十月八日，Google Cloud 在年度活动上甩出一个东西：Gemini 智能体。它不是又一个聊天框，而是一层通用工作智能体。你给它目标，它自己拆任务、调模型、跨应用把活干完，然后回来交差。
最反直觉的一点：它能关掉笔记本继续干。这个智能体常驻云端，跨设备共享一套记忆和个性化图，任务跑了几个小时甚至几天都不中断。它还能量身造同事智能体，给它们自己的企业邮箱、独立存储和办公账号，让人工智能以员工身份出现在组织里，而不是挂在你账户下。
底层是个编排层，不是单一模型。简单活走轻量模型，长程重活走高端模型，今天已经能调对手的 Claude，后续还会接更多私有和开源模型。成本上有智能路由和实时预算上限，超支就自动暂停。治理也更像企业级：加密签名的智能体身份、逐条操作审计、一道叫智能体网关的网络安全防火墙。
工具注册表里挂着客户关系管理、工单系统、代码平台、数据仓库、办公套件，以及任意协议服务器。已经有客户在用：某运动品牌测了动态模型选择，某电商平台给数百万商家混用前沿模型，某支付公司每周跑一千万次多模型请求，某巴西银行把文档审查从一小时压到五分钟，某西班牙电信部署了一千多个自定义智能体。
负责人顺手亮了肌肉：近九成财富百强在用这套企业方案，近五百家云客户过去一年各处理了超一万亿 token。这背后的算盘很清楚，谷歌砸了上千亿美元建人工智能基建，现在急需用高利润企业合同把这笔账填平。
但别被一个入口搞定所有冲昏头。它现在还是内部预览，多数功能没公布定价和普遍可用时间。把整个公司的流程交给一个常驻云端的智能体，权限边界、审计粒度、出错的归责，这些都是真问题，不是演示视频能覆盖的。
更值得玩味的是商业细节。谷歌代表透露，同事智能体虽然有自己的办公账号，但并不会按每座位收费，定价会靠近正式可用时再公布。这意味着成本模型从卖座位转向卖活动量，一旦跑顺，企业部署同事智能体的门槛会大幅降低，但账怎么算、超量怎么计费，反而更模糊了。
把视野拉到竞争格局会更有意思。微软和对手也在做类似的智能体入口，但谷歌的打法最激进：直接把办公套件、邮箱、代码平台全部收编进一个常驻智能体。好处是用户少切工具，坏处是所有流程的命脉捏在一条编排链上。一旦这家公司的服务出故障，或者计费规则突变，受影响的是你整个办公室的运转，而不只是一个插件。对企业来说，便利和单点依赖是一枚硬币的两面，采购前得把退出方案想清楚。
还有一层很少有人提：数据主权。这家的智能体配了能直接查竞争对手云存储的数据层，跨云查询还不收变动出网费。听起来省心，实则是把数据流动的路彻底铺到了它的编排层之下。对企业来说，这意味着你的数据不再只是存在某家云上，而是被一个智能体在多家云之间来回调度。合规团队迟早要回答一个问题：当智能体替你跨云搬数据时，责任边界到底划在谁身上。便利的另一面，是审计面被悄悄放大了。
最该警惕的其实是单点失效。当一家公司的编排层同时管着你的邮件、文档、代码和第三方系统，它一旦出问题，拖累的是你全部的知识工作，而不是某一个功能。更麻烦的是责任界定，智能体替你跨应用做事，出错时很难说清是模型的问题、连接器的问题，还是你授权范围的问题。所以企业采购这类全量智能体之前，务必先想清楚退出方案和最小授权原则，别等出了生产事故才补课。便利很诱人，但把命脉交出去之前，绳子要攥在自己手里。
还有一个细节容易被忽略：无头运行。这个智能体可以不带界面，直接嵌进你自己的应用里默默干活。对开发者是好事，对管理者却是盲区，因为你看不到它在哪一步、用了什么数据。所以接入时最好要求它每一步都留痕，把操作日志接进你自己的审计系统。看不见的助手最方便，也最危险，把它关进可观测的笼子里，才敢长期用。
这场巨头之间的贴身肉搏，对普通买家其实是好事。竞争越狠，入口越便宜、能力越全。别急着站队，先把几家都试一遍，谁在你的真实流程里更顺手，就用谁。
跟你有啥关系：如果你在带团队、管知识工作，谷歌这个方向值得盯，给目标而不是给步骤会从演示变成日常。但首批别急着全量切，先用一个低风险流程试水，把权限和审计先跑顺，再看要不要把更多业务交给它。