Google 揭示新藍圖—從協作工具到「智能代理」,重塑產業成長方程式

Google 揭示新藍圖—從協作工具到「智能代理」,重塑產業成長方程式

在 Google 近期舉辦的「CTS | Gemini at Work Edition 2025」大會上,一系列產品發布的背後,揭示了一個更宏大的產業轉向。這不僅僅是關於更快的模型或更聰明的工具,而是一個根本性的典範轉移:我們正從單純「使用」AI,邁向一個 AI 作為自主協作「智能代理 (Agent)」的未來。正如 Google Cloud 的 Darren 所言,我們正處於 AI 革命「大爆炸的第一分鐘」,這場大會描繪的藍圖,預示著一個涵蓋新創生態、內容創作乃至未來數位經濟的全新時代即將來臨。

--------------------------------------------------------------------------------

1. 智能代理時代的黎明:AI 工作模式的典範轉移

本次大會的核心論述,無疑是「智能代理轉移 (agentic shift)」。這不僅是一次技術演進,更是人機協作模式的根本變革。Google 的策略十分清晰:將 AI 的角色從被動的指令執行者,提升為能夠理解意圖、自主規劃並執行複雜任務的主動合作夥伴。這意味著,無論是開發者、數據專家還是業務人員,其傳統工作流程都將被徹底顛覆。

下表分析了智能代理如何為不同專業人士賦能,將抽象概念轉化為具體的價值:

使用者角色 (User Persona)

關鍵技術與平台 (Key Technology & Platform)

核心價值與影響 (Core Value & Impact)

開發者 (Developer)

Firebase Studio 「代理式開發環境 (agentic development environment)<br>Gemini CLI

加速從概念到部署:開發者可透過自然語言描述應用概念,AI 代理便能自主生成架構、編寫程式碼並部署。這將開發流程從繁瑣的編碼工作,轉變為更高層次的創意指導與審核,徹底改變軟體創作的經濟學。

數據專家 (Data Professional)

BigQuery 中的「數據工程代理 (Data Engineering Agent)「數據科學代理 (Data Science Agent)

重塑數據價值鏈:數據工程代理旨在消除數據準備與管道建構中的手動苦工,讓工程師能從日常任務轉向高價值創新。數據科學代理則將從原始數據到生產級 AI 的完整旅程壓縮在單一介面中,消除了環境切換的摩擦,極大提升了模型開發的速度與效率。

業務使用者 (Business User)

Gemini Enterprise 中的「對話式分析代理 (Conversational Analytics Agent)及其「程式碼解釋器 (Code Interpreter)

普及化深度數據洞察:非技術背景的業務人員現在可以提出複雜的分析問題,例如「進行客戶分群分析,找出高價值群體」。代理會自主生成並執行 Python 程式碼,提供包含互動式圖表的完整分析報告,將數據驅動決策的能力賦予組織中的每一個人。

支撐這套代理願景的,是 Google 正在倡導的一項根本性架構轉變:整合即時的交易數據 (OLTP) 與歷史性的分析數據 (OLAP)。透過打破這兩者間的傳統壁壘,這個 AI 原生基礎設施為代理提供了完整、即時的業務全貌,使其能基於最新資訊進行推理與行動。

智能代理不僅徹底改變了個人工作流程,更在深層次上顛覆了新創公司的創立與擴展模式,催生出一套全新的商業劇本。

2. 重塑超速成長的新創劇本:AI 原生公司的崛起

AI 技術正催生一種全新的、高資本效率的「超速成長 (Hyperscale)」模式。正如 Excel Partners 合夥人 Priyank 所觀察到的,市場對頂尖 AI 新創公司的期望,已從傳統的年增長 3 倍躍升至驚人的 10 倍。這不僅是數字的變化,更代表著一種由 AI 驅動的、根本性的商業模式重塑。

