大摩把AI基礎設施的下一階段約束從單一算力擴展到容量、頻寬與成本共同構成的記憶體牆。AI代理可能在2030年前貢獻 26%—77% 的新增DRAM需求，雲端記憶體支出到2030年達到 4180億美元，2026年起復合增速約8%。記憶體佔雲資本開支的比例預計從2023年的12%升至2027年的40%，系統需要同時改進設計、製程、封裝、外圍器件、整合方式和材料，單靠製程微縮不足以解決資料存取約束。 ▪ DDR5單通道頻寬由2024年的44.8GB/s提高到2026年的51.2GB/s，增幅約 14%；同期Google Cloud月度token量由2024年4月的10兆增至2026年6月的3200兆，增長超過320倍，頻寬改善明顯落後於資料處理需求。 ▪ 大摩預計2027年雲廠商資本開支與EBITDA之比達到 88.2%，而2017年為32.4%。記憶體成本和供應能力開始影響整體基礎設施回報，HBM堆疊、先進基底、快取層級與互連效率需要在系統層面協同最佳化。 ▪ 新興記憶體技術市場規模預計由2025年的 12億美元 增至2030年的230億美元。增量不僅覆蓋傳統DRAM、NAND與HBM廠商，也延伸到介面晶片、連接、先進封裝、3D堆疊和系統設計環節。

美國當地時間4月29日，Google母公司Alphabet盤後公佈了 2026 財年第一季度的財務報告。總營收達1099億美元，同比增長22%，非美國通用會計準則下（Non-GAAP）淨利潤為625.78億美元，同比大增81%，每股收益5.11美元，明顯高於市場預期，不同機構統計的營收預期大致在1066億至1070億美元區間，EPS預期約2.62至2.63美元。盤後交易中，Alphabet股價一度漲近7%。圖片由AI生成從財報數字和股價反應來看，投資者開始相信Alphabet押注多年、遭受無數質疑的“全端AI”路線，可以從宏大敘事轉變為可以量化的商業回報。0163%的增速，暫時平息爭議Google雲（Google Cloud）營收達200.3億美元，同比增長63%，超出分析師約180億美元的預期，去年同期這一數字僅為122.6億美元。這一增速不僅大幅超越了上季度已經令人印象深刻的48%，更是在更大的基數上實現了加速，這才是真正超出華爾街預期的原因。積壓訂單季度環比近乎翻倍，達到逾4600億美元。積壓訂單的躍升，意味著未來的收入已被提前鎖定，增長有可持續性。同時經營利潤同比增長30%至397億美元，經營利潤率同比擴大約兩個百分點至36.1%。Alphabet證明了自己能夠在大規模燒錢的同時，依然守住並持續擴大利潤空間，這也是之前市場的核心擔憂之一。02搜尋未死，AI正在擴大它的版圖圍繞Google搜尋的老問題，AI會不會把Google最賺錢的業務吃掉？至少在這個季度的財報中被有力反駁了。搜尋廣告營收達604億美元，同比增長19%，查詢量創歷史新高。Alphabet兼Google首席執行長桑達爾·皮查伊在財報聲明中指出，這是AI體驗持續拉動使用者使用習慣的直接結果。AI概覽、AI模式等新功能，不僅沒有蠶食傳統搜尋流量，反而通過提供更豐富的答案，進一步擴大了整個搜尋市場的邊界。皮查伊此前一貫的判斷：AI對Google搜尋而言，是“擴張性的”，而非替代性的。Gemini模型每分鐘通過API處理的Token數量超過160億，較上季度增長60%。更多的查詢正在觸發更複雜的模型呼叫，單次搜尋的計算成本在上升，說明AI功能目前尚未削弱廣告變現基本盤。YouTube廣告營收達98.8億美元，同比增長11%，從上季度受美國大選消耗影響的9%增速中反彈。這一修復符合預期，但略低於市場99.9億美元的預估，是這份成績單上為數不多的稍顯遜色之處。值得注意的是，YouTube的價值並不侷限於廣告，訂閱收入正在成為越來越重要的增量。這與整體消費者AI貨幣化的趨勢高度吻合。03付費訂閱3.5億，Gemini開始“賺錢”在雲業務之外，Alphabet本季度還有一條容易被忽略的增長線索。財報顯示，Alphabet目前付費訂閱使用者規模已達到約3.5億，覆蓋Google One、YouTube以及其他訂閱服務。對應到收入端，Google訂閱、平台和裝置業務一季度收入為123.84億美元，同比增長19%。這意味著，AI並不只是出現在雲和搜尋裡，也正在被納入Google既有的會員、儲存和內容付費體系之中。從產品形態看，Gemini是這條訂閱線索中最重要的新變數。相比單獨向使用者出售一個聊天機器人，Google更傾向於把AI能力嵌入Google One、Workspace、搜尋和移動端產品中，讓使用者在雲端儲存、辦公、內容創作和資訊檢索中逐步為AI能力付費。財報沒有單獨披露Gemini消費者訂閱收入，但3.5億付費訂閱使用者為Google提供了一個巨大的轉化池：只要其中一部分使用者升級到更高階的AI服務，就可能形成新的收入增量。企業端來看，Gemini Enterprise付費月活使用者季度環比增長40%。對Google來說，這個指標的意義在於它驗證了AI可以成為Google Cloud和Workspace之外的新付費入口。這也是Alphabet本季度財報裡最值得關注的變化之一：AI商業化不再只有“廣告效率提升”或“雲算力需求增長”兩條路徑，也開始進入訂閱收入體系。搜尋負責流量，雲負責算力，訂閱負責把AI能力包裝成持續付費產品。相比一次性的模型呼叫收入，訂閱模式更穩定，也更容易與Google原有生態捆綁。與此同時，Google雲的安全拼圖也在補齊。2026年3月11日，Google完成對雲安全平台Wiz的收購。這是Alphabet歷史上規模最大的收購之一。Wiz的價值不只在於安全產品本身，更在於它長期服務於多雲環境，覆蓋AWS、Azure、Google Cloud等平台上的企業客戶。