Google Cloud 发布通用 Gemini agent 深度评测：把"代理"放在"模型"之前的企业级赌注

Sat, 10 Oct 2026 00:00:00 +0000

摘要

2026 年 10 月 8 日，Google Cloud 在自己的年度大会 Gemini at Work 2026 上发布了 Gemini agent，官方定位是"一个通用的工作代理（a universal agent for work）"。与过去两年的"聊天型助手"不同，这次的重点不是模型又强了多少，而是工作流的入口被重新定义了：用户交给它的不再是逐步指令，而是一个目标——它自己去规划、调用技能与工具、连接企业系统，最后在 Gmail、Docs、Slack、终端等你原本就在用的环境里交付一个成品。更耐人寻味的是，它在底层同时路由到 Google 自家的 Gemini 和竞品 Anthropic 的 Claude 模型。本文从架构、能力、治理与竞争四个层面，评测这次发布真正的看点：Google 把"代理"和"模型"解耦了。

事件背景

过去一年，“AI 代理（AI Agent）“从演示概念快速变成了大厂的必争之地。OpenAI 在 DevDay 上推出了面向 ChatGPT 用户的 “Dots” 助手，Meta 则靠个人助理 Muse 拿下了数百万下载量，Anthropic 用 Claude Cowork 把"把任务交给 AI 做完"做成了产品。企业侧的摩擦点也随之暴露：代理数量增长的速度，远远快于企业给它们建立治理和权限的速度——每个部门各自接入不同的工具、不同的模型、不同的记忆，最后变成一地碎片。

Google 的处境略有不同。它在前沿模型竞赛里并不总占上风，但在工作场所分发渠道上拥有近乎垄断的位置：Gmail、Docs、Sheets、Drive、Calendar 覆盖了海量企业和个人用户。2025 年 10 月，Google 曾把 Gemini Enterprise 定位为"企业 AI 的正门”，按每席位每月 30 美元售卖，但那时用户仍要自己"掌舵”。一年之后，Google 端出的 Gemini agent，是把那个"正门"后面的一切——记忆、编排、权限、成本——重新做了一遍。

Google 官方披露的数据也支撑了它的底气：近 80% 的 Google Cloud 客户已经在使用其 AI 产品，近 90% 的财富 100 强企业在使用 Gemini Enterprise，并且过去一年里有近 500 家企业客户各自处理了超过 1 万亿 Token。

核心技术解析

技术架构

Gemini agent 的架构可以概括为"单入口、云执行、多模型、可治理“四条主线。

统一入口与 API：用户可以在同一个界面里聊天、委托自主目标、安排后台任务、生成并运行代码，不必在互不相连的应用之间来回切换。
无处不在地运行（headless）：它覆盖 Web、iOS、Android、macOS、Windows，也能直接进入开发者命令行，集成 Google Workspace、Microsoft 365 与 Slack，甚至以"无头"方式藏在第三方企业工具背后运行。
云端执行 + 持续记忆：整个代理运行在云上，拥有跨端共享的记忆库与个性化图谱。用户可以启动一个要跑数小时甚至数天的任务，关掉电脑，回来直接拿交付物，而不需要重新交代背景。
多层记忆：系统维护四种记忆——会话记忆（正在进行的任务）、语义记忆（企业内部文档）、过程记忆（可复用的工作流）、情景记忆（历史交互）。

下面的流程图展示了它从"目标"到"交付"的执行闭环：

  graph TD
    A[用户输入一个目标] --> B[云端代理规划任务]
    B --> C{多模型路由}
    C -->|日常/成本优先| D[Gemini 模型]
    C -->|复杂推理| E[Anthropic Claude 模型]
    D --> F[调用技能与工具]
    E --> F
    F --> G[连接企业系统 Gmail/Docs/Slack]
    G --> H[派生临时子代理并并行执行]
    H --> I{任务完成?}
    I -->|否| B
    I -->|是| J[在用户工作环境内交付成品]

关键创新点

1. 把代理与模型解耦（最重要的变化）。 Gemini agent 在底层把用户体验与基础模型分离开来，动态把每个任务路由到最划算、最准确的引擎。今天它同时调用 Google 自家的 Gemini 系列与 Anthropic 的 Claude 模型，并承诺后续支持 OpenAI 与开源权重模型。对一个卖模型的云厂商来说，在自家代理里跑竞品模型，是一个相当清晰的表态：谁掌握代理入口，谁就掌握模型的议价权。

2. “同事代理”（coworker agents）拥有独立身份。 除了临时子代理，企业还能创建常驻的同事代理，它们会出现在公司目录中，拥有自己的邮箱地址（如 @agents.company.com）、独立云存储、日历和角色边界。团队成员可以在 Chat 里 @ 它，或在文档评论里把它拉进来，让它以自身身份提出修改建议而不暴露更广的个人文件。

