使用 。
架构与规模： Cloud WAN 是一个完全托管的企业级骨干网服务，基于谷歌的全球网络（超过 200 万英里光纤、33 条海底光缆、200 多个接入点 PoP）。它使用 Network Connectivity Center 作为连接中心 ，企业可以通过 Cloud VPN、首选的 SD-WAN 解决方案或 Cloud Interconnect 连接其分支机构、园区和数据中心 。该服务提供 L3 连接 。
核心优势： 声称可提供比公共互联网快 40% 的网络性能 ，并将总拥有成本 (TCO) 降低高达 40%（相较于客户自建 WAN）。提供高可靠性（提及 99.99% SLA ）和简化的全球连接管理 。
应用场景： 主要面向两大场景：一是为地理分散的数据中心提供高性能、可靠的跨区域连接；二是作为强大的云入口，连接分支机构和园区网络，访问公有云资源、SaaS 应用和互联网 。雀巢公司全球 IT 平台负责人提及 Cloud WAN 将其应用性能提升了 40% 。
连接选项： 支持 Cloud Interconnect（提供 10G、100G 带宽，新的 400G 选项即将推出 ）、Cross-Cloud Interconnect（连接 AWS、Azure、Oracle Cloud）以及新的 Cross-Site Interconnect（预览版，提供点对点 L2 专线连接）。
生态系统： 强调开放和紧密集成的生态系统，支持与主流 SD-WAN 供应商（如 Cisco ）和安全服务边缘 (SSE)、下一代防火墙 (NGFW) 等安全解决方案集成 。
表 3：Cloud WAN 概览
计算实例更新： 发布了多个基于最新 CPU 和自研技术的新一代虚拟机实例：
C4D： 基于第五代 AMD EPYC 处理器和谷歌 Titanium 卸载处理器 (预览版) 。
C4： 基于第六代 Intel Granite Rapids CPU，提供 Compute Engine 中最高的主频，可选 Titanium 本地 SSD，并提供裸金属实例 (Bare Metal) 。Cloud SQL 和 AlloyDB 也可在基于 Arm 架构 Google Axion 处理器的 C4A 实例上运行 。
H4D： 专为要求苛刻的 HPC 工作负载设计，基于第五代 AMD EPYC CPU (预览版) 。
M4： 通过 SAP HANA 认证，适用于内存密集型工作负载，性价比和 SAPS 性能优于 M3 。
Z3： 存储优化实例系列，采用新的 Titanium SSD，增加了新的较小规格，并提供裸金属选项 (预览版) 。
容器与 Kubernetes (GKE)：
GKE Inference Gateway： 为 GenAI 模型提供智能扩缩和负载均衡能力 。
GKE Inference Quickstart： 帮助用户为选定的 AI 模型配置合适的基础设施和资源 。
RayTurbo on GKE： 与 Anyscale 合作优化的开源 Ray 版本，可加速数据处理 。
Cluster Director for GKE： (GA) 用于部署和管理大型加速器虚拟机集群 。
Autopilot 性能改进： 加快了 Pod 调度和扩缩容反应时间 。
混合云与多云能力：
GDC 更新： (见 4.1 节) 支持 Gemini 本地运行，满足主权需求。
Nutanix Cloud Clusters (NC2) on Google Cloud： 进入公开预览阶段，支持跨私有云和公有云运行、管理应用和数据 。
Google Cloud VMware Engine： 新增 18 种节点规格，总数达到 26 种 。
Cross-Cloud Network / Interconnect： 增强了跨云连接能力，即将推出 400G 带宽选项 。Cloud WAN 也为多云连接提供了高性能骨干网 。
Cloud WAN 的发布代表了一项重大的战略举措，旨在将谷歌的核心差异化资产之一——其全球网络——转化为引人注目的企业级产品。这直接挑战了传统的电信运营商 WAN 服务，并增强了其在混合云和多云连接领域的竞争力。谷歌明确强调了其网络的规模 和性能优势 作为独特的卖点。将其作为托管服务 提供，并声称可节省 TCO ，直接解决了企业在使用现有 WAN 解决方案时遇到的成本、复杂性和性能等痛点。同时，通过提供高性能的统一骨干网 ，Cloud WAN 也巩固了谷歌云在混合云和多云场景下的地位。