對於正在爭奪AI雲訂單的Google來說，安全能力將直接影響企業是否願意把核心資料、模型訓練和智能體工作流遷移到其雲平台上。不過，Wiz的協同效應還不能在這個季度被過早驗證。財報本身並未單獨披露Wiz對Google Cloud收入和利潤的貢獻。因此，更準確的說法是：Wiz增強了Google雲在企業AI時代的安全籌碼，但它能否轉化為更高的客戶留存、交叉銷售和雲市場份額，還需要後續幾個季度繼續觀察。041750億美元的豪賭：燒錢與回報的競速除了成績單最亮眼的部分，懸而未決的大問題始終存在：資本支出的終點在那裡，回報的速度是否真的能追上燒錢的速度？皮查伊在上一季的財報電話會議中透露：到2026年這一數字將達到1750億至1850億美元，四年近六倍的增長。他將其定性為“維持AI競爭所必需的殘酷創新節奏”。2026年超過一半的機器學習算力將服務於雲業務，而非內部消耗。本季度經營利潤率在大規模資本開支周期中反而擴大兩個百分點至36.1%，令此前高呼利潤壓縮的批評者陷入短暫沉默。但這只是開局，折舊壓力將隨著基礎設施資產陸續竣工而持續加重，下半年的利潤表才是真正的壓力測試。市場目前給予的估值，已經隱含了對未來數年Cloud高增速的樂觀預期，一旦任何一個季度的增速出現實質性減速，重新定價的風險不容低估。附：Alphabet 2026年第一季度財報分析師電話會議精簡版Alphabet首席執行長皮查伊點評：第一季度，Alphabet交出了連續第11個季度的兩位數營收增長，各項核心業務表現均超出預期。Google Cloud營收突破200億美元大關，同比增長63%；搜尋廣告營收604億美元，增長19%，查詢量創歷史新高；訂閱使用者突破3.5億，Gemini Enterprise付費月活使用者季環比增長40%。AI全端戰略是本季度業績的核心驅動力。在基礎設施層，公司推出第八代TPU，其中TPU 8t訓練性能是上一代Ironwood的三倍，TPU 8i推理性價比提升80%。Gemini 3.1 Pro持續推進多模態理解與推理能力邊界，每分鐘API Token處理量達160億，較上季度增長60%。生成式媒體模型Lyria 3已累計生成超1.5億首歌曲，Gemma 4開源模型上線數周內下載量突破5000萬次。雲業務方面，企業AI解決方案首次成為雲增長的第一驅動力，基於Gemini模型的產品收入同比增長近800%。新客戶獲取速度同比翻倍，1億至10億美元等級合同數量同比翻倍，並簽署多份超10億美元大單。客戶超額完成初始承諾的比例達45%，環比持續加速。Google Cloud積壓訂單季環比接近翻倍，達4620億美元，預計未來24個月可確認超過50%。搜尋方面，AI Overviews和AI Mode持續拉動使用者使用頻次提升，商業查詢增長尤為顯著。廣告投放工具AI Max完成公測，Hilton通過該工具以五分之一的預算獲取三分之一的額外點選，同時平均預訂金額提升55%。Universal Commerce Protocol（UCP）開放標準獲Amazon、Meta、Microsoft、Salesforce、Stripe加入，推進代理式購物生態建設。Waymo本季度已覆蓋美國11個主要城市，每周全自動駕駛接單量突破50萬次，不足一年內實現翻倍。Wing持續擴張並宣佈進入灣區。Verily完成外部融資後已從Alphabet合併報表中剝離，GFiber計畫與Astound Broadband合併，預計Q4完成。首席財務官阿什肯納齊補充：全年資本支出指引由1750億至1850億美元上調至1800億至1900億美元，增量主要來自對Intersect的收購。2027年資本支出預計將較2026年顯著增加。本季度資本支出357億美元，其中約60%用於伺服器，40%用於資料中心及網路裝置。公司董事會同時宣佈季度股息提升5%。以下為分析師問答環節：問：Gemini 3.1 Pro每分鐘160億 Tokens的處理量非常驚人，這是否意味著推理成本已經不再是利潤率的負擔？答：我們正處於效率曲線上極其有利的位置。過去一年，我們將Gemini模型的單位推理成本降低了90%以上。這得益於三位一體的最佳化：TPU 8i專門針對大規模推理設計的硬體優勢、模型架構的稀疏化改進，以及底層軟體棧的深度融合。雖然絕對支出在增加，但每單位智能的產出效率提升遠快於投入增長，這讓我們有底氣在搜尋中全面推行AI Overviews。問：關於Google Cloud積壓訂單（RPO）季環比翻倍至4620億美元，能否拆解其結構？有多少來自主權雲或政府訂單？答：增長非常均衡，但超大型交易（Jumbo Deals）的貢獻顯著。本季度我們簽署了三份單筆金額超過50億美元的長期合同，涵蓋電信、金融服務及零售業。主權雲需求確實在激增，特別是在歐洲和中東地區，客戶更傾向於將資料保留在本地，同時利用Gemini進行本地化調優。這一塊的利潤率通常高於公共雲，因為其服務附加值更高。問：Universal Commerce Protocol (UCP) 吸引了這麼多競爭對手加入，Alphabet的商業邏輯是什麼？答：購物的未來是智能體化（Agentic）。如果每個平台都是資訊孤島，AI智能體就無法完成跨平台的比價、下單和履約。通過UCP，我們實際上在建立AI時代的“全球資訊網協議”。雖然我們向競爭對手開放，但Google擁有全球最深厚的商業意圖資料（Shopping Graph），當購物阻力消失時，作為流量入口的Google搜尋將獲得最顯著的轉化增量。問：YouTube的增長雖然穩健，但似乎正受到短影片平台更激進的AI創作工具挑戰，你們如何應對？答：恰恰相反，我們的AI創意套件“Dream Screen”在本季度剛結束灰度測試。它不僅能生成背景，現在已經可以根據文字描述生成高品質的15秒Shorts素材。