Google 推出 Gemini agent：企业 AI 从"选模型"转向"管 agent"

发生了什么

2026 年 10 月 8 日，Google Cloud 在 Gemini at Work 2026 大会上发布了 Gemini agent——官方定义是"单一、通用的企业工作 agent"。它处理知识问答、知识工作、图像与媒体生成、编写并运行代码，全部经由一个提示框和一个 API。CEO Thomas Kurian 在官方博客（由其主题演讲改写）中给出的定位是：你给它的是目标（objective），而不是指令；你委派的是结果，回来时拿到的是成品。

这个 agent 有六个架构原则。统一 agent：聊天、自主完成目标、写代码都在同一界面。多端 omnipresent 接入：Web、iOS、Android、Windows、Mac，以及命令行、Google Workspace、Microsoft 365、Slack、第三方应用，还可以 headless 运行。云端持久执行：单套记忆、上下文和个性化图谱跨设备同步，任务可以跑数小时甚至数天，合上笔记本也不会停。多 agent 编排：它可以动态创建临时 sub-agent，各自拥有独立身份，并行或串行执行多步骤任务；也可以创建常驻的 coworker agent——像团队成员一样，有自己的 @agents.company.com 邮箱、日历、Drive 和持久存储，只能访问被明确授予的上下文。深度上下文：它维护四种记忆——会话记忆、语义记忆、程序性记忆和情景记忆。

[1] [2] [3]

最关键的一句：模型与 agent 解耦

官方博客明确写道：Gemini 是 agent，底层的模型是另一个独立的选择。它按任务把工作路由到最合适的模型——当前是 Google 自家的 Gemini 系列和 Anthropic 的 Claude 模型，未来会接入更多领先的私有与开放模型。Kurian 的原话值得逐字记住："The leading model changes every few months"（领先的模型每几个月就换一次），所以保持选择开放，意味着你的上下文、skills 和数据不必跟着搬家。

配套的是成本与治理两件套。成本侧：多模型编排、Smart Routing、实时支出上限。治理侧：身份与策略管理、授权与权限控制、安全沙箱、网络网关。Workspace 内嵌是落地的关键：Gemini 直接在 Gmail、Drive、Docs、Slides、Sheets、Chat、Calendar 里原位工作，分三种模式——个人助手、主动委派（比如从邮件里识别出可委派的任务，一键转交）、团队成员（coworker agent 拥有自己的 Workspace 账号，出现在公司通讯录里，可以在聊天室里被 @）。

工具连接清单很长：Confluence、Microsoft Office、Teams、Slack、Git、Jira、Salesforce、ServiceNow、BigQuery、Databricks、Postgres、Snowflake、桌面文件，以及企业内外的任意 MCP 服务器；另有企业级 tools 注册表、skills 注册表和自然语言数据分析 skills。行业版本上，金融服务与法律团队的专用版本已宣布（据 Reuters，处于 preview），政府、医疗、零售版本在路上。Cooley 律师事务所已宣布成为诉讼 redaction agent 的发布合作伙伴。

[1] [2] [6]

为什么重要：三个转向

第一，采购逻辑变了。过去一年企业 AI 采购的核心问题是"选哪个模型"；Gemini agent 把这个问题降级为"路由策略"——agent 平台替你选。这对所有自建模型网关的团队是直接冲击：当 Google 官方都在编排 Anthropic 的模型时，"只用自家模型"的平台叙事已经站不住了。

第二，agent 身份成为一等治理对象。coworker agent 有自己的邮箱、日历和版本历史署名——它在文档评论里提修改建议，会以自己的名字出现在版本历史里。这意味着审计、权限、离职交接这些 HR 和 IT 的老问题，现在要为非人类"员工"重做一遍。身份、策略、沙箱、网关这套组合，正是企业 IT 过去管 SaaS 应用的那套方法论，正在被平移到 agent 身上。

第三，记忆架构正在标准化。四种记忆的划分（会话/语义/程序/情景）一旦被大厂写进官方架构，就可能成为行业默认词汇。做 agent 基础设施的团队，现在就要决定自己的记忆分层是否与这套话语对齐——对齐意味着更容易被采购方理解，不对齐则需要额外的解释成本。

[1]

反方与尚不能断言的

先说清楚证据边界。官方博客里所有采用率数字——过去一年近 500 家客户各自处理超 1 万亿 token、近 80% 的 Cloud 客户使用其 AI 产品、近 90% 的财富 100 强使用 Gemini Enterprise，以及 Bradesco"文档审核从 1 小时降到 5 分钟"、Orange Spain"部署超 1000 个 agent"等客户案例——全部是 Google 单方口径，没有独立审计，不能当作行业基准引用。

其次，关键的商业信息缺席：官方没有公布定价，也没有给出全面 GA 的时间表。第三方报道（runtimewire 转引 9to5Google）称目前仍是 private preview，更广泛的可用性将面向部分 Workspace Business 与 Enterprise 计划分阶段推出——这是第三方说法，以官方后续公布为准。

第三，"按任务选最合适的模型"听起来很美，但 Smart Routing 的判定标准、路由决策的可解释性、跨模型调用的成本归因，官方都没有展开。在成本真正可审计之前，多模型编排的"降本"承诺只能算营销主张。

最后，生态锁定风险真实存在。agent 的记忆、skills、工具注册表都沉淀在 Google Cloud 体系里；官方说"保持选择开放"，但开放的是模型选择，不是平台迁移。把全公司的 agent 身份和记忆图谱押注在单一云厂商身上，本身就是需要董事会级别讨论的决策。

[1] [6] [5]

给构建者与决策者的行动项

对构建者：第一，权限模型要按"agent 身份"重做——coworker agent 的邮箱和存储是真实攻击面，最小权限原则现在适用于非人类主体；第二，如果你在做内部工具，界面假设要更新：agent 可以在文档、邮件、聊天里原位干活，"打开一个 AI 应用"可能不再是用户旅程的起点；第三，MCP 连接器清单值得逐项评估，这是把现有系统接入 agent 平台成本最低的路径。

对决策者：第一，把"模型选型"预算的一部分转到"agent 治理"上——身份、审计、支出上限是比模型参数更紧迫的采购项；第二，要求厂商提供路由决策的可解释性报告，不要为黑箱的 Smart Routing 付费；第三，用小范围 pilot 验证"数小时至数天"的长任务可靠性，官方承诺的持久执行需要在你自己的业务数据上复测，而不是在发布会 keynote 里。

一句话总结：Google 这次发布的不是一个更强的模型，而是一套"agent 即员工"的企业操作系统雏形。模型会每几个月换一次，但身份、记忆、治理和路由这四件事，会留下来成为未来三年的基础设施议题。