2026年4月19日至25日，我在美国拉斯维加斯进行了采访，参加了Adobe面向数字营销业务的“Adobe Summit 2026”以及Google云基础设施部门举办的“Google Cloud Next 2026”两大活动。
这两个活动我已长期关注。虽然都以企业客户为主，但业务形态和客户群体各异，深入采访后收获颇丰。
近年来，两者的关键词高度重合——即“AI代理”的应用。
从个人用户到企业，几乎所有IT相关企业都围绕AI代理展开业务。AI代理已不再是“未来概念”，而是逐渐成为日常使用的工具。对于提供云基础设施和服务的企业来说，AI代理已成为紧迫且必不可少的课题。
不过，AI代理的定义仍较模糊，许多人可能尚未完全理解其内涵。
本文将结合两场活动的采访内容，重新探讨“AI代理前提时代”的意义。
TikTok内容寿命仅10秒，内容快速过时引发对人工管理的质疑
首先，AI代理的本质是什么？
以下图片来自Adobe Summit的主题演讲。
过去，我们处理工作往往是逐项完成，即使同时处理多项任务，也因人力有限而需分步进行。
而在AI代理时代，工作将真正实现“并行”。人类通过自然语言等方式下达指令，多个AI代理自主执行任务，从而大幅提升工作效率。
这需要强大的AI推理环境和针对不同任务的AI代理开发。
换句话说，社会对这种多任务、多代理协作的需求日益增长，人们需要管理众多任务以达成目标。
我们的工作方式亟需改进，减轻负担。虽然有人担忧AI会取代人力，但相关方公开表达的理由并非如此。
例如，以下数据展示了不同内容平台的内容寿命半衰期。
半衰期指的是内容获得一半总反应所需的时间。YouTube视频约10天，X（前Twitter）帖子49分钟，而TikTok仅10秒。
这反映了内容和话题消费速度的极大加快。
Adobe认为，营销内容需求增长的同时，也引发了“是否能由人类全面管理”的疑问。
AI助力品牌价值维护的新阶段
此次活动重点强调了AI在维护品牌价值方面的作用。
虽然AI量产内容的讨论已久，但若广告素材质量下降则毫无意义。此前多依赖AI的持续学习来控制质量，但管理仍是难题。
人工目视检查品牌身份维护既复杂又易出错，失败可能损害品牌价值。
通常企业会制定品牌价值指南文档并内部共享，现阶段AI也会读取这些文档作为内容生成规则。
但品牌指南会随产品和推广变化不断更新。
Adobe此次推出了“Adobe Brand Intelligence”服务，AI代理可学习品牌价值并自主管理。
AI代理不仅检查设计，还能确认文案合规性和适当性，甚至指导内容结构和素材使用。
该服务通过实时学习人类审核的反馈，持续更新品牌语境，使品牌指南成为企业活的指导方针。
理想状态下，人类可专注于品牌判断和创意工作。
未来还将实现营销预测，设定目标客户模型，预测其反应和活动效果。
Adobe将其数字营销管理工具整体更名为“Adobe CX Enterprise”，品牌维护只是其中一环，但体现了人机协作的趋势。
投资规模4年增长6倍，竞争对手已超传统云巨头
Google Cloud正是支撑AI代理的关键力量。
CEO托马斯·克里安表示：“一年前我们承诺AI新未来，如今这一未来正以前所未有的规模成为现实。”
整个行业对AI的投资持续扩大，Google也不例外。
Google CEO桑达尔·皮查伊在视频致辞中透露：
“2022年资本支出为310亿美元，预计今年将增至1750亿至1850亿美元，四年内增长约6倍。”
这并非单纯的AI泡沫，而是基于AI代理业务需求的实际扩张。
皮查伊还指出，目前Google新开发软件中75%由AI生成，且经过人工审核，较半年前增长50%，这一趋势短期内难以逆转。
Google Cloud日本代表三上智子在采访中表示：
“虽然外界常说这是大型云服务商之间的竞争，但现阶段已不同以往。AI使竞争格局扩大，竞争边界发生了根本变化。”
传统上，云基础设施市场由三大巨头主导，凭借全球庞大基础设施和投资支持激烈竞争。
但未来围绕AI代理的竞争将引入OpenAI等新兴企业，竞争对手数量将持续增加。
Google Cloud已与拥有Claude模型的Anthropic合作并追加投资，积极布局AI代理时代的基础设施。
仅靠处理器无法构建完整基础设施
Google Cloud优势在于整合基础设施、处理器和软件解决方案。今年更新了自研AI处理器“TPU”，推出“TPU 8”系列。
Google Cloud持续在数据中心使用TPU。
产品管理总监Leo Leung表示：“不仅制造硬件，更重要的是软件和生态系统的成熟，提供客户易用的整体解决方案才是真正的差异化。”
例如，TPU多个世代并存，根据用途灵活使用，提升投资效率。通过Kubernetes等编排层，实现自动将工作负载分配到不同芯片，包括备用实例和GPU，保证灵活高效运作。旧世代芯片依然保持高需求和利用率。
此外，Google Cloud还配备NVIDIA最新GPU和以CPU为核心的基础设施。
“CPU、GPU、TPU的合理组合不可或缺。TPU效率高，GPU生态成熟，适合图形等TPU不擅长的任务。客户根据工作负载灵活选择，比如训练用TPU，推理用GPU。随着物理AI和AI代理等多样化工作负载增加，三者结合是最经济高效的方案。”
当然，Google Cloud并非唯一加大基础设施投资的企业，其他竞争者也在积极追赶。
但在AI竞争加速的背景下，仅靠采购GPU难以形成差异化，基于自身研究的独特投资策略尤为重要。
