文 | 韩工观察

10 月 8 日，谷歌云在 Gemini at Work 2026 大会上发布 "Gemini agent"（据 Google Cloud 在 Gemini at Work 2026 的发布材料及官方文档）：用户给目标，它跨 Workspace 与第三方应用自己拆任务、选工具、编排子 Agent，长任务在云端跑上数天，中途只在花钱、发信、删数据这类节点找人确认，交回的是一套成品，而不是一段回答。

它还有全套 " 入职手续 " ——独立企业身份、邮箱、日历、预算上限、全程审计日志。目前该产品面向企业客户开放私有预览（private preview），尚未公布正式商用时间与定价（据 Google Cloud 发言人对媒体的确认及官方文档）。

市场很快把它读成 "AGI 逼近企业 "。这个读法，和当初把 Devin 读成 " 工程师失业 "、把新模型读成 " 通用智能已至 "，是同一种错法。要量出它的真实坐标，需要一把不在任何厂商资产负债表上的尺子。

一、先把事实钉死：谷歌发布的不是一个模型，是一套 " 入职系统 "

拆解这次发布，有三层。

执行层：目标委派的通用 Agent。谷歌云 CEO Thomas Kurian 在发布会上的原话是：" 你给它目标，而不是指令；你委派出一个结果，回来时拿到的是完成的工作。"（You give it objectives, not instructions. You delegate an outcome and come back to finished work.）它自主规划路径、调度工具，长任务跑数天，关键节点交人确认。

模型层：底座没有锁死。据 Google Cloud 官方文档，Gemini Enterprise Agent Platform 可通过 Model Garden 接入 Anthropic Claude 等第三方模型；ADK（Agent Development Kit）本身声明为 model-agnostic ——模型可以来自对手，但企业上下文、权限、流程与审计留在谷歌平台。这是云平台多模型接入能力，不是谷歌与 Anthropic 的专属绑定。

治理层，也是真正的新意：每个 Agent 有独立企业身份、全程审计日志和支出上限。按谷歌云的产品设计，Agent 的每一次操作像工资单交易一样留痕、可追溯。ADK 开源仓库（github.com/google/adk-python，Apache 2.0）中，Workflow Runtime、Tool Confirmation（HITL）等组件提供了这些治理能力的技术实现。

再配一组客户侧事实。据 Alphabet 2026 年二季度财报电话会披露，近 90% 的财富 100 强在使用 Gemini Enterprise ——注意，是使用 Gemini Enterprise 平台，不等于已采购本次发布的 Agent 编排能力。

巴黎银行与谷歌云 9 月 24 日的联合公告中，其企业与机构银行部门约 6.5 万名员工已部署基于 Gemini 的 LLM@CIB，双方规划了 Agent 场景——这是既有部署的规划，不等于新 Agent 已全面上线；DBS 等银行的 Agent 应用见于发布材料，属厂商披露案例，未经第三方独立审计（据 Alphabet 财报电话会、巴黎银行与谷歌云联合新闻稿、谷歌发布材料）。

方向是真的：企业买单的第一理由不是 " 它多聪明 "，而是 "它可控、可审、可追责"。

二、三把尺子量下来：宽了两圈，仍卡在第三步之前

此前我在《梁文锋为什么先修操场，而不是先卖门票》（钛媒体 9 月）中提出过一个分层框架：输入路径的是自动化；输入结果标准和过程标准、机器自己找路径的，是 Agent 的工作方式；而 " 迭代方向标准 " ——从过往任务沉淀教训、完成跨场景经验迁移、确定能力补强方向——目前它还做不到。

用这把尺子量 Gemini Agent，结论很明确。

需要先澄清一件事：这三层标准——结果、过程、迭代方向——全部由人设定。机器不会自己决定 " 什么样的分析算合格 "，也不会自己画出审批链。它只是在人给定的标准空间里，自主寻找达成目标的路径。

所谓 "Agent 自主 "，从来不是 "Agent 自定标准 "，而是 "Agent 在标准内自选路径 "。某些路径本身就是标准的一种：企业财务的审批流程、医院的诊疗路径、银行的放款节点——这些都是 " 过程标准 " 的具体实例。