持续推出新的、专门化的计算实例（C4/C4D、H4D、M4、Z3）反映了云工作负载日益多样化的趋势，以及谷歌提供针对特定需求的优化硬件（HPC、SAP、存储密集型、通用计算）的战略。这包括利用来自不同 CPU 供应商（Intel、AMD）的最新技术，并整合自家的 Titanium 卸载处理器。同时宣布多个新的虚拟机系列 ，每个系列都针对不同的工作负载特性（HPC - H4D、SAP - M4、存储 - Z3、通用/计算 - C4/C4D），表明谷歌正从提供通用计算向提供量身定制的基础设施转变。采用 Intel 和 AMD 的最新一代处理器 为客户提供了选择和具竞争力的性能，而集成 Titanium 卸载处理器 则旨在提高效率。
4.5 统一安全与 AI 防御
面对日益复杂的威胁环境和不断扩大的攻击面，谷歌在 Next '25 上推出了统一的安全平台，并强调利用 AI 来增强防御能力。
Google Unified Security (GUS)： 发布了 GUS 平台，这是一个融合了谷歌现有安全产品组合的统一解决方案 。
集成组件： 该平台整合了谷歌和 Mandiant 的威胁情报、安全运营 (SecOps)、云安全 (Security Command Center, SCC)、安全企业浏览 (Chrome Enterprise) 以及 Mandiant 的专业知识和服务 。
核心目标： 实现统一的安全可见性（“单一管理平台”），加速威胁检测与响应，转向主动防御，并解决安全工具碎片化的问题 。该平台运行在“行星级规模的安全结构 (planet-scale security fabric)”之上 。
AI 驱动： GUS 深度融合了 Gemini AI 和来自谷歌及 Mandiant 的威胁情报 。
分析师认可： IDC 高级研究总监 Michelle Abraham 称赞 GUS 整合各种能力以简化安全管理和威胁检测响应，是实现更好安全成果的一步 。
Gemini 安全智能体： 引入了专门的 AI 智能体来自动化安全任务，辅助人类分析师 。
警报分类智能体 (Alert Triage Agent)： (SecOps) 该智能体可代表用户执行动态调查，分析警报上下文，收集相关信息，并提供带有证据和决策过程的判断结果（预计 2025 年 Q2 面向部分客户预览）。旨在大幅减少 Tier 1 和 Tier 2 分析师手动分类和调查警报的工作量 。
恶意软件分析智能体 (Malware Analysis Agent)： (Threat Intel) 该智能体可调查代码是否安全，包括执行反混淆脚本，并最终提供分析摘要和结论（预计 2025 年 Q2 面向部分客户预览）。该功能建立在 Code Insight 之上 。
Security Command Center (SCC) 更新：
AI 保护套件 (AI Protection Suite, GA)： 帮助发现和保护 AI 资产，其中的 Model Armor 功能可在不更改应用代码的情况下应用内容安全和安全控制，并与 Vertex AI 集成 。
数据安全态势管理 (DSPM)： (预览版，6 月) 提供对敏感数据（包括用于 AI 训练的数据集）进行分类和治理的能力 。敏感数据保护 (Sensitive Data Protection) 服务现已支持 Vertex AI 和 Azure Storage 的发现 (GA) 。
合规管理器 (Compliance Manager)： (预览版，本季度末) 将策略定义、控制配置、执行、监控和审计统一到一个工作流中 。该功能建立在 Assured Workloads 之上 。
其他 SCC 能力： 提及了虚拟红队测试 (Virtual Red-Teaming) 和攻击路径模拟 (Attack Path Simulation) 功能 。Forrester 指出 SCC 的多云（AWS、Azure）支持可行但客户使用率不高 。
Mandiant 深度集成： Mandiant 的专业知识和能力被深度整合到 GUS 的各个方面 。推出了 Mandiant Retainer 服务，提供按需访问 Mandiant 专家和 2 小时事件响应时间 。Mandiant Threat Defense for SecOps (GA) 提供专家主导、AI 增强的威胁检测和响应 。Mandiant 还与 Rubrik 和 Cohesity 合作提供网络攻击后的恢复解决方案 。
其他安全更新：
Chrome Enterprise Premium： 新增针对员工的网络钓鱼防护功能 。并将关键的企业浏览保护（如复制粘贴控制、URL 过滤）扩展到 Android 。