案例研究:Lovable 的指數級增長

總部位於斯德哥爾摩的 Lovable,完美詮釋了這種新模式的潛力。

  • 驚人的增長指標
    • 4 週內達到 400 萬美元 ARR
    • 2 個月內達到 1000 萬美元 ARR
    • 8 個月後達到 1 億美元 ARR
  • 極致的資本效率:實現這一成就的團隊總人數僅約 70 人

Lovable 共同創辦人 Fabian 將其成功歸因於三大核心要素:專注於輸出品質 (quality of the output)速度 (speed)成本 (cost)。這一切的實現,都依賴於像 Google Cloud 和 Vertex AI 這樣穩定、可靠且易於擴展的技術基礎設施,讓團隊能專注於產品創新,而非底層架構的繁瑣工作。

AI 原生公司的成功法則

綜合 David Friedberg 與 Lynn (Fireworks)、Mikle (Replit) 及 Priyank (Excel) 的對話,當前 AI 原生公司的通用成功法則可歸納如下:

  1. 極致的迭代速度 (Unprecedented Iteration Speed):產品路線圖的規劃週期已從傳統的季度或年度,急劇縮短至 6 週到 3 個月。正如 Mikle 所言,新創公司必須緊跟基礎模型的發展步伐,以驚人的速度進行實驗和迭代。
  2. 重新定義護城河 (Redefining Business Moats):在 AI 時代,「產品市場契合度 (PMF) 不再等於可行的業務」。Lynn 指出,由於技術易於複製,早期優勢稍縱即逝。Priyank 提出了新的五大護城河理論:深刻的客戶洞察、獨有的數據、卓越的用戶體驗、創新的市場進入 (GTM) 策略,以及能夠快速響應客戶需求的前線部署工程師。這個新框架揭示了代理時代的一個關鍵真理:當核心 AI 技術日益商品化,最持久的護城河不再是技術本身,而是建立在深度客戶同理心、獨特數據反饋循環和敏捷的人本市場策略之上的關係壁壘。
  3. 產品導向增長 (Product-Led Growth, PLG) 的主導地位:Priyank 強調,具備 PLG 特質的公司正在獲得不成比例的市場關注和資本青睞。AI 工具的直觀性和易用性,使其天然適合透過用戶的自發使用和傳播來實現病毒式增長。

這套建立在空前資本效率上的超速成長劇本,必然要求在另一個傳統上成本高昂的領域——行銷與內容創作——進行相應的革命。當 AI 自動化了程式碼,價值創造的下一個前沿便是創造力的自動化,這將使生成式媒體從新奇玩具轉變為產品導向增長的核心引擎。

3. 創造力的普及化革命:從靜態圖像到動態故事

生成式媒體 (Generative Media) 正迅速從技術展示品,演變為關鍵的商業基礎設施。數據顯示,影片將很快佔據 80% 的網路流量,而行銷人員為了維持競爭力,需要生成比以往多出 10 倍以上的創意資產。在這種趨勢下,傳統昂貴且耗時的內容製作流程已難以為繼,企業對高效、規模化的創意工具需求極為迫切。

Google 在 Vertex AI 上提供了一套完整的生成式媒體模型,旨在解決企業面臨的 IP 風險、品質不佳和工具脫節等核心挑戰。

模型 (Model)

核心能力 (Core Capability)

戰略影響 (Strategic Impact)

Nano Banana<br>(Gemini 2.5/image preview)