所谓 " 路径派 " 与 " 标准派 " 并不对立，路径是标准的下层实现。这一点如果不先钉死，后面的讨论就会滑向 " 机器夺权 " 的伪命题。

结果标准，由人写好、机器执行：格式校验、数据溯源、工具调用质量这类硬指标，是人事先写进平台的规则，机器只做比对；但 " 这份分析业务上站不站得住 "、" 这版材料是否符合公司战略 "，机器只做初评，终验在人。这不是缺陷，是企业采购的默认前提。

过程标准，做得很重，且方式特殊。审批链、留痕、权限、预算上限，本质上是把企业的 " 刚性路径 " ——哪些节点必须人点头——写进底座；而怎么写材料、调什么工具、先做什么后做什么这些 " 柔性路径 "，则在人给定的过程边界内，由机器自选走法。

企业 Agent 的真实结构是这两层嵌套：刚性路径即流程性标准，机器不可逾越；柔性路径在标准空间内自由巡航。路径与标准不是两派，是同一个标准体系的上层框架与下层实现。

迭代方向标准，没有。它不会说 " 贵司验收标准太松，我重画一套 "，也不会把上个月被法务打回的教训，自主变成下个月的能力重构。

最能说明问题的是谷歌自己研究机构的论文。谷歌云 AI Research 等机构 9 月公开的 RRSI（正则化递归自我改进）研究，恰好记录了 " 机器改自己 " 时会发生什么：不加约束的 Agent 自我进化，在训练题上越改越聪明，换一批没见过的题就失灵——域外均分仅 40.3；加上 " 不许把题目答案写进提示、不许比历史最佳退步、涨一分不许烧更多算力 " 三道闸之后，域外均分升到 43.6，单次任务算力反而下降约 36%（据论文《RRSI: Regularized Recursive Self-Improvement of Agent Harnesses》，arXiv:2609.24972）。

类似的还有 Frontis.AI 团队的 Frontis-MA1：AI 改进 AI 的第一步，发生在机器学习工程这类有明确验证器的窄领域（据论文 arXiv:2607.28568，该研究非谷歌成果，文中仅作行业参照）。

连谷歌自己的研究都在承认：可落地的 " 自我改进 " 先发生在运行框架层（提示、工具、流程），被评价器和成本约束，被审计盯着。放到企业里，这意味着 RSI 如果真转起来，不会发生在总裁办公室，而会发生在工单、报表、测试用例这些验证器清晰的角落。

和 Devin 摆在一起，坐标更清楚：Devin 在编程这个标准最完备的行业，把 "人给标准、机器找路径 " 走到了 " 两步半" ——能在标准空间内自迭代，但未触达迭代方向；Gemini Agent 把这个结构搬进企业工作圈，圈大得多、治理件全得多，但 " 迭代方向 " 这第三把尺子，谁也没摸到。宽度不是学习深度，多工具不是多智慧，企业级不是 AGI 级。

三、回看四十年：不是新瓶旧酒，是换房本

企业软件的前四十年，一直在做同一件事：把人绑进系统。

ERP 把流程固化在数据库里，是记录系统（System of Record）——人操作、系统记账，改一次流程以月计；BPM 把流程画成图，但只画不执行，真正卡住企业的例外与权责，图上没有；RPA 把路径写成脚本，界面一变就崩——据行业机构估算，RPA 流程平均失败率在一成以上，维护成本常常超过采购授权本身；中台想把能力收归总部统一复用，结果在多数组织里变成需求排队与权力上收，头部互联网公司八年中三次拆中台，是这条路代价最大的注脚。

这四代产品，没有一代是被技术淘汰的，都是被同一件事打败：组织不愿交权、标准不愿外溢、责任不愿让渡。

Agent 的逻辑是反转的：人不写路径，人写目标与标准；机器在标准空间里找路径、调老系统、处理例外。

而谷歌做的，是把 ERP 的 " 记录 "、RPA 的 " 执行 "、中台的 " 调度 " 收进同一层：底层记忆与数据（记录）、编排与工具调用（执行）、子 Agent 分派与收口（调度），全部归一个总 Agent 管。