机密计算 (Confidential Computing)： Confidential GKE Nodes (支持 AMD SEV-SNP 和 Intel TDX 的版本将于 Q2 GA，支持 NVIDIA H100 GPU 的版本将于 Q2 预览) 。单租户云硬件安全模块 (Single-tenant Cloud HSM, 预览版) 。
数据管道管理： Security Operations 中的数据管道管理功能进入 GA 阶段（通过与 Bindplane 合作）。
网络安全： DNS Armor (预览版)、Cloud Armor 的分层策略、Cloud NGFW 的 L7 域过滤 (即将推出)、通过 Service Extensions 实现的内联网络 DLP (预览版)、网络安全集成 (GA)、与 Imperva 的集成等 。
风险保护计划： 扩展了网络安全保险合作伙伴，新增 Beazley 和 Chubb 。
Google Unified Security 代表了一项重大的战略整合，旨在将其多样化的安全资产（包括重要的 Mandiant 收购）整合到一个由 AI 驱动的、统一的平台中。此举旨在简化企业的安全管理，并利用 AI 提升威胁检测和响应能力。将之前分散的领域，如威胁情报、安全运营、云安全态势和端点（浏览器）安全，整合到一个统一的保护伞下 ，直接回应了企业对安全工具碎片化的普遍抱怨 。对 Gemini AI 集成 和特定 AI 智能体 的大力强调，凸显了 AI 作为这个统一平台的核心差异化因素和能力倍增器。
引入特定的 Gemini 安全智能体（警报分类、恶意软件分析）标志着谷歌向其“智能体 AI 变革安全运营”的愿景迈出了具体的一步，从被动分析转向主动参与安全工作流程。这些智能体 被设计用来执行传统上由人类分析师完成的具体任务（分类、基础恶意软件分析）。这展示了 Next '25 上宣布的更广泛的智能体 AI 主题（见 4.2 节）在安全领域的实际应用，旨在实现可衡量的效率提升（减少分析师工作量 ）。尽管 Forrester 指出目前 AI 智能体在 SCC/SecOps 中的应用有限，但其潜力巨大 。
4.6 开发者体验与生产力
谷歌致力于通过 AI 和集成化的工具链提升开发者的开发速度和体验 。
Firebase Studio： 发布了全新的基于云的、由 Gemini 驱动的智能体开发环境 (预览版) 。它包含一个应用原型智能体 (App Prototyping agent)，可以将应用想法转化为功能性原型，包括 UI、后端代码和 AI 流程 。这被视为一个基于提示的开发工具。
Gemini Code Assist 增强： 增加了针对特定开发任务的智能体（如代码迁移、功能实现、代码审查、测试生成、文档编写），提供进度跟踪（新的看板视图），并与 Google 应用及第三方工具（如 Snyk、GitHub Copilot、Replit 等）集成 。现已在 Android Studio 中可用 。
Gemini Cloud Assist 扩展： 与新的 Application Design Center 集成 (预览版)，加速应用基础设施的设计和部署 。利用数据进行更快的故障排除 (私有预览版) 。并集成到 FinOps Hub 2.0 等服务中，提供成本优化建议 。
应用平台 (Application Platform)：
Application Design Center： (预览版) 提供可视化的画布式界面，用于设计和修改应用模板，配置部署，查看 IaC 代码，并支持团队协作 。
Cloud Hub： (预览版) 作为整个应用环境的中央指挥中心，提供部署、健康状况、故障排除、资源优化等方面的洞察 。
App Hub： 现已与 20 多个 Google Cloud 产品集成，将应用建模为相互连接的服务和工作负载 。应用监控 (Application Monitoring, 公开预览版) 支持自动标记遥测数据、应用感知警报和开箱即用的仪表板 。成本浏览器 (Cost Explorer, 私有预览版) 提供精细的应用成本和利用率可见性 。
Google Developer Program： 推出了新的开发者计划，为所有级别的会员（包括 Premium 和 Enterprise）提供 AI 驱动的福利，如 Gemini Code Assist 的使用权 。