在多次編輯和迭代中維持主體一致性 (sustain that subject),例如保持同一角色或品牌標識的視覺連續性。

解決了品牌應用中的核心痛點,使企業能夠規模化地生成和再利用具有一致品牌形象的創意資產,大幅提升行銷效率。

Veo 3.1

生成高保真、符合物理規律的寫實影片,並具備同步音訊與對白、風格遷移、物件移除和精細的攝影機運動控制能力。

展現了大幅降低製作成本的潛力,大會示例顯示一個完整的創意工作流程(從腳本到影片)成本可從數千美元降至僅數百美元,為企業快速製作高品質廣告和社群內容提供了可能。

Lyria & Chirp/Gemini TTS

創作免版稅的原創音樂和音效,並能生成富有情感、語氣自然的合成語音,甚至可以控制口音和情緒。

徹底解決了商業專案中尋找合適版權音樂和聘請專業配音員的成本與效率問題,讓音訊製作變得前所未有的簡單和經濟。

展示完整的創意工作流程

以印度史詩「摩訶婆羅多 (Mahabharata)」的影片創作為例,Google 展示了一個無縫整合的創意工作流程,證明這是一套完整的解決方案,而非零散的工具集合:

  1. 劇本與分鏡:使用 Gemini 輸入劇本,生成詳細的場景描述和分鏡腳本。
  2. 靜態視覺化:將場景描述輸入圖像生成模型 (Imagen/Nano Banana),創建出風格統一、高保真度的靜態故事板。
  3. 動態化故事:利用 Veo 的 image-to-video 功能,將靜態故事板圖像無縫轉換為生動的動態影片。
  4. 後期製作與本地化:運用 Veo 的插值 (interpolation) 技術生成流暢的過渡鏡頭,利用物件移除功能清理畫面,並透過口型同步的翻譯功能快速完成多語言本地化。
  5. 配樂與配音:整合 Lyria 創作的背景音樂和 Chirp/TTS 生成的角色配音,完成最終的音訊製作。

當這些強大的創造與營運代理開始普及,一個根本性的架構問題隨之浮現:它們將如何在一個開放的數位市場中互動、交易並建立信任?這直接導向了本次大會最具前瞻性的願景。

4. 下一個前沿:智能代理經濟的未來一瞥

儘管前幾章詳細描述了智能代理的崛起,一個關鍵問題卻懸而未決:這些自主實體將如何在一個安全、無需信任的環境中進行交易與協作?本次大會最具前瞻性的部分,便是提出將 Web3 作為未來「代理經濟」所缺失的金融與治理層。

定義與解析加密代理 (Crypto Agents)

基於 Adrien 的演講,「加密代理」的核心概念可以被清晰地闡述:

  • 定義:它是一個能夠直接在區塊鏈上執行任務的 AI 程式,具備持有資產和簽署交易的能力。
  • 兩種關鍵的私鑰管理模型
    • 交易建構者 (Transaction Crafter):在此模型中,使用者持有私鑰。代理僅負責根據用戶指令準備好交易數據,最後由用戶親自簽署。其優點是安全性與用戶控制權最大化,但缺點是非完全自主,仍需人工介入。
    • 完全自主代理 (Fully Autonomous Agent):在此模型中,代理自身持有私鑰,能夠獨立完成從規劃、簽署到發送交易的全過程。其優點是實現了真正的自動化,但權衡的是必須承擔更高的安全風險

描繪代理經濟的藍圖

這些加密代理並非孤立運作,它們將構成一個龐大的「代理經濟 (Agent Economy)」。

  • 核心理念:在這個經濟體中,代理可以僱用並支付費用給其他代理以完成專門任務,形成一個可組合的、去中心化的服務市場。
  • 協作流程示例:以「為 10 個 ETH 尋找最佳的 DeFi 收益策略」為例,一個無鑰的規劃者代理 (planner agent) 接收用戶指令後,會委派資金給一個自主代理 (autonomous agent),該自主代理再付費僱用一個專業的 DEX 聚合器代理 (specialized DEX aggregator agent) 來執行具體任務。

分析安全框架的重要性

在這個由代理控制資產的未來,安全性是基石。Adrien 提出了一套多層次的安全方法,以確保代理系統的穩健運行:

  1. 保護金鑰 (Protecting the Key):使用 KMS (金鑰管理服務) 或 MPC (多方計算) 等專業方案來管理私鑰。
  2. 保護大腦 (Protecting the Brain):使用 AI 防火牆(如 Google 的 Model Armor)來防止惡意的提示詞注入攻擊。
  3. 保護執行環境 (Protecting the Runtime):在可信執行環境 (TEE) 中運行代理程式,確保其運行過程的機密性和完整性。
  4. 限制損害 (Limiting the Damage):利用智慧合約設置護欄,例如設定每日支出上限或地址白名單,將潛在損失控制在最小範圍。

結論

從賦能個人工作流程的數據代理,到重塑商業模式的 AI 原生新創,再到普及化內容創作的生成式媒體,直至窺見未來代理經濟的雛形,「智能代理轉移」是貫穿本次 Google AI 大會的最強信號。Google 的路線圖表明,「智能代理轉移」不僅僅是關於新工具,更是要建構一個全新的、自主運作的數位經濟層。這不僅預示著一批新工具的誕生,更是一個涵蓋新創生態、內容創作乃至未來數位經濟結構的全新時代的開端。未來十年,決定性的問題將是:誰能打造出最值得信賴、能力最強、且在經濟上可行的數位勞動力?

--------------------------------------------------------------------------------

資料來源

  • CTS | Gemini at Work Edition 2025 | Day 2: AI Builders Forum Keynote
  • CTS | Gemini at Work Edition 2025 | Day 2: Creative AI: Bring Ideas to Life with Imagen, Veo & Chirp
  • CTS | Gemini at Work Edition 2025 | Day 2: Data Agents: The Next Frontier
  • CTS | Gemini at Work Edition 2025 | Day 2: From Prompt to Deployed Gen AI App with Firebase Studio
  • CTS | Gemini at Work Edition 2025 | Day 2: Host recap & break
  • CTS | Gemini at Work Edition 2025 | Day 2: Learning Pathways & close
  • CTS | Gemini at Work Edition 2025 | Day 2: The AI Launchpad with Vertex AI
  • CTS | Gemini at Work Edition 2025 | Day 2: The Future of Web3 x AI
  • CTS | Gemini at Work Edition 2025 | Day 2: The Generative Growth Engine:
  • CTS | Gemini at Work Edition 2025 | Day 2: The New Playbook for Scaling AI
  • CTS | Gemini at Work Edition 2025 | Day 2: Welcome and overview

Read more

AI浪潮下的組織再造:為何「首席生產力長」將是企業的下一個關鍵角色?

AI浪潮下的組織再造:為何「首席生產力長」將是企業的下一個關鍵角色?

近期,《華爾街日報》的報導揭示了一個令人不安的趨勢:大型企業正積極利用人工智慧(AI)處理過去由白領階級執行的任務。然而,這波裁員潮背後有著雙重因素:其一是企業對AI效率的積極擁抱,其二則是對疫情期間過度招聘所進行的一次「預期中的修正」。這股浪潮不僅衝擊了資深員工,也減少了職場新人的機會,在職場中引發了普遍的焦慮感。然而,在這份對未來的擔憂之下,一場更深刻、更具結構性的組織變革正在悄然醞釀。這場變革的核心問題不再是「哪些工作會被取代?」,而是「企業該如何重塑自身,以駕馭人與機器協作的新時代?」 1. 技術革命的核心:為何是「人事部門」站上第一線? 面對 AI 驅動的顛覆性變革,企業的焦點正意外地轉向一個傳統上被視為支援性部門的單位:人力資源部。在這場轉型的核心,人資長(Chief Human Resource Officer, CHRO)的角色正從功能性管理者,演變為企業存續的關鍵策略夥伴。 BCG 的顧問 Julia Dhar 引述其同事 Rishi Varma 的一個絕佳比喻,