目前YouTube Shorts的日均播放量已突破1000億次。我們觀察到，AI降低了創作門檻，使得長尾創作者的活躍度提升了35%。同時，YouTube TV和Sunday Ticket的訂閱收入也受益於Gemini驅動的個性化推薦引擎。問：對於Waymo和Wing，Alphabet目前的投資態度是否有變化？答：我們對Waymo的執行力感到非常自豪。它是全球唯一一家在多個城市實現商業化全無人駕駛營運的公司。目前的重點是從“實驗室規模”轉向“工業規模”。隨著第六代硬體系統的部署，我們的單位里程成本（CPM）正在迅速下降，目標是在未來24個月內實現核心營運城市的收支平衡。對於其他非核心業務（Other Bets），我們會繼續保持嚴謹的資本紀律，比如Verily的拆分和GFiber的合併。問：收購Intersect和Wiz對今年的利潤率指引有何具體影響？答：Intersect帶來了全球頂尖的算力調度技術，這正是我們解決目前算力受限問題的關鍵，雖然會帶來短期的資本支出上調，但長期資本回報率非常明確。Wiz的併入會使Cloud分部的經營利潤率在短期內受到100-200個基點的小幅拖累，但它極大增強了我們在雲安全市場的地位。我們依然致力於實現集團整體經營利潤率的逐年擴張。問：Gemini在企業級市場的付費意願如何？是否出現了類似移動網際網路初期的“Killer App”？答：真正的“殺手級應用”是跨模態的企業級搜尋與操作。目前Gemini Enterprise的客戶中，有超過60%的使用者正在使用“側邊欄”功能在工作流程中即時呼叫內部文件資料。這種生產力的提升是極其具象的，這也是為什麼我們看到付費月活（MAU）環比增長40%的原因。這不僅僅是一個對話方塊，它正在變成企業的作業系統。問：針對目前的“算力受限”狀態，你們如何決定算力的分配優先順序？答：這是一個非常嚴謹的決策過程。我們通過資本回報率框架來管理算力分配。目前的優先順序順序是：第一，支撐核心搜尋業務的AI Overviews升級，因為這是我們的基本盤；第二，保障Google Cloud外部客戶的AI訓練與生產需求，這是我們的增長引擎；第三，前沿模型Gemini 4的持續研發。通過Intersect的動態調度技術，我們現在能比以往更靈活地平衡這些內部與外部需求。問：未來搜尋業務中，廣告與訂閱模式將如何共存？答：我們的分級訂閱計畫本季度表現非常強勁，使用者表現出為更強大的模型能力（如更長的上下文窗口、更深度的邏輯推理）付費的明確意願。我認為未來的搜尋不會是單一模式，而是“廣告+訂閱”的混合體。廣告依然是提供免費、開放資訊獲取的最佳方式，而訂閱則滿足了追求極高生產力的使用者。這種雙軌制將使我們的商業模式比以前更具韌性。問：關於TPU的外售戰略，這是否會削弱Google Cloud的競爭護城河？答：我們並不這樣認為。TPU的外售主要針對那些對資料中心有極致定製需求、且具備極強自研能力的頂級實驗室或金融機構。向他們提供TPU硬體，一方面可以分攤我們的研發成本，加速TPU生態的成熟；另一方面，這些客戶通常也會配套使用我們的頂點（Vertex AI）軟體棧。我們的護城河不在於單體硬體的封閉，而在於“晶片+模型+軟體棧”的整體生態協同。 (騰訊科技)

你有沒有過這種體驗?寫周報時，翻遍五六個系統扒資料;跟客戶溝通時，反覆解釋同一個問題;處理工作流程時，卡在跨部門對接的環節動彈不得……我們總說AI能提高效率，但以前的AI，更像個“問答機器”——你問它才答，你不說它就躺平。但Google  Cloud剛出的《AI智能體趨勢2026》報告說，2026年這一切要變了。AI會從“只會回答問題的工具”，變成能聽懂目標、拆任務、跨系統自己幹活的“得力幫手”(也就是報告裡說的AI智能體)。這不是遙遠的暢想，而是已經在發生的現實。今天就跟你掰開揉碎了聊：這波AI變革到底會怎麼改咱們的工作，普通人該怎麼抓住機會?核心轉變從人親自幹活到人管AI幹活這波AI變革最核心的變化，不是“幹活更快了”，而是“幹活的方式變了”。以前咱們談AI，總說“幫人把事做快”——比如AI幫你寫初稿、算資料，最後還是得你逐字改、逐題核對。但2026年的AI智能體，厲害在“能自主搞定一整套事”：你只要告訴它“要達成什麼目標”，它會自己拆分成小任務，呼叫公司的各種系統，一步步推進，最後給你一個結果。隨之而來的，是咱們的角色大變身：從“親自執行的打工人”，變成“指揮AI的管理者”。打個比方，以前做市場經理，得自己寫文案、找資料、盯競品、做報告，一天忙得腳不沾地。2026年，你手下會有五個“AI專屬助理”：資料助理：扒遍公司內外的結構化資料，找出市場趨勢;分析助理：24小時盯競品動態、社交媒體口碑，每天給你發一頁核心洞察;內容助理：按公司的品牌語氣，寫好社交媒體文案和部落格初稿;創意助理：給文案配圖片、剪視訊;報告助理：每周自動拉取campaign資料，生成分析總結。你要做的，不是自己寫文案、找資料，而是：告訴它們這周的核心目標(比如“推廣新產品，吸引年輕使用者”)，給點策略指引(比如“重點突出性價比”)，最後檢查一下結果有沒有問題，拍板定奪就行。說白了，AI把重複、繁瑣的執行活全包了，咱們只需要聚焦“定方向、做判斷、把關結果”。而且這不是空想。資料顯示，現在已經有52%的公司，把AI智能體用在了生產環境裡：客戶服務、市場營運、技術支援、產品創新，到處都有它們的身影。比如全球最大的紙漿製造商Suzano，用AI智能體把員工的自然語言(比如“查一下某類物料的庫存”)變成系統能識別的查詢指令，5萬名員工查資料的時間直接減少95%;電信公司TELUS更狠，5.7萬名員工日常用AI，平均每次互動能省40分鐘。五大趨勢未來，AI智能體將滲透到工作的方方面面如果說核心轉變是“道”，那這五大趨勢就是“術”。