其他开发者工具： Genkit，一个用于构建 AI 应用的开源框架，增加了对 Python 的早期支持并扩展了 Go 支持 ；Firebase Data Connect (GA)，提供 Cloud SQL for PostgreSQL 的可靠性以及即时 GraphQL API 和类型安全的 SDK ；Firebase App Hosting (GA)，为现代 Web 应用提供以 git 为中心的托管解决方案 ；Firebase App Distribution 中的应用测试智能体 (App Testing agent, 预览版)，可生成并执行端到端测试 。
谷歌正在创建一个更加集成化和 AI 原生的开发者体验，从简单的代码补全扩展到让 AI 智能体积极参与整个软件开发生命周期。这包括从构思（Firebase Studio ）和设计（Application Design Center + Cloud Assist ）到编码（Code Assist 智能体 ）和测试（App Testing 智能体 ）。这种整体性方法旨在让 AI 在多个阶段为开发者提供支持。新的 Application Design Center 和 Cloud Hub 进一步旨在简化从设计到部署和管理的过程。
Firebase Studio 的推出预示着集成开发环境（IDE）未来可能的发展方向，即基于提示的交互和 AI 智能体成为应用创建和原型设计的主要方式。将 Firebase Studio 描述为“基于提示的开发工具”，并强调其应用原型智能体能将想法转化为功能原型 ，这表明开发范式正从传统编码向 AI 驱动的生成方式转变，这与 AI 变革软件开发的更广泛趋势相符 。
4.7 Workspace 转型
谷歌继续深化 AI 在 Google Workspace 套件中的应用，旨在将这些日常生产力工具转变为更智能的协作平台 。谷歌正将 Workspace 重新定位为一个“协调层 (coordination layer)”或“数字队友 (digital teammate)” 。
Google Workspace Flows： 发布了这项新的自动化功能，旨在连接不同的 Google 应用（如 Gmail、Docs、Sheets、Chat 等）并自动化重复性的工作流程 。例如，可以创建一个流程来自动处理客户支持请求，包括审查表单、研究解决方案、起草回复并标记以供审核 。
应用内 AI 新功能：
Google Sheets： 新增“Help me Analyze”功能，无需明确提示即可从数据中识别洞察，进行智能数据分析 。
Google Docs： 新增“Docs Audio Overview”功能，可以为文档创建高质量的音频朗读或播客风格的摘要 。
Google Chat： 能够将讨论总结为表格，提取关键点，并建议后续步骤或回复 。
其他： 提及了对 Google Meet 和 Google Vids 的增强功能 。
Agentspace 集成： 用户可以直接从 Chrome Enterprise 的搜索框访问 Agentspace 的能力 。同时，Agentspace 可以连接到流行的第三方应用，如 Confluence、Jira、Microsoft SharePoint、ServiceNow 等 。
谷歌正在将 Workspace 从一套生产力应用演变为一个智能协作平台。在这个平台上，AI 不仅提供辅助（如“Help me Analyze” 和 Chat 总结 ），还能跨应用自动化工作流 (Flows )，并与更广泛的企业智能体生态系统 (Agentspace ) 集成。这反映了谷歌将 AI 作为一种普适性助手嵌入到日常工作流程中的愿景 。
5. 行业趋势与市场背景
谷歌 Cloud Next '25 的发布内容与当前主要的行业趋势和市场动态紧密相连。
AI 运营化 (AI Operationalization)： 业界正经历从 AI 实验探索转向大规模部署 AI 以获得实际业务成果的阶段 。谷歌在 Next '25 上重点强调了这一点，并通过众多客户案例进行佐证 。IDC 也将大会主题概括为“大规模运营化 AI (Operationalizing AI at Scale)” 。
智能体 AI 生态系统： 多智能体系统 (Multi-agent systems) 正成为一个关键的技术趋势。谷歌通过发布 ADK 和 A2A 协议，并联合众多合作伙伴 ，积极推动智能体生态的构建。这引发了关于互操作性标准与供应商锁定之间平衡的讨论 。
