2026年的谷歌Cloud Next大会如期而至，云栈社区关注的焦点，落在了Google CEO Sundar Pichai放出的一组令人咋舌的数据上：谷歌内部75%的新代码，现在完全由AI生成，且经过工程师审核通过。
这个半年前还是50%的数字，以一种近乎激进的速度，宣告了软件开发模式的彻底变革。Pichai更是直言：我们已正式跨入Gemini智能体时代。
如果说75%的代码占比是软件层面的“脑力革命”，那本次大会的真正“重头戏”——第八代TPU的亮剑，就是谷歌在硬件算力上的“肌肉秀”。
这次，谷歌一改以往设计，首次将TPU明确地一分为二：TPU 8t专攻模型训练，TPU 8i则死磕推理。 这种全栈自研的思路，未尝不是对由英伟达GPU主导的通用生态的一种挑战。
第八代TPU：训练+推理双线出击
第十年的自研成果，是两款为Agent时代定制的芯片。在云计算的算力博弈中，谷歌正在寻求通过工作负载专属设计来开辟新战场。
这代TPU的诞生，训练+推理双线出击，直指英伟达腹地。
行业分析师甚至为此梳理了一张“硅谷两大阵营”的全景对比图，清晰勾勒出了英伟达“一枚芯片通吃所有”的通用护城河，与谷歌“将训练和推理拆分至不同芯片实现全栈协同”的策略路线。
TPU 8t：训练野兽
TPU 8t 在吞吐量和扩展性上进行了疯狂的「堆料」，可以将大语言模型的开发时间，从数月缩短至数周！它在每个Pod的计算性能，几乎是上一代Ironwood的近3倍。
单个TPU 8t Superpod可扩展至9600个芯片，提供高达121 ExaFlops的算力。通过全新的Virgo网络架构，搭配JAX和Pathways软件栈，它甚至能实现“百万级”TPU集群的近线性扩展。
更值得注意的是，谷歌还将其“有效算力时间”优化至97%以上，确保昂贵的算力不会白白浪费在系统故障或重启中。
TPU 8i：推理引擎
另一款TPU 8i，专为处理多个专业Agent之间复杂协同的迭代工作而设计。它可在单个Pod中连接1,152个TPU，实现巨大吞吐量和极低延迟。为彻底消除多Agent“排队等待”效应，这款芯片带来了四项关键创新：打破「内存墙」、扩展MoE模型、由Axion驱动的高效能以及消除延迟。
在拓扑结构上，TPU 8i采用分层的 Boardfly 设计，由全连接芯片构成基础块，向上扩展为全连接组，最后再全连接成一个Pod。
针对延迟极其敏感的推理场景，它重点突破了「内存墙」限制。TPU 8i配备288GB高带宽内存，以及3倍于前代的片上SRAM，足以让模型的工作集完全驻留。这使得它完美契合多Agent协同、复杂逻辑推理的需求，每美元性能提升了高达80%。
整体来看，第八代TPU全面整合了Axion Arm CPU，通过“芯片+主机+液冷+网络”的全栈垂直整合，实现了每瓦性能翻倍。
75%新代码由AI生成：工程师变身“指挥官”
芯片是物理底座，Pichai甩出的另一个数字，则彻底刷新了人们的认知。
去年秋天这个占比还是50%，如今暴涨至75%。虽然比起Anthropic宣称的100%还有些距离，但谷歌并不满足于“AI辅助写代码”。其内部已开始推行全自主的Agent工作流——工程师的角色不再是单纯的代码产出者，而是“指挥Agent军团”的人。
一个典型的内部案例是：一个非常复杂的代码迁移项目，由Agent与工程师协作完成的速度，是一年前纯人工模式的6倍。更有趣的是，Gemini Mac版应用的初始版本，就是用谷歌内部的Antigravity平台搭建的，从idea到原生Swift原型，仅用了几天。
然而，一片高歌猛进之下，谷歌内部也出现了一种新的“阶层分化”：能用Claude的人，和不能用Claude的人。受制于安全政策，多数谷歌员工严禁使用非自研工具，但DeepMind的部分员工却被“开绿灯”允许用Claude编程。
这一反常举动引发了内部调试：不少工程师私下承认，在部分编程任务上，Gemini的表现的确逊色于Claude。而此时，谷歌正将AI工具的日常应用与员工KPI深度挂勾，全力推进全员AI化。
Workspace Intelligence：打工人解放方案
在办公侧，谷歌正式发布了Workspace Intelligence，一个横跨Gmail、Docs、Sheets、Slides、Drive、Chat全线产品的AI“超级大脑”。
Chat成指挥中心：一句话调度全局
最亮眼的功能当属Ask Gemini in Chat。谷歌将Google Chat重新定义为“工作的统一命令行”。你无需在十个标签页间反复跳转，只需在Chat中用自然语言说出目标，Gemini就可跨应用在后台调度，直接把结果推送回来。
每天早上打开Chat，AI会为你播报今日要务、关键未读消息和待办事项；它还能帮你定位文件、生成文档和PPT。
办公全家桶全面赋能
在Excel的战场上，Gemini in Sheets 已能仅凭自然语言描述需求，从邮件、聊天、文件乃至网页抓取数据，端到端完成复杂电子表格的全自动构建。
在文档处理上，Gemini in Docs 不仅能写作，还能自动处理同事反馈并直接修改文档。更重磅的是，它支持基于业务数据生成信息图，并能在多张图片编辑中保持视觉统一。
至于让人头疼的幻灯片，Gemini in Slides 则利用上下文严格遵循模板和视觉风格，一次性生成完整、可编辑的PPT，将“做PPT”的痛苦指数砍掉了绝大多数。
此外，Gmail迎来了“AI收件箱”，能自动提炼邮件重点；Drive Projects则终结了“找文件”的噩梦，将知识库盘活。
| AI收件箱界面 |
Drive AI项目概览 |
 |
 |
Gemini企业级Agent平台与疯狂的增长曲线
大会公布的另一组数据同样展现了惊人的增长势能：Gemini Enterprise的付费月活季度环比增长40%，自有模型通过API每分钟处理的Token数已从上季度的100亿狂飙至160亿。近75%的Google Cloud客户，正在使用其AI产品驱动业务转型。
会上重磅亮相的Gemini Enterprise Agent Platform，本质上是一个管理成千上万Agent的“企业级任务控制中心”。这被视为Vertex AI的重大进化，提供了一整套构建、扩展、治理与优化AI Agent的方案。该平台集成了全球超过200个顶尖AI模型，并引入了Memory Bank，让Agent拥有持久化长效记忆，可跨越数天处理复杂工作流而不丢失上下文。
硅谷的牌桌上，底牌正被一张张摊开。OpenAI手握ChatGPT的亿级用户池向企业端渗透；Anthropic凭借Claude的代码能力蚕食开发者心智。而谷歌选择的是一条最重、最慢、却也大概率最难被复制的一条路：从底层芯片到上层模型，从办公套件到Agent平台，全栈自研，垂直整合。这场由人工智能驱动的全栈竞速，其实才刚刚开始。
参考资料：
发表于 1 小时前
|
查看: 2|
回复: 0