我們來看看這些AI幫手會出現在那些場景，怎麼改變咱們的工作和生活。1.每個員工都有“專屬AI助理”：個人能力直接翻倍以前的AI工具，要麼是公司統一配的“大雜燴”，要麼得自己找外掛拼湊，用起來特別彆扭。未來，每個員工都會有“量身定製”的AI助理。這個助理懂公司的業務語境：能訪問內部知識庫、客戶資料、歷史工作成果，不會像通用AI那樣“說外行話”;它還能跟你配合默契：你把重複的活(比如整理會議紀要、跟進待辦事項、初步篩選郵件)交給它，自己專注於創新、談判、戰略思考這些“高價值活”。這裡要澄清一個誤區：不是有了AI助理，你就沒主動權了。它更像一個“超級執行者”，在你的指導和監督下幹活，比如寫合同，AI可以初稿，但最終的風險把控、條款談判，還是得你上。就像媒體行業，AI能幫你整理海量素材，但講什麼故事、怎麼講得動人，還是得靠人的創造力。2.公司流程變成“數字流水線”：從頭到尾自動跑如果說每個員工的AI助理是“單兵作戰”，那公司核心流程的AI智能體系統，就是“團隊協作”。以前公司的流程，比如採購、客戶支援、安全營運，都是“人對接系統、人對接人”，中間容易卡殼：比如網路出問題，得先讓技術部門檢測，再讓售後通知客戶，流程走下來大半天。未來，AI智能體系統會把這些環節串起來：發現網路異常後，AI先自動嘗試修復;修復不了，自動在現場服務系統建立工單;同時同步給客戶聯絡中心，告知客戶情況——整個過程跨系統、跨部門，不用人手動干預，人類只需要在關鍵節點監督、拍板。要實現這種“流水線”，靠的是兩個關鍵技術：A2A協議：相當於AI之間的“普通話”，不同開發者、不同框架的AI能互相溝通協作;MCP協議：相當於AI和公司系統的“資料線”，能讓AI安全訪問即時資料(比如庫存、訂單、客戶資訊)，而不是靠“過時的知識庫”幹活。比如動物保健公司Elanco，用AI智能體處理每個生產基地2500多份非結構化檔案(比如政策、流程文件)，自動分類、提取關鍵資訊、排查衝突，避免了因為資訊過期或衝突導致的生產力損失——以前這種損失在大型基地可能高達130萬美元。3.客戶服務從“被動響應”到“主動服務”：像有了“私人管家”你有沒有吐槽過傳統客服?重複說問題說三遍，轉人工要等半天，最後還沒解決。這就是“規則型自動化”的侷限，只能機械響應，不會靈活處理。未來的客戶服務AI智能體，會變成你的“私人管家”。它能記住你的歷史資訊：你上周買了件藍色毛衣，今天打電話，它一接就知道“你可能是要退換貨”;它還能主動解決問題：物流延誤了，不等你投訴，它已經查到是配送車壞了，自動安排明天最早配送，還給你充了10美元補償，發簡訊跟你確認時間。資料顯示，現在已經有49%的公司把AI智能體用在客戶服務上，這是最成熟的落地場景之一。比如家居建材品牌家得寶(Home Depot)，做了個叫Magic  Apron的AI智能體，24小時線上給客戶提供裝修指導：怎麼裝櫃子、選那種油漆、看產品口碑，就像身邊有個裝修老師傅，隨叫隨到。而且這種“管家式服務”不侷限於消費端。比如工廠裡，AI智能體能分析生產資料，發現某個班次效率低，會主動給出建議：“可以調整裝置參數，或者給員工做個專項培訓”，相當於給管理者配了個“生產顧問”。4.安全防護：從“喊警報”到“自動滅火”現在的公司安全部門，最頭疼的是“告警疲勞”：每天收到成千上萬個安全告警，分析師根本看不過來，很可能漏掉真正的威脅。就像家裡裝了100個煙霧報警器，天天響，真著火了反而沒反應。未來的安全AI智能體，會從“只喊警報”變成“主動滅火”。它能自動分流告警(那些是誤報，那些是真威脅)，調查分析(威脅來自那裡，影響多大)，甚至在授權範圍內直接採取行動(比如攔截惡意攻擊、修復漏洞)。比如cybersecurity公司Specular，用AI智能體自動化攻擊面管理和滲透測試，幫企業快速找到安全漏洞;另一家公司Torq的AI安全分析師Socrates，能自動完成90%的一級分析任務，人工操作減少95%，響應速度快了10倍——安全人員不用再埋頭處理重複告警，能專注於設計防禦架構、獵捕高級威脅。5.能不能規模化賺錢，看員工會不會“管AI”最後這個趨勢，是所有變化的關鍵：AI智能體能不能給公司帶來持續價值，核心不是買了多少技術，而是員工會不會用。現在專業技能的“半衰期”越來越短，技術領域可能只有2年。也就是說，你現在學的技能，2年後可能就過時了。而AI的普及，會讓“會不會管AI”變成職場的核心競爭力。但現在有個落差：84%的員工希望公司多提供AI學習資源，但只有29%的員工覺得公司在積極推動AI應用。而且“AI管家”“AI編排者”這種新角色，市場上根本招不到現成的人，只能靠公司內部培養。怎麼培養?報告裡給了一套實用方法，核心是五個支柱：1.定目標：比如“讓100%員工在工作中用AI”，而且要可衡量;2.找支援：組建“高管贊助人(給錢給資源)+推動者(鼓動員工參與)+技術專家(落地解決方案)”的團隊;3.造氛圍：搞遊戲化交流、案例分享，獎勵創新用法;4.融日常：把AI融入工作流，比如辦內部駭客松、實踐挑戰，讓員工在幹活中學習;5.守規則：明確那些資料能給AI用，怎麼識別AI相關的安全威脅。比如電信公司TELUS和Google合作搞了AI技能培訓，結果96%的員工說用AI的信心提升了，員工會用AI了，公司的效率和創新力自然上來了。AI時代這五種人很難替代聊完了AI智能體的趨勢，咱們回到最實際的問題：既然AI能幫著幹活、跑流程，那普通人怎麼才能不被替代?答案很簡單：AI越能幹，就越需要有人“管著它、盯著它、落地它、擔著它”。未來3-5年是AI緩衝期，咱們只要找準自己的位置，就能在變革中站穩腳。總結下來，有五種角色永遠稀缺：1.決策者：給AI定方向的“指揮官”AI再厲害，也得有人告訴它“要做什麼、為什麼做”。