多模态 AI： AI 处理多种数据类型（文本、图像、视频、音频、音乐等）的能力日益重要。谷歌通过扩展 Vertex AI 的生成式媒体模型（Veo、Imagen、Chirp、Lyria） 和在 BigQuery 中引入多模态表 来应对这一趋势。Forrester 也将多模态列为谷歌的关键发力点 。
AI 主权 (AI Sovereignty)： 随着数据法规日益严格，对满足数据驻留和合规性要求的解决方案的需求不断增长。谷歌通过更新 GDC（支持 Gemini 本地运行） 和提供 Vertex AI 的模型灵活性 来满足这一需求。Forrester 认为这是谷歌的一个重要关注领域 。
负责任 AI 与治理： 谷歌强调了其平台上的企业级安全特性（如 SynthID 水印、版权赔偿）。L'Oréal 的案例也展示了企业在应用 AI 时的负责任原则 。同时，AI 治理的需求也日益凸显 。
云市场动态（分析师视角）：
Gartner： 预测 2025 年全球 IT 支出将大幅增长（达 5.61 万亿美元，增长 9.8%），部分由 AI 需求和价格上涨驱动 。数据中心系统支出增长尤为迅猛 。Gartner 认为 GenAI 正滑向“幻灭低谷 (trough of disillusionment)”，即期望趋于理性，但相关支出仍在继续 。AI PC 的采用更多是为未来做准备，而非由当前应用驱动 。超大规模云服务商 (hyperscalers) 在 AI 模型训练和相关支出中占据主导地位 。Gartner 用户评论普遍认为 GCP 在成本效益、集成性、AI 能力和安全性方面表现良好，但也指出了监控调试、UI 偶发问题和部分开发工具缺失等不足 。
Forrester： 强调了谷歌在智能体 AI 堆栈、多模态、主权和开发者创新方面的投入 。但也指出 AI 智能体在安全工具中的应用尚有限 。预测集成化的 RAG（检索增强生成）服务将成为 2025 年最热门的云服务之一 。由于成本和主权考虑，预测私有云（尤其是 VMware 的替代方案如 Nutanix、OpenStack）将获得发展势头 。预计专业的安全平台供应商将对原生云安全（CWS）能力构成挑战 。Forrester 将谷歌评为 2025 年 Q1 数据安全平台领域的领导者，称赞其愿景、创新、数据可见性与控制、隐私保护以及 AI 安全与治理能力 。
IDC： 将 Next '25 的主题定为“大规模运营化 AI” 。认可 Google Unified Security 在整合能力方面的进步 。提及潜在的贸易政策（如特朗普政府可能征收的关税）可能对科技支出产生影响 。
尽管谷歌 Cloud Next '25 大力宣传尖端 AI 技术，但更广泛的市场分析（来自 Gartner、Forrester 等）表明，企业同时也在应对成本压力、AI 实施的实际挑战（超越炒作阶段），并探索混合云/私有云选项以满足主权和成本控制的需求。谷歌围绕 GDC、Cloud WAN 和 TCO 节省所做的发布，正是试图在推动 AI 的同时，解决这些务实的顾虑。Gartner 关于价格上涨驱动 IT 支出 以及 GenAI 进入“幻灭低谷” 的观点提供了关键的市场背景。Forrester 对私有云发展势头的预测 与谷歌 GDC 的发布 （解决主权问题 ）相吻合。谷歌对 Cloud WAN 的 TCO 以及基础设施的性价比/功耗比 的关注，也反映了其对成本压力的认识。
谷歌推动复杂的多智能体 AI 系统（其愿景）与当前企业关注于从更可控的 AI 应用中展示 ROI 并解决基础数据准备挑战之间，可能存在一种张力。谷歌的智能体愿景（见 4.2 节）雄心勃勃。然而，分析师评论强调需要关注业务影响 ，许多初步的 GenAI PoC 失败了 ，以及干净、AI 就绪的数据作为先决条件的极端重要性 。这表明，谷歌先进智能体能力的成功采用，将在很大程度上取决于企业首先掌握基础的 AI 实践和数据管理。参会者的反馈也提到，过度集中的 AI 话题可能掩盖了其他方面的需求 。
6. 客户与合作伙伴生态系统动能
谷歌在 Next '25 上大力展示了其客户成功案例和不断壮大的合作伙伴生态系统，以此证明其技术和平台的实际价值。
展示实际价值： 谷歌强调了客户故事的重要性（提及超过 500 个客户故事 ，庆祝了数百个案例 ），用以展示其 AI 和云服务在真实世界中的应用价值和客户采纳情况 。
重点客户案例分析：