3. 深度 Workspace 集成。 代理直接嵌入 Gmail、Drive、Docs、Slides、Sheets、Chat、Calendar，并提供三种工作模式：个人助理（据日程与团队关系自动协调）、主动委托（识别邮件里的任务，给出"一键委托”）、团队同事代理。

4. 面向企业的治理与成本控制。 Google 为每个代理提供加密可验证的身份、基于角色的细粒度权限、可追溯到代理的审计日志；任务在带独立网络边界的 Agent Sandbox 中执行；Agent Gateway 对进出代理及代理之间的所有流量强制策略。成本方面提供智能模型路由与按项目设定的实时支出上限。

5. 行业专用化。 首发面向金融服务与法律两个行业的专用技能与连接器，均处于预览阶段。

性能评测与可用性

Gemini agent 目前处于私有预览，Google 预计在 2026 年 10 月底正式可用（GA），首发地区为北美。它包含在 Gemini Enterprise 之内、不额外收费（在已开放 Gemini Enterprise 的地区）。需要强调的是：Google 披露的落地案例（如某运动服饰品牌用多代理架构在数周内把 24 个关键服务迁到 Google Cloud、Cooley 律所的诉讼代理、Orange Spain 计划部署 1000+ 定制代理等）多为客户自述场景，尚缺乏第三方独立基准，实际稳定性仍需观望。

行业影响

对市场的影响

这次发布把企业代理的竞争推向了"单代理 vs 代理泛滥“的分岔口。过去一年，企业内部的代理越接越多，治理却跟不上；Gemini agent 试图用"一个代理、一个 API、一份记忆、一套控制"来收拢这种碎片化。对 Microsoft（Copilot）、Salesforce（Agentforce）、OpenAI 与 Anthropic 而言，这是一个直接的入口之争——谁成为员工每天第一个打开的工作面板，谁就掌握了分发。

对开发者的意义

对开发者来说，最现实的变化是”代理作为一等公民"：代理有身份、有邮箱、有存储、有权限边界，意味着它可以被纳入现有的 IAM/审计体系，而不是一个游离在外的脚本。同时，多模型路由把"选模型"这件事从开发者转向平台，短期能省成本，长期也可能让团队对底层模型失去掌控感——这是需要权衡的。

商业化前景

Google 的牌面很清晰：用分发渠道（Workspace）换企业 AI 的默认位，用代理入口锁定模型议价权。不额外收费、包含在 Gemini Enterprise 内的做法，会显著降低企业的采用门槛。但"同事代理按席位定价"这一模式，也可能冲击传统的按人头收费的 SaaS 定价体系——当一个 AI 同事能顶替部分岗位时，按席位计费的天花板就会显形。

实际体验

使用场景演示

设想一个典型的企业场景：市场同事在 Gmail 里收到老板一句"周四前给我一份 Q3 复盘"。过去，他需要手动整理数据、翻找历史邮件、拼 PPT。现在，Workspace 智能会在邮件里给出"一键委托"，代理据此：

识别任务与会话背景，拉取相关的 Sheets 数据与历史邮件；
派生几个临时子代理，分别负责取数、写文案、生成图表；
在 Slides 里产出初稿，并在 Docs 中留存过程记录；
交付前把初稿发回给用户确认，全程无需重新交代背景。

这类"目标委托 + 后台跑数天 + 关电脑也能拿交付"的体验，正是 Gemini agent 想强化的差异点。

优势与不足

优势：

分发优势无可比拟：直接长在 Gmail/Docs/Slack 里，几乎零迁移成本；
模型中立：同时路由 Gemini 与 Claude，成本与能力可灵活权衡；
企业级治理完备：代理身份、沙箱、网关联、审计、支出上限一应俱全；
持续记忆 + 独立"同事"身份：更接近真实同事协作形态；
不额外收费：降低采用门槛。

不足：

仍处私有预览，GA 时间表在月底，稳定性与真实并发能力未知；
强依赖竞品协作：“同时跑 Claude/OpenAI"能否长期维持，取决于商业关系；
定价模型存疑：当代理替代部分人力时，按席位收费的可持续性会被质疑；
合规与隐私边界：代理拥有邮箱与文件访问权，权限误配的后果被放大。

总结与展望

Gemini agent 的意义，不在于某个单点功能，而在于 Google 明确表态：在代理时代，“代理"比"模型"更重要。它用 Workspace 的分发优势，把企业 AI 的入口重新收拢到一个统一的、可治理的代理之下，同时用多模型路由把底层模型变成可替换的零件。

方向上，这会加速三件事：代理从"玩具"走向"可审计的员工”；模型竞争从"谁最聪明"转向"谁最会被调度”；以及企业软件定价从"按人头"向"按结果/按用量"迁移。真正的胜负手，仍在于月底 GA 之后，它在真实企业负载下的可靠性与治理能力——以及竞品是否愿意继续"给对手的代理供模型"。

参考来源：

多智能体 on 有鱼智界 | 森林有鱼