就像前面說的市場經理，AI助理團隊再能打，也得靠你定核心目標——是推廣新產品還是維護老客戶，是突出性價比還是強調品牌感。以前咱們做執行，滿足於“按流程幹完”就行;現在得主動思考“為什麼要做這件事”“要達成什麼結果”。比如用AI寫方案，不能只說“幫我寫個推廣方案”，而要明確“針對25-30歲職場人，推廣一款通勤背包，核心賣點是輕便防水，預算5萬，要包含社交媒體和線下快閃活動”——這樣AI才能精準發力。說白了，決策者的核心價值是“定戰略、掌方向”，這是AI學不會的。它能執行，但沒法判斷“這件事該不該做”“這麼做對公司長期有沒有好處”。2.提問者：能問對問題的“掌舵人”如果暫時做不到決策者的高度，那從“會提問”開始也完全可以。提問的水平，直接決定了AI的輸出質量。很多人用AI之所以沒效果，就是提問太隨意。比如想讓AI生成配圖，只說“給我一張漂亮的圖”，結果全看運氣;但如果你說“我想表達‘異鄉人思念家鄉’，要用溫暖的水彩風格，畫面裡要有老房子、路燈、飄著的炊煙，能不能給我三個構圖建議並簡單解釋”，得到的結果大機率就是你想要的。提問的關鍵，是先想清楚自己的目標，再把目標拆成具體的問題。職場裡常說“會提問的人，思考一定不差”，AI時代更是如此——你能問出精準的問題，就意味著你已經想透了事情的關鍵。3.看門人：給AI把關的“質檢員”現階段的AI還有個小毛病：偶爾會“胡說八道”(也就是常說的“AI幻覺”)，比如給你編一個不存在的資料，或者生成不符合公司規範的內容。這時候就需要“看門人”——用自己的專業經驗，判斷AI的輸出是不是靠譜。比如Elanco用AI處理生產檔案，AI能自動分類、提取資訊，但最終還是需要熟悉生產流程的員工把關：“這個條款是不是和最新政策衝突?這個資料是不是精準?”;再比如用AI寫合同，AI能搭框架，但涉及法律風險、核心權益的條款，還得靠法務人員稽核。看門人不用學新技能，只要你在自己的領域裡夠專業、夠細心，就能勝任。畢竟AI談論你不熟悉的領域時，你可能覺得它無所不知，但一碰到你的專業，它有沒有胡說，你一眼就能看出來。4.執行者：連接虛擬與現實的“實幹家”你可能會想：“執行的活不都被AI搶了嗎?”其實不然，AI能在電腦裡跑流程、做分析，但最終還是要有人把事情落到現實裡。比如物流智能體能安排好配送路線，但包裹還是得靠快遞員送到你手上;AI能給出工廠裝置的調整建議，但最終還是得靠技術人員去操作;AI能生成裝修方案，但敲牆、刷漆、裝櫃子，還是得靠工人師傅來幹。虛擬世界的決策，永遠需要現實世界的人來落地。而且現在很多公司看似人多，但真正腳踏實地幹活的執行者並不多，只要你靠譜、敏捷，能把AI的計畫變成實實在在的結果，就永遠有你的位置。5.責任人：為結果兜底的“擔當者”AI是工具，沒有辦法承擔責任。比如AI推薦的行銷方案出了問題，損失誰來擔?AI處理客戶資料時洩露了隱私，責任誰來負?這時候就需要“責任人”——對最終結果負責，出了問題敢擔當、能解決。未來，“誰來擔責”會成為AI時代的核心議題。比如合規智能體自動更新了工作流，但如果不符合監管要求，還是得有人站出來調整、承擔後果;客戶服務AI出了錯，還是得有人主動聯絡客戶道歉、彌補。無論你是決策者、提問者，還是看門人、執行者，最終都得是責任人。畢竟AI可以幫你幹活，但沒法替你擔責——而“敢擔當、能扛事”，永遠是職場最稀缺的品質。2026年的機會本質是“人的解放”聊了這麼多，你可能會問：AI這麼厲害，會不會取代人?答案是：不會取代人，但會取代“只會執行的人”。AI智能體不是搶工作，而是把我們從重複、繁瑣、耗精力的低價值工作中解放出來，讓你專注於只有人能做的事：創造性的思考、戰略性的決策、有同理心的溝通。這波變革的學習曲線可能有點陡，但機會屬於那些“現在就開始行動”的人：今天學著跟AI配合，學著定方向、提對問題、把好關、落好地、擔好責，明天你就是職場裡的“稀缺人才”，而不是被淘汰的“執行者”。說到底，2026年的AI變革，看起來是技術的升級，本質是“人的升級”。它讓企業變得更快、更智能，也讓每個人都有機會發揮自己的天賦和創造力。未來決定現在。看清未來將發生什麼，才能真正明白當下應該做什麼。我們認為，未來由四個關鍵領域塑造：哲學、AI科技、經濟與政治。為什麼是這四個?哲學是元起點，是意義與方向的錨點，為一切行動提供終極燃料;科技(尤其是AI)是文明進步的底座，是驅動世界向前的“發動機”;經濟是轉化器，它把科技力量轉化為真實的財富與市場機會;政治是適配性結構，它給哲學、科技與經濟提供運行框架與秩序。哲學為根，科技為器，經濟為用，政治為治。這四者環環相扣，層層支撐，相互交織，在動態的演進中共同推動現實走向未來。 (前瞻經濟學人)

美國資料中心營運商GMI Cloud計畫在台灣建立一個價值5億美元的新設施，加入Alphabet Inc.旗下Google等更大規模的企業，提供雲服務給全球最先進的晶片製造基地。這家位於加利福尼亞州山景城的初創公司計畫建立一個16兆瓦的項目，由Nvidia Corp.的7000枚Blackwell Ultra晶片驅動。首席執行官Alex Yeh表示，該公司正在從幾家台灣銀行籌集4億美元作為交易的一部分，但並未透露任何貸款機構的名稱。根據Yeh和公司聲明，該站點預計將在大約四月上線時能夠每秒處理近200萬個代幣。GMI Cloud是包括Amazon.com Inc.和Microsoft Corp.在內的幾家公司之一，他們試圖在亞洲建立資料中心，以應對該地區對人工智慧發展的巨大需求。各國政府也在探索建立本土AI平台的方法，以促進國內經濟並確保對這種潛在革命性技術的影響力。Yeh表示，GMI Cloud正在與Reflection AI合作，為台灣島內建立一個AI平台，台灣擁有包括台積電和富士康科技集團在內的世界級製造商。Yeh表示，初創公司已為其位於台灣北部城市桃園的所謂“AI工廠”排定了一批客戶。Yeh還表示，GMI Cloud正在尋求在今年年底前再籌集2億美元融資，不過他拒絕透露估值。根據Yeh的說法，初創公司的現有投資者包括Headline Asia和Nvidia伺服器的主要組裝商緯創公司。除了美國和台灣，初創公司還在日本、新加坡和泰國營運。桑文表示，公司計畫在11月20日於舊金山的活動上正式宣佈融資輪的結束及其企業計畫的細節。“我們看到來自全球的需求，”他說。 (Benchmark Studio)