Sphere (《绿野仙踪》项目)： 这是本次大会最引人注目的案例之一 。谷歌被指定为 Sphere 的官方 AI 合作伙伴，特别是针对其即将推出的《绿野仙踪》沉浸式体验 。该项目利用谷歌的 Gemini、Veo 2 和 Imagen 3 等先进 AI 模型，对 1939 年的原版电影进行重制和 reimagining，以适应 Sphere 独特的 16K x 16K 超大内球幕显示屏 。应用的关键 AI 技术包括：超分辨率 (Super Resolution) 提升画质、外插绘制 (Outpainting) 智能扩展电影场景背景、表演生成 (Performance Generation) 以创新的方式让角色长时间同屏出现 。项目利用了谷歌云强大的 AI 优化基础设施（如 TPU、GKE）来处理海量数据（已处理 1.2 PB）。这个合作将谷歌 AI 定位在沉浸式娱乐和内容创作变革的前沿 ，被视为推动 AI 技术边界的里程碑式项目 。
Reddit (Reddit Answers)： 详细介绍了 Reddit 如何使用 Google Cloud 的 Gemini on Vertex AI 和 Vertex AI Search 等技术来支持其 AI 对话式界面 "Reddit Answers" 。该功能的核心在于利用 Reddit 平台上海量的真实用户帖子和对话作为信息来源，为用户提供更真实、反映社区观点的答案，而不是生成无法验证的观点 。这加速了答案的发现过程 ，是客户服务智能体的一个典型应用 。
L'Oréal (CREAITECH)： 阐述了欧莱雅集团如何在其 GenAI 美妆内容实验室 CREAITECH 中使用谷歌的 Imagen 3、Veo 2 和 Gemini 多模态模型 。这些工具极大地加速了营销团队的创意构思过程，简化了营销内容的生产（如生成独特的图像、故事板、不同场景下的产品包装照片等）。这使得初步概念的创建时间从几周缩短到几天，并降低了成本 。欧莱雅在使用 AI 时遵循负责任原则，例如不生成用于广告的人物图像，以保持对人类真实美的尊重 。这是创意/营销智能体应用的一个实例 。
Papa Johns： 这家披萨连锁店的创新团队正在使用 Google BigQuery、Vertex AI 和 Gemini 来实现个性化营销 。例如，根据学习到的客户偏好和对即将到来的场合（如生日、体育赛事）的预测，通过推送通知或电子邮件建议订单 。系统还能根据过往订单、客户偏好、地理位置等因素，提供独特的折扣码或广告 。Papa Johns 还计划构建 AI 聊天机器人处理常见客户咨询，并计划在 App 中加入 AI 语音订购功能 。这是客户/营销 AI 应用的又一案例。
其他值得关注的客户： 大会提及了来自多个行业的众多客户，例如：金融服务（Intuit、德意志银行、富国银行、Charles Schwab ）、零售/消费品（Lowe's、Wendy's、家得宝、联合利华、亿滋 ）、科技（三星、Wayfair、Spotify ）、医疗健康/生命科学（西雅图儿童医院、拜耳 ）、媒体娱乐（Agoda、Bending Spoons、卡夫亨氏、WPP ）、能源/制造（AES、空客、Schrödinger、丰田 ）、电信（Verizon、诺基亚、沃达丰 ）等。这些客户的应用场景涵盖了客户服务智能体、数据智能体、编码智能体和安全智能体等多种类型 。
战略合作伙伴关系：
NVIDIA： 扩展了合作关系，将在 GDC 上提供基于 Blackwell 计算平台的 Gemini 模型 。谷歌云将率先提供 Vera Rubin GPU 。双方在 AI Hypercomputer 上持续合作 。
Dell： 合作将 Gemini 和 GDC 带到本地环境 。
A2A 协议伙伴： 强调了众多参与 A2A 协议定义的技术和咨询合作伙伴（如 Salesforce、SAP、Atlassian、ServiceNow、Accenture、Deloitte、KPMG 等）。
安全合作伙伴： 包括 Bindplane（数据管道 ）、Rubrik/Cohesity（数据恢复 ）、Beazley/Chubb（网络保险 ）、Imperva（网络安全 ）等。提及了谷歌收购 Wiz 的背景 。
初创企业生态： 与风险投资公司 Lightspeed 建立合作关系，并推出新的 Startup Perks 计划 。为 Google for Startups Cloud Program 成员提供额外的 Vertex AI 模型库使用积分 。
其他技术伙伴： 如 Anthropic、AI21、Mistral、Oracle、Nutanix、VMware、Cisco（SD-WAN 与 Cloud WAN 集成 ）等 。