By Wesley Tsai
Gemini 3 的「思維簽章」不只是技術升級:關於 AI 責任與信任,你該知道的 5 個驚人真相

Gemini 3 的「思維簽章」不只是技術升級:關於 AI 責任與信任,你該知道的 5 個驚人真相

「職場上需要人類背黑鍋,所以不用擔心 AI 會取代全人類。」這句流傳已久的笑話,或許道出了人類在自動化時代殘存的某種價值。然而,隨著 Google Gemini 3 的推出,其核心的「思維 (Thinking)」機制與「思維簽章 (Thought Signature)」功能,似乎正讓這個玩笑瀕臨失效。這是否意味著人類連背黑鍋的作用都沒有了?答案遠比想像中更複雜,也更發人深省。 1. AI 正式進入「慢思考」時代 諾貝爾獎得主 Daniel Kahneman 曾提出人類心智運作的雙系統理論:「系統 1 (快思)」依賴直覺與反射,而「系統 2 (慢思)」則進行審慎的邏輯推理。過去,所有大型語言模型都像是純粹的「系統 1」生物,其核心任務就是急著預測下一個字,完全憑藉訓練數據中的模式直覺反應。這導致我們必須設計各種複雜的提示詞工程

By Wesley Tsai
深度解析 Gemini 的「思考」引擎:從 Deep Think 到思維簽章的技術與市場變革

深度解析 Gemini 的「思考」引擎:從 Deep Think 到思維簽章的技術與市場變革

1. 導論:從「黑箱」到「可釋義」,AI 思維的下一個疆界 長期以來,大型語言模型 (LLM) 因其難以捉摸的「黑箱問題」而在企業應用中面臨著根本性的信任挑戰。決策者們不禁要問:AI 的建議是源於嚴謹的推導,還是僅僅是訓練數據中的巧合?這種不確定性使得銀行、醫院、律師事務所等高度重視合規與責任的機構,在全面擁抱生成式 AI 的道路上步履維艱。 諾貝爾經濟學獎得主 Daniel Kahneman 曾提出人類思維的「系統 1 (快思)」與「系統 2 (慢思)」理論。過去的 LLM 更像是依賴「系統 1 (快思)」進行快思考,憑藉直覺和模式匹配,條件反射般地預測下一個詞彙。開發者必須透過複雜的提示詞工程,如同教導孩童般,一步步引導模型進行邏輯推理。然而,隨著

By Wesley Tsai
他們不只交付程式碼,更交付「商業」成功:解密 AI 時代最搶手的前線部署工程師 (FDE)

他們不只交付程式碼,更交付「商業」成功:解密 AI 時代最搶手的前線部署工程師 (FDE)

試想一支特種部隊,他們不待在安逸的總部,而是直接空降到客戶所在的「前線戰場」。這不僅是個比喻,這個職位名稱的字源——「前方展開 (Forward Deployed)」——正來自軍事術語,反映了其在高風險、真實環境中作戰的本質。他們不僅攜帶總部最先進的技術平台,更重要的是,他們在塵土飛揚的真實環境中,與客戶並肩作戰,利用現場情報、克服未知障礙,最終達成關鍵的商業任務。這支精銳部隊,就是前線部署工程師 (Forward-Deployed Engineer, FDE)。 FDE並非傳統的軟體工程師或顧問,他們是深入客戶第一線,將頂尖技術實作與敏銳商業策略融為一體的複合型專家。他們不只交付程式碼,更交付商業成功。本文將為您揭開FDE的神秘面紗,深入解析他們的工作模式、核心價值,以及為何在AI浪潮席捲全球的今天,他們成為了科技業最不可或缺的關鍵角色。 1. FDE到底是什麼?不只是「懂技術的顧問」 如果說傳統的技術顧問是繪製作戰地圖的參謀,那麼FDE就是親赴前線、執行任務的特種部隊指揮官。他們的核心特質在於「動手實作」而非「紙上談兵」。FDE會直接進駐客戶的辦公室、工廠,親手編寫生產級別的

By Wesley Tsai