這項策略調整顯示輝達在雲端服務領域遭遇有限需求，輝達先前承諾花費130億美元從大型雲端服務商租回自家AI晶片，並計畫透過轉租業務實現1,500億美元營收目標。協助多家公司談判雲端業務的人士稱，AI開發者對DGX Cloud伺服器的高價存在牴觸，其價格通常高於傳統雲端服務商。周五，根據The Information報導，輝達正逐步縮減其初興的雲端運算業務，據知情人士透露，輝達已減少吸引企業客戶使用其DGX Cloud服務的努力，並計畫主要將該服務用於自身，包括為公司內部研究人員提供支援。這項戰略調整顯示輝達在雲端服務領域遭遇有限需求。輝達先前承諾花費130億美元從大型雲端服務商租回自家AI晶片，並計畫透過轉租業務實現1,500億美元營收目標。輝達雲業務的收縮可能反映出其定價策略面臨市場阻力。據協助多家公司談判雲端業務的人士稱，AI開發者對DGX Cloud伺服器的高價存在牴觸，其價格通常高於傳統雲端服務商。該業務曾讓其與亞馬遜網路服務形成准競爭關係，這一變化也緩解了輝達與其最大客戶之間的緊張關係，特別是與佔其收入一半的大型雲端服務商的競爭壓力有所減輕。業務重點轉向內部研發據直接理解情況的人士透露，輝達現在將DGX Cloud的大部分伺服器容量用於內部研發，員工使用這些伺服器進行從設計新晶片到開發AI模型的各項工作。輝達DGX Cloud負責人Alexis Black Bjorlin在接受採訪時否認了戰略轉向的說法。她表示："我們的內部研究人員需要大量計算資源，我們的客戶也是如此，所以我們的策略仍然相同。"儘管如此，輝達在最新季度財報中不再說明其雲支出承諾部分用於DGX Cloud，儘管在之前幾季都有此表述。這一披露變化暗示輝達不再優先考慮為外部客戶提供該服務。雲業務雄心遭遇現實挑戰CEO黃仁勳在2023年初曾雄心勃勃地描繪DGX Cloud前景，希望銀行、製藥公司等大型企業直接向輝達租用AI晶片伺服器，如同從亞馬遜和微軟租用伺服器一樣。黃仁勳在2023年初的財報電話會議中表示，我們將讓這些基礎設施的訪問民主化，真正讓這項技術和能力變得容易獲得。他希望該服務能緩解當時企業客戶面臨的輝達晶片伺服器短缺問題。到2023年8月，黃仁勳向投資者表示DGX Cloud是「巨大成功」。 2024年末，CFO Colette Kress稱公司軟體業務（她表示包括DGX Cloud）年化收入達20億美元。新服務模式尋求突破輝達仍希望部分企業客戶直接向其租用GPU。今年夏天，輝達推出另一種雲端服務DGX Cloud Lepton，這是一個"市場平台"，公司可透過雲端服務商網路訪問GPU。與原DGX Cloud不同，Lepton平台上的雲端服務商自主選擇列出可用GPU伺服器容量，而非輝達簽署多年合約租用容量再轉租給客戶。據先前報導，該市場平台初期發展緩慢。多家在輝達Lepton平台上線的雲端服務商高層表示，他們認為這項新服務與自身業務形成競爭，因為它讓晶片設計商與其客戶建立直接關係。 （invest wallstreet)

作為Partner受邀來參加Google Cloud Summit的活動，也是頭一次來Las Vegas,一下飛機就看到了機場大廳裡的數十台老虎機，直接在機場玩，賭城果然名不虛傳。（機場大廳的老虎機）說正事，兩天的參會收穫很大，其實沒有完整的參加完，主要是倒時差每天下午太困扛不住，只參加了2個半天。說幾點感受吧：先說下Google這次發佈的幾個王炸級產品和服務吧：1.Google一直在推的TPU—Ironwood，這次發佈的是第七代的TPU(TPU是Google自研的AI晶片，能更高效的運行AI推理，特別是大規模神經網路)。計算能力：每個 Ironwood Pod 的峰值性能可達 42.5 exaFLOPs，是第五代的4倍。能效比：Ironwood 在每單位能耗下的性能比第六代提升了 2 倍，顯著提高了能效比。大規模部署能力：支援多達 9,216 個晶片組成的叢集，適用於訓練和推理超大規模的 AI 模型，如 Google 的 Gemini 系列。應用場景：更適合大規模AI推理訓練。（Google自研的TPU）2.Vertex AI多模態發佈：特別是在視訊生成上，性能表現遠超其它大模型，除視訊外，可以支援文生圖片、音樂和語音等多模態，直接干翻一批垂直的大模型公司。3.Agent2Agent（A2A）協議發佈：50多家主流大廠入駐支援，實現智能體跨平台通訊和協調工作，大幅提升智能體的工作效率和質量，制定了智能體的工作流的標準和基礎協議，這個太牛了，AI Agent的春天來了。4.Showcase展台區域：看到大量的基於GCP的生態企業，非常的繁榮，從安全、資料、AIagent、Startup等，整個展區50%以上都在講AI。（Showcase展區）最後的幾點感受：1.Google在Allin AI，通過大力出奇蹟，過去這2年成效顯著，畢竟手握重金，又有海量的應用和源源不斷的資料，這是其它公司無法比擬的。2.垂直大模型就不要做了，未來就是做應用和AIagent，Google把基礎的多模態大模型能力做的很好了，而且每次升級都能大幅提升性能和質量，基建越來越成熟，在此基礎上可以做出很好的應用和AIagent，如同Android系統一樣。3.在TO B業務上：歐美公司對業務的理解，以及產品化的能力真的是很強，主要原因是歐美生態系統好，是個大統一的生態，基於API可以打通各個平台之間的協作。這點是國內無法比擬的。另外就是歐美的客戶對創新的產品和服務很感興趣，也願意付費買單。另外就是資訊化程度高，這也是為什麼SAAS企業在歐美很成功，而國內很少有成功的，我想在TO B這塊可能也是一樣，中國企業未來在AI上的競爭優勢還是在TO C應用上，這是我們傳統的優勢，maybe可以通過PLG和訂閱實現TO B的覆蓋和觸達。 (跑步與創業)