像 Sphere 这样高知名度、技术复杂的客户案例，为谷歌最先进的 AI 能力（Veo、Imagen、Gemini、基础设施）提供了强有力的验证。其目的在于增强市场信心，并展示超越典型企业用例的可能性。Sphere 项目 涉及尖端的 AI 技术（外插绘制、超分辨率）和巨大的规模（16K 显示屏、PB 级数据）。高调展示这一合作关系 ，不仅将谷歌云定位为标准云服务的提供商，更将其塑造为一个能够赋能真正突破性的、AI 驱动的创意项目的技术伙伴。
宣布的广泛合作伙伴关系，特别是在 A2A 协议和 GDC 方面的合作，突显了谷歌通过构建广泛生态系统来推动其核心平台采用的战略，而不是试图自己提供所有组件。与 50 多家伙伴就 A2A 进行合作 对于将其确立为开放标准至关重要。与 NVIDIA 和 Dell 就 GDC 进行合作 对于触达受监管行业和本地环境至关重要。安全领域的合作 则扩展了谷歌云的能力和市场覆盖。这种生态系统方法加速了市场渗透，并将谷歌云集成到现有的企业环境中。
7. 结论分析与展望
谷歌 Cloud Next '25 大会清晰地勾勒出谷歌云以 AI 为核心的未来发展蓝图。大会的核心信息是 AI 正在从实验走向规模化应用，而谷歌云致力于提供实现这一转变所需的全栈能力。
关键结论总结：
AI 全面落地： AI 不再是孤立的功能，而是被深度整合到谷歌云的计算、存储、网络、数据分析、安全和协作工具的各个层面。Gemini 2.5 系列模型的发布和多模态能力的增强，进一步巩固了谷歌在基础模型领域的领先地位。
智能体生态起航： 谷歌正大力投入构建智能体 AI 生态系统，通过开源框架 (ADK)、开放协议 (A2A) 和企业级管理平台 (Agentspace)，试图定义智能体开发和互操作的标准，抢占这一新兴领域的战略高地。
基础设施持续领先： 第七代 TPU Ironwood 的发布和 GPU 产品组合的扩展，展示了谷歌在 AI 优化基础设施方面的持续投入和领先优势。Cloud WAN 的推出则将谷歌强大的全球网络资源转化为独特的企业级竞争优势。
安全体系统一化与智能化： Google Unified Security 平台的发布，整合了谷歌和 Mandiant 的能力，并通过 Gemini AI 赋能，旨在提供更全面、更主动、更智能的安全防护体系。
开放与生态并重： 谷歌在强调自身技术创新的同时，也积极拥抱开放标准（如 A2A）和第三方模型（如 Llama 4），并大力发展合作伙伴生态，以加速技术普及和市场拓展。
谷歌云的竞争定位： Next '25 的发布进一步强化了谷歌云在 AI 领域的差异化优势，特别是在自研 AI 芯片 (TPU)、先进 AI 模型 (Gemini, Veo 等) 和数据分析平台方面。其开放生态策略（A2A、多模型支持）和利用核心资产（全球网络）的做法也颇具竞争力。然而，挑战依然存在：如何将尖端的 AI 技术转化为易于企业广泛采用、并能快速产生明确 ROI 的解决方案；如何应对市场对 AI 炒作的潜在疲劳感 ；如何在竞争激烈的安全市场中有效整合 Mandiant 并对抗专业安全厂商 ；以及如何确保众多新发布的功能能够顺畅集成并提供良好的用户体验。
市场影响与启示： 谷歌对智能体 AI 的大力推动可能会加速企业对自动化和智能化工作流的探索，但其广泛采用将取决于 A2A 协议的普及程度以及企业数据准备和组织变革的成熟度。Cloud WAN 有潜力改变企业广域网市场格局，对传统电信运营商构成挑战。Google Unified Security 能否真正为客户简化复杂的安全管理，还有待市场检验。总体而言，谷歌的举措将进一步加剧云市场的竞争，推动 AI 技术在各行各业的渗透。
未来展望： 展望未来一年以及将在 2026 年 4 月 22-24 日于拉斯维加斯举行的 Google Cloud Next '26 ，可以预期谷歌将继续深化 AI 在其平台上的集成，推出更复杂的智能体能力和更强大的基础模型。同时，随着市场对 AI 投资回报的要求日益提高，谷歌可能会更加注重展示 AI 的实际业务价值和 TCO 优势。数据主权、成本优化和多云战略等市场趋势也将持续影响谷歌云的产品策略和市场沟通。
最终思考： 谷歌 Cloud Next '25 是一次自信且雄心勃勃的宣言，展示了谷歌以 AI 为中心的战略决心和强大的技术实力。未来的关键挑战在于将这些创新有效地转化为广泛的企业采纳，并在应对市场现实的同时，不断推动 AI 技术所能达到的极限。A2A 协议等开放计划的成功以及其先进 AI 基础设施的接受度，将是衡量其长期发展轨迹的关键指标。