Alphabet 正在重新确立自己在企业级 AI 竞赛中的位置，发布了 Gemini Enterprise——一个旨在直接接入企业数据和工作流的对话平台。这次发布正好落在 Microsoft 围攻的目标上，此前一年 Copilot 在 Office 和 Azure 上势头强劲。发布后 Alphabet 股价变化不大，而企业软件同行则持平。CEO Thomas Kurian 将该产品描述为工作场所 AI 的新前门，试图将 agent、搜索和编排统一到一个员工可见的控制面板中。
Gemini Enterprise 围绕 Google 最先进的模型和为深度研究、数据洞察与任务自动化预构建的 agents 构建。宣传点是简单性：员工提问，Gemini 回答，从公司系统和文档中提取信息，并提供护栏和可审计性。公司表示客户可以定制 agents 或构建新 agents，同时利用合作伙伴生态提供行业特定的工作流。这是 Google 将一个已经在许多公司内部非正式出现的模式正式化——团队将聊天机器人与内部数据库混合使用。现在的区别在于规模化的标准化和 Google Cloud 内的安全保证。押注在于一个中心化的 AI 界面可以减少情景切换、加速分析并缩短从问题到决策的距离。
竞争目标很明显：Microsoft 365 和 Copilot 在 2024 年为企业 AI 采用设定了节奏，得益于与电子邮件、文档和 Teams 的紧密集成。Google 的反制方案是更广泛的连接层，覆盖 Workspace 之外，延伸到 Microsoft 365、Salesforce CRM 和 SAP。如果集成如承诺般工作，Gemini agents 将跨这些平台查询并使用具权限感知的数据返回有依据的响应。这是与早期生活在孤岛中、并在陈旧上下文中产生幻觉的生成式工具的关键区别。对于 CIO 来说，问题在于 Google 能否匹配 Microsoft 的分发优势和既有根基，或者多云、多应用的方法是否能使 Gemini 作为中立的编排者获得优势。
AI 工具的有用性取决于它们能合法且安全访问的数据。Google 强调与 Workspace、第三方套件和业务线应用的连接器，以确保响应既相关又有理可依。这内置了文档来源链、基于角色的访问控制和审计日志，是合规团队在大规模部署前会审查的功能。这也解释了第一代试点为何停滞：如果 agents 不能同时访问 CRM 记录、ERP 数据和邮件线程，就会错过高管实际需要的上下文。通过将 Gemini Enterprise 定位为能够在异构栈中追踪正确记录的系统，Google 销售的是速度和准确性，而非新奇。这就是将演示转化为仪表板的方式。如果连接器脆弱，采用将滞后；如果它们稳健且快速，则每席位使用率上升，追加销售机会也随之增加。
Google 指定 Gap GPS、Figma 和 Klarna 为早期采用者。该组合是有意为之：零售、设计和金融科技为安全性、延迟和数据复杂性提供不同的压力测试。对零售商而言，直接吸引点是需求预测、供应商沟通与门店运营知识检索。对设计平台而言，是研究综合与支持自动化。对支付公司而言，是风险分流与运营。这些是可控的、高投资回报率的用例，如果第一次成功迅速落地，可以在各部门扩展。更广泛的策略是渠道杠杆。Google 将依赖咨询合作伙伴和独立软件供应商来打包垂直 agent，插入现有工具。预计将与系统集成商进行联合销售，并强调以数周而非数季度衡量的价值证明。实现价值的速度是摆脱试点地狱的唯一解药，而当 MSFT 已占据默认桌面时，Google 无法承受缓慢的推进。
在今年 Gemini 的高调失误之后，企业买家将比模型表现更严苛地审视治理。Google 的回应包括内容控制、数据驻留选项以及对提示和输出处理方式的透明度。承诺是：客户数据保持在租户边界内，模型性能得到监控，敏感内容被过滤。这些控制必须既真实又便于管理员操作。如果合规团队需要一本剧本来解释 agent 的答案——并能一键撤销其访问权——Gemini 就能摆脱声誉阴影。否则，采购将放缓到爬行速度。这也是 Google 所称能够将响应基于权威企业来源作为依据的重要性所在。一个正确且引用了来源的答案比聪明的一句妙语更有价值。信任成为产品特性，而非脚注，并将决定续约率。
商业模型依赖两大杠杆：按席位附加到 Workspace，以及与 API 调用和编排相关的使用量计费。Google 必须将 Gemini Enterprise 定价到足以反映生产力提升，但又不能高到让财务主管因 Copilot 已打包且熟悉而退回去。利润率是另一重张力。运行最先进的模型成本高昂。通过编排为任务选择合适的模型——在必要时使用大型模型，例行任务使用更小或蒸馏模型——可以在保持质量的同时保护毛利率。这就是 agent 平台背后的逻辑：更多路由，减少暴力计算。如果 Google 能展示稳定的席位增长、每用户使用量上升以及稳定的服务成本，投资者会将其视为可持续的企业级 AI 收入流，而非一次性提振。
悲观情形很直接。Microsoft MSFT 拥有分发能力、既有地位以及将在知识工作者日常流程中嵌入 Copilot 习惯的一年领先优势。Salesforce CRM 和 SAP 在其套件中提供原生 AI，减少了对外部编排者的需求。而 Google 的品牌因早期模型失误受到冲击，令 CIO 更为谨慎。差异化必须体现在可衡量的结果上：更快的响应时间、更低的错误率、更广的系统覆盖以及实实在在的节省。执行同样重要。宣布集成是一回事，在多租户环境中以复杂权限大规模运行又是另一回事。如果试点在真实负载下崩溃，Gemini Enterprise 有被贴上“有前景但不具生产级别”的风险。反之亦然：如果早期客户扩大应用并发布量化收益的案例研究，采购情绪可以迅速转变。
三个信号将说明问题。第一，附着率：有多少 Workspace 客户采用 Gemini Enterprise，以及他们从几百名测试者扩展到数万席位的速度有多快。第二，跨栈深度：真实世界的证据表明 Gemini 能可靠地从 Microsoft 365、Salesforce 和 SAP 拉取数据，且没有安全事件或权限错乱。第三，单位经济学：有迹象表明 Google 正在使用模型路由和优化来支持在使用增长时仍保持健康利润率。关注大型客户在采购时间线和 ROI 上的评论，而不仅仅是演示。同样关注同行的反应。如果 Microsoft 加速 Copilot 的增强或更积极地打包，价格优势区间将缩小。目前，Alphabet 已经扎下了一个可信的旗帜：一个统一的、具有 agent 能力的层，旨在让企业 AI 更加不混乱、更有用。接下来的 180 天将显示这是一个产品基础还是又一次 AI 发布时刻。