在 Gemini 的爆火之後，Google  Cloud 正在成為真正意義上的「基礎設施」。台北時間 4 月 10 日凌晨，Google Cloud Next 2025 正式揭開序幕。如果用「AI 屆的蘋果發佈會」來形容每年的輝達硬體發佈會，那「AI 屆的 CES」或許更適合用來形容今年的 Google Cloud Next；雖然同樣令人興奮，但每一個來到現場的人都帶著自己的問題，現場隨處可見各種務實的交流。絡繹不絕的觀眾前往 Google Cloud Next 25 主題演講 ｜ 圖片來源：極客公園三個月前，同樣是拉斯維加斯，這個場館這個舞台上，黃仁勳同樣以 AI 為主題的演講，揭開了 CES2025 的序幕。但即使是老黃的主題演講，都不及今天的 Google Cloud Next 開幕主題演講座無虛席；即使場內已經人滿為患，仍然有大量的人在門口排隊，等待有空缺位置時第一時間入場。主題演講現場，人數甚至比老黃演講更多 ｜ 圖片來源：極客公園之所以沒有老黃的個人魅力，Google 的動作仍然能被如此多的業界人士關注，顯然是因為 Google 如今在 AI 模型應用部署領域的統治地位。有了 Gemini 2.5 Pro 的打底，Google 今年在 AI 領域的影響力已經處於第一梯隊，但對於 Google Cloud 來講，如何將這部分能力，轉化給全世界的使用者的實際使用中，才是這屆 Next25 最需要給全球使用者解答的問題。不僅有針對推理模型最佳化的第一代 Google Tensor TPU 晶片，還有 Gemini 能力在 Google Workspace 生態中的進一步「植入」，甚至祭出了「本地部署 Gemini」這樣的大招。以及讓不少業內人士感到興奮的「Agent2Agent」溝通協議。網友對 Google Cloud Next 發佈產品的評價 ｜ 來源：X僅僅是首日的主題演講，Google 就已經展現出幾乎是在 AI 應用領域「全方位出擊」的產品規劃，並且在幾乎每一個領域都拿出了業內最前沿的思考與解決方案。難怪有不少網友，在看完 Google Cloud Next 25 的主題演講全部內容後，直呼「Google 真的是目前大模型廠商中開啟了「上帝模式」的選手」。01 新模型作為 Google CEO 皮查伊上台親自發佈的產品，Gemini 2.5 Flash 與它的前輩 Gemini 2.5 Pro 不同，這是一款「提供強大性能的同時注重效率」的推理模型。Gemini 2.5 Flash 作為新模型發佈 ｜ 圖片來源：極客公園據皮查伊介紹，Gemini 2.5 Flash 主打賣點是提供「動態且可控的」計算能力，允許開發者根據查詢的複雜性，手動調整處理時間。「你可以根據具體需求調整速度、精準性和成本之間的平衡。這種靈活性對於在高流量、成本敏感的應用中最佳化模型的性能至關重要」。根據在現場與 Google 工程師的交談，他指出 2.5 Pro 在處理一些簡單的問題時，仍容易出現「過度思考」導致其響應速度大幅降低的問題。這也是 2.5 Flash 在體驗中力求解決的難點。但最終他們的目標，還是進一步改善模型的動態思考能力，並將更多控制權開放給使用者。作為打響大模型性價比大戰第一槍的選手，Google 還特別提到了與 DeepSeek R1 這樣「價格較低但性能良好的模型」的對比，表示 2.5 Flash 非常適合在「高流量」和「即時」應用的商用場景——例如客戶服務和文件解析。除了新模型，Google 還放出了將最新模型「本地部署」這樣的策略，來讓已經有自己資料中心、或是有著更高資料管理要求的客戶，能夠使用現有的硬體設施，快速在自己的服務中部署 Gemini 2.5 Flash 的能力。Google 計畫從第三季度開始，將 2.5 Flash 這樣的 Gemini 模型引入本地部署環境。該公司的 Gemini 模型將可在 Google Distributed Cloud (GDC) 上使用，同時表示 Google 也正在與輝達合作，將 Gemini 模型引入符合 GDC 規範的 Nvidia Blackwell 系統。這樣的服務份量也吸引到老黃來站台｜ 圖片來源：極客公園02 新工具作為 Google Cloud 託管的 AI 工具部署平台，Vertex AI 也在今天得到了幾乎是「全模態」的更新，新的視訊、圖像、語音和音樂生成 AI 工具都將登陸 Vertex AI。其中最值得關注的，就是視訊生成模型 Veo 2 的更新，新增的編輯和相機控制功能，除了可以自動「從視訊中移除不需要的背景圖像、徽標或干擾物」。還能將原始視訊的畫面擴展，進一步填充原本的空白內容。這個工具會用 AI 生成的、能與原始片段融合的視訊素材來填充新的空間。Veo 2 的視訊內容拓展效果 ｜ 圖片來源：Google此次更新還允許 Veo 2 使用者在生成素材時，除了文字描述外，還可以選擇電影技巧預設，用於指導最終結果中的鏡頭構圖、攝影機角度和節奏。包括延時攝影效果、無人機風格的第一人稱視角（POV）以及模擬不同方向的攝影機平移。此外，本次更新還增加了一個新的插值（Interpolation）功能，可以在兩個靜態圖像之間建立視訊過渡，用新的幀填充開頭和結尾序列。