☁️ 📢以下是来自 Cloud Next 大会的核心新闻，包括第八代张量处理单元（TPU），以及我们如何帮助组织构建、使用和扩展智能体。 💻自去年云技术大会以来
- 序号：076
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
☁️
📢以下是来自 Cloud Next 大会的核心新闻，包括第八代张量处理单元（TPU），以及我们如何帮助组织构建、使用和扩展智能体。 💻自去年云技术大会以来，技术变革的步伐前所未有地加快，谷歌云也展现出强劲的发展势头。 📊我们的自研模型目前通过客户直接调用 API，每分钟处理的令牌量已超过，而上季度为 1000 亿个。 💡为支持并推动这一增长，预计在 2026 年，我们整体机器学习计算投入中将有略超一半用于云业务，以惠及我们的云客户与合作伙伴。 🔍您可以在本次云技术大会上详细了解我们所取得的进展，以及我们正在宣布的广泛合作伙伴关系与创新成果。 💡我想重点强调四个关键领域。 🤖 📢去年秋季，我们推出了 Gemini Enterprise，这是专为代理式时代打造的全流程系统 —— 它是连接您的数据、人员与目标的纽带。 📈其发展势头强劲：第一季度，付费月活跃用户数环比增长了。 💬透过这一快速增长，我们看到每个组织中的每位员工都能成为构建者。这是一次非凡的变革，但也伴随着复杂性。讨论焦点已从 “我们能否构建一个智能体？” 转变为 “我们如何管理成千上万个智能体？” 📌这就是我们推出全新 Gemini 企业智能体平台的原因。它提供了安全、全栈的连接纽带，让您能够自信地构建、扩展、治理和优化您的智能体 —— 堪称企业级智能体的任务控制中心。 🔒 ⚠️尽管人工智能可能增加安全风险，但我们的云客户如今可以借助人工智能来保护其组织。 📢今天我们发布了一系列用于威胁检测的全新智能体解决方案，作为由人工智能驱动的网络安全平台的一部分；该平台融合了谷歌的威胁情报与安全运营能力，以及 Wiz 的云与人工智能安全平台。 📌此外，我们推出了 Wiz 全新的人工智能应用保护平台（AI-APP），可在多云、混合及人工智能环境中，提供从代码到云端再到运行时的自主防护。 🧠 📢在 AI 智能体时代，基础设施需要不断演进，以应对最具挑战性的 AI 工作负载。今年，我们推出了采用双芯片方案的第八代张量处理单元（TPU）： ⚙️TPU 8t：专为训练优化，单个超级舱（superpod）可扩展至 9600 个 TPU 和 2PB 的共享高带宽内存。其处理能力达到 Ironwood 的三倍，每瓦性能提升高达两倍。 ⚙️TPU 8i：专为推理优化，单个舱（pod）可连接 1152 个 TPU，通过片上 SRAM 容量提升三倍，大幅降低延迟，从而以经济高效的方式提供运行数百万智能体所需的巨大吞吐量和低延迟。 📌我们将把这些产品作为计算处理器选型的核心部分提供给云客户，同时搭配丰富的 NVIDIA GPU 实例组合。详情请参阅我们的博客文章。 🚀 📌为了成为最佳合作伙伴，我们始终致力于成为自身技术的 “零号客户”。这有助于我们构想、测试、构建并扩展最适合云客户的谷歌技术，满足当下与未来的需求。我们的数据库服务 Bigtable（支撑着众多谷歌服务）以及 TPU 在训练和驱动我们的 Gemini 模型方面（支撑着至关重要的作用）就是绝佳例证。 📌以下是更多近期案例： 💻首先，是编码： 我们内部使用人工智能生成代码已有一段时间。如今，谷歌，而去年秋季这一比例仅为 50%。 我们现在正转向真正的智能体工作流。我们的工程师正在协调完全自主的数字任务小组，部署智能体并完成令人惊叹的成果。 最近，一项由智能体与工程师协作完成的特别复杂的代码迁移任务，其完成速度是一年前仅靠工程师单独工作时所能达到的。 随着我们最近推出适用于 MacOS 的 Gemini 应用，团队利用我们的智能体原生平台 Antigravity，构建了初始版本，仅用几天时间便从创意转化为原生 Swift 应用原型。 🔒第二，安全： 我们长期以来在安全领域引领行业。如今，我们的安全运营中心代理每月自动分类数万份非结构化威胁报告，将威胁缓解时间缩短了。此外，我们还构建并积极使用基于 Gemini 的 AI 代理（如 CodeMender），以发现并修复关键软件漏洞。 ⚙️第三，是我们的运营： 在推出适用于 Chrome 的 Gemini 时，我们的营销团队利用自有模型快速生成了数千种创意素材变体，而这一过程以往需要数周时间。借助 AI，我们将内容周转度提升了，转化率提高了，从而更快、更有效地推向市场。 🎉祝贺我们的 Google Cloud 团队，并衷心感谢与我们共同构建未来的合作伙伴。我们将在 5 月 19 日的 Google I/O 大会上分享更多关于我们如何将最新技术带给每个人的进展。
总体总结
主题正文
- 📢以下是来自 Cloud Next 大会的核心新闻，包括第八代张量处理单元（TPU），以及我们如何帮助组织构建、使用和扩展智能体。
- 💡为支持并推动这一增长，预计在 2026 年，我们整体机器学习计算投入中将有略超一半用于云业务，以惠及我们的云客户与合作伙伴。
- ⚠️尽管人工智能可能增加安全风险，但我们的云客户如今可以借助人工智能来保护其组织。
- ⚙️TPU 8t：专为训练优化，单个超级舱（superpod）可扩展至 9600 个 TPU 和 2PB 的共享高带宽内存。
- ⚙️TPU 8i：专为推理优化，单个舱（pod）可连接 1152 个 TPU，通过片上 SRAM 容量提升三倍，大幅降低延迟，从而以经济高效的方式提供运行数百万智能体所需的巨大吞吐量和低延迟。
- 📌我们将把这些产品作为计算处理器选型的核心部分提供给云客户，同时搭配丰富的 NVIDIA GPU 实例组合。
- 我们的数据库服务 Bigtable（支撑着众多谷歌服务）以及 TPU 在训练和驱动我们的 Gemini 模型方面（支撑着至关重要的作用）就是绝佳例证。
- 随着我们最近推出适用于 MacOS 的 Gemini 应用，团队利用我们的智能体原生平台 Antigravity，构建了初始版本，仅用几天时间便从创意转化为原生 Swift 应用原型。