Gemini Agent 发布：Google 把聊天机器人升级成「干完活再回来」的数字同事

10 月 8 日，Google Cloud 在年度 Gemini at Work 大会上押下其迄今最明确的一注 agent 化：那个数亿人熟悉的聊天机器人 Gemini，正如 CEO Thomas Kurian 所宣告的，变成「一个面向工作的通用智能体」。该产品面向企业客户开启私密预览（private preview），设计逻辑是接收目标而非分步指令——自行规划任务、挑选工具与模型、接入企业系统，最后把做完的成果放回员工本来就在用的文档、收件箱和开发环境里。

Kurian 在台上的表述很直白：「今天，Gemini 成为智能体。」他在官方博客中把它描述为工作基本单元的转变——你委派的是一个结果，而不是一张任务清单，然后回来验收成品。

一个智能体，六项原则

Google 围绕六项架构主张构建这次发布。Gemini Agent 是统一的：在聊天里回答问题的同一个系统，可以被指派目标、被排期执行任务，或被设定为响应事件触发。它是无处不在的：网页、iOS 和 Android 手机、Windows 与 Mac 桌面、命令行均可触达，也能嵌入企业已在运行的渠道——Google Workspace、Microsoft 365 和 Slack——甚至可以无界面（headless）运行。它还直接内嵌在 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar 里工作，且无论在哪都携带同一份记忆、技能与管控策略。

它的执行是持久的。Agent 运行在云端，在所有设备间维持同一套记忆、上下文和个性化图谱，因此耗时数小时乃至数天的工作在你合上笔记本后仍会继续，回来时成果还在。它也为多智能体编排而生：Gemini 可以动态拉起一组临时性、面向具体任务的子智能体——每个都有独立身份——并行或串行地跑长流程。它还能扮演「同事智能体」（coworker agent）：一个有固定角色、自带存储、拥有 @agents.company.com 邮箱的持久数字团队成员，且只能看到你与团队共享给它的上下文。

剩下两项原则，是 Google 认为企业最难拒绝的部分。其一是深度上下文：Agent 出厂即了解你公司的工具、数据和工作历史，并在每次交互中持续学习。其二是模型选择灵活性：智能体和底层模型是两个独立决策。目前 Gemini 会在 Google 自家模型家族与 Anthropic 的 Claude 之间编排调度，官方还承诺未来接入更多专有与开源模型。「最适合任务的模型不一定是最大的那个」——把模型和工作匹配起来，难任务提准确性，简单任务降成本。

给 CFO 的成本闸门

Google 为这次发布配了两项直指财务团队痛点（AI 试点烧穿云预算）的功能。Smart Routing（智能路由）为任务的每一步挑选合适的模型，而不是把所有请求锁死在一个模型上；实时项目级支出上限通过 Cloud Billing Console 管理，预算触顶时 Agent 会暂停，而不是继续跑下去。

治理即产品

整场发布中最「企业级」的部分是安全。每个 Gemini Agent 都在拥有独立网络边界的 Agent Sandbox 内执行任务；所有进出及智能体之间的流量都要经过 Agent Gateway——一个实时执行企业策略的 AI 网络防火墙。策略只需写一次（例如「智能体不得打开标记为『仅限知情』的文档」），就会应用到全公司每一个智能体。每个智能体还拥有经加密认证的独立身份，按「最小权限」原则像员工一样被治理，其身份会印在工作日志和为它执行代码的每一台虚拟机上。

撑腰的规模数据

Google 用采用数据为发布背书：近 80% 的 Google Cloud 客户已在使用其 AI 产品，《财富》100 强中近 90% 是 Gemini Enterprise 客户，过去一年近 500 家客户各自处理了超过一万亿 token。大会期间的报道给出的数字是：Gemini Enterprise 已有约 4200 家企业、800 万个付费席位。

早期试用者横跨多个行业。运动品牌 On 用动态模型选择能力加快上市速度；Shopify 为数百万商户混用多个前沿模型；PayPal 每周路由 1000 万次多模型请求；霍尼韦尔（Honeywell）把 Gemini 嵌入其 Forge 工业平台预测设备故障。公共部门方面，美国首席数字与人工智能办公室已把 Gemini Enterprise 交到约 300 万军职及文职人员手中，他们累计构建了超过 10 万个自定义智能体；亚利桑那州、密苏里州和纽约州立大学（SUNY）也是用户。

这意味着什么

这次发布补全了 Google 全年铺排的版图：5 月面向消费者的 Gemini Spark 智能体先行探路，企业版 Gemini Agent 则把同一理念对准了软件预算真正所在的地方。它还落在了一个骤然拥挤的星期里——Kore.ai 发布了智能体优化引擎 Autoloop，Meta 与 Sierra 则联合推介用于规范个人 AI 智能体商业交易的 Personal Agent Protocol——整个行业的重心正从模型本身移向模型之上的编排层。

Google 的赌注是：企业真正的痛点不是模型质量，而是碎片化；谁掌握了智能体与身份、数据、策略交汇的那一层，谁就成为数字职场操作系统。Gemini Agent 就是这个赌注的具象化。接下来值得盯三件事：私密预览何时转正式发布（GA）、正式定价如何、以及拥有自己邮箱的「同事智能体」多快会从演示走向组织架构图。