只需給出一個起始幀和最終幀，Veo 2 就會生成連接兩者的視訊。只需兩張照片，Veo 2 就能自動生成一段中間視訊 ｜ 圖片來源：Google文字轉圖像模型 Imagen 3 的編輯功能也得到了更新，Google 表示本次更新「顯著」改進了自動對象移除時的自然效果。Imagen 3 能獲得更自然的內容移除效果 ｜ 圖片來源：Google據現場相關業務負責人介紹，Veo 2 和 Imagen 3 已經被歐萊雅等公司用於設計行銷內容。負責人 Justin Thomas 表示，過去「需要八周才能完成的圖像處理任務，現在只需八小時」。這些更新發佈之後，使 Vertex AI 成為目前市面上唯一一個覆蓋了視訊、圖像、語音和音樂的內容生成模型的平台。除了面向當下需求的新工具，Google 還公佈了一項新的開放協議——Agent2Agent (A2A)，旨在連接不同生態系統中的 AI Agents。這個概念聽起來似乎與時下非常流行的 MCP 協議有些相似之處，但不同之處在於，MCP 是為瞭解決 LLM 與工具之間的溝通，而 A2A 則是 Agent 與 Agent 之間的對話，就像是屬於 AI 的全新語言。A2A 協議應用場景演示 ｜ 圖片來源：GoogleGoogle 表示，A2A 協議將使企業能夠更便捷地部署 AI Agent 產品，因為它解決了建構在不同供應商生態系統上的代理無法相互通訊的挑戰。在現場，還演示了一個具體的案例：例如在同一個 UI 介面下，系統可以使用一個 Agent 來根據位置與技能，在面試中篩選候選人，在篩選完成、並且完成初步的面試後，系統可以自動將生成的資訊快速傳輸給另一個設計用於候選人背景審查的 AI Agent 工具，在這個過程中，大幅降低 AI 與 AI 之間的資訊損耗。這套系統顯然在未來越來越多 AI Agent 投入應用的時代，有著很強的需求。根據代理式數字工作平台 DoozerAI 的聯合創始人 Paul Chada 的說法，A2A 協議提供的互操作性將使企業能夠自動化跨越多個系統的複雜工作流程，從而可能在降低整合成本的同時提高生產力。Google 同時還介紹，A2A 協議建立在現有流行的標準之上，包括 HTTP、SSE 和 JSON-RPC；其中 HTTP 是網路通訊的基礎，而 SEE 和 JSON-RPC 分別是向客戶端伺服器傳送更新的基礎協議，以及應用程式使用 JSON 消息進行遠端相互通訊的基礎協議。儘可能多的利用現有的協議，目標是能夠儘可能降低這個全新的協議，在現有服務中部署的難度，使其更容易與企業已在使用的現有 IT 堆疊整合。即使這仍然是一個短期內充滿挑戰的事，但仍然讓現場的不少開發者感到興奮，隨處可以聽到關於這個「Agent 之間的新語言」的討論。03 新硬體對於 Google 來講，在 AI 領域的統治級地位，除了提供完善的軟體能力，在硬體領域多年的投入帶來的成果如同左右手一般必不可少，因此今天除了一系列軟體服務更新，Google 今天還發佈了最新的第七代 Tensor 處理單元（TPU）Ironwood。Ironwood TPU ｜ 圖片來源：Google據 Google 介紹，Ironwood TPU 是 Google「迄今為止性能最強、可擴展性最高且能效最高的定製 AI 加速器」，並且是「首款專為推理設計」的 TPU。Ironwood 每個獨立晶片提供 4614 TFLOPs 的峰值計算能力。而包括 9216 顆 TPU 的叢集總共擁有 42.5 Exaflops 的計算能力，是世界上目前最大的超級電腦 El Capitan（每個叢集提供 1.7 Exaflops）計算能力的 24 倍以上。如果這還不足以直觀的體現 Ironwood 性能的蒙正，作為雲端運算 TPU 硬體領域的大廠，Google 還回顧了從 2018 年到 2025 年的研發歷程  ——TPU 的性能增長了 3600 倍。第七代 TPU Ironwood 有著巨大的性能提升 ｜ 圖片來源：Google據 Google 介紹，性能巨幅提升的 Ironwood，旨在針對性滿足思維模型所要求的不同計算需求，這些模型「包括大型語言模型（LLM）、混合專家模型（MoE）和需要「大規模」平行處理和高效的記憶體訪問的高級推理任務」。在前沿領域，思維模型的計算需求遠遠超出了任何單個晶片的能力。因此我們設計的 Ironwood TPU 具有低延遲、高頻寬的 ICI 網路，以支援在整個 TPU 單元級規模上進行協調、同步的通訊。04 結語當你看到這篇文章時，Google Cloud Next 25 的主題演講已經結束，但正式的會議日程才剛剛開始。就像本次 Next 25 的口號一樣，來這裡的每個人都想知道「AI for what's next？」的答案，主題演講中發佈的一系列工具，只是 Google Cloud 對此的回答。每個來到這裡的人，都在試圖找到「AI for what's next」這個問題的答案 ｜ 圖片來源：極客公園作為當下最大的「AI 基礎設施」供應商，Google Cloud 不僅需要提供更多現有的工具：更好的模型能力，更豐富的平台、更適合的算力硬體。在市面上，你幾乎再也難以找到像 Google Cloud 這樣，給使用者提供了「一站式解決方案」的廠商，因此在現場的溝通中，「One and only」是現場很多開發者的聲音。「一站式解決方案」｜圖片來源：極客公園Google 在 AI 領域的地位，也讓 Google Cloud Next 作為溝通平台的價值急劇提升，在前沿技術的土壤中，作為「AI 時代的基礎設施」，幫助更多使用者，建立起更多滿足新時代需求的 AI 生態，或許才是 Google Cloud 未來的「核心價值」。 (極客公園)