这是企业软件四十年后第一次换房本：从记录系统的房本，换成调度系统的房本。

但房本要别人认，底座就得开。谷歌开源了原生支持 A2A 协议（Agent2Agent）的 ADK 开发套件（github.com/google/adk-python，Apache 2.0，支持 Workflow Runtime、Task API、HITL、Cloud Run 部署，同时提供 adk-js/adk-go/adk-java/adk-kotlin 多语言版本）——原因和当年安卓开源一模一样：车床不能闭源。

因为 Devin 们、Salesforce 们、律所医院们，不敢在随时可能下场抢生意的封闭车床上造零件。

谷歌赌的是底座规模，不是垂直纵深。这个选择题，平台厂商的历史做过一遍，谷歌没有答错的空间。

四、博弈：五个角色，抢的是同一样东西——验收权

看清结构，牌桌上每个人的位置就清楚了。

谷歌是主机厂：管总装、品控、渠道，不造每个零件。底座上模型可替换，恰恰因为它判断真正的资产在模型下面那一层。

微软是另一种主机厂，把 " 门禁 " 做到最硬。据微软公开产品信息，Agent 365 于 2026 年 5 月 1 日正式商用，单独订阅约 15 美元 / 用户 / 月；纳入 Microsoft 365 E7"Frontier Suite" 后套件价约 99 美元 / 人 / 月，组合通常涵盖 E5、Copilot、Agent 365 与 Entra 相关能力。微软依托 Entra 身份体系为 Agent 分配身份、权限与生命周期管理。

微软未必让 Agent 最聪明，但负责让每个 Agent 有身份证、进不了不该进的门。

OpenAI 和 Anthropic 是发动机厂：推理与代码最锋利，一边把模型装进别人的底座，一边又不甘心只当零件。Salesforce、ServiceNow 守着业务数据主权：Agent 可以来，但客户关系和工单语义不走。

再往下，四大会计事务所、头部医院、律所握着最后一层——行业数据与 " 老师傅标准 "，这层谁都拿不走，因为标准本身就是他们的生意。

市场现实比发布会诚实。OutSystems《2026 State of AI Development》调研（样本约 1900 名全球 IT 决策者）显示：96% 的企业已在某种程度运行 AI Agent，仅 12% 建立了集中化治理平台，94% 将 Agent 蔓延（agent sprawl）视为安全与复杂度风险（据 OutSystems 官方发布）。

Gartner 在 2026 年 4 月预测：到 2028 年，全球财富 500 强企业平均将运行超过 15 万个 Agent，而仅 13% 的组织自认为具备了合适的 Agent 治理能力——注意，这是企业自评，不是第三方审计结论（据 Gartner 新闻稿）。

这组数字是 " 标准主权 " 的注脚。Agent 之争，短期比模型，中期比编排，长期比的只有三件事：谁有权定义 " 做好 "，谁有权审计过程，出事谁担责。谷歌把模型层做成可替换，是因为这三件事比模型值钱。

五、热点的另一面：先管住，再谈聪明

每一次 "Agent 多能干 " 的发布背后，都站着一排没关紧的门。

2025 年 7 月，Replit 的编码 Agent 在明令冻结代码后删除用户生产数据库，事后还生成了数千条虚构记录；事件经用户公开复盘与媒体报道后，Replit 以官方博客回应并推出开发 / 生产环境隔离等整改（据 The Register 报道及 Replit 官方博客）。这不是模型 " 想删库 "，是权限边界缺失、破坏性操作没有审批闸门——环境门没关，Agent 只是替人走了进去。

治理三件套因此不是上线后的补丁，而是企业肯付钱的理由本身：身份（它是谁）、边界（它不能碰什么）、问责（它闯祸谁扛）。96% 在跑、12% 管得住的落差说明，行业真实的顺序与发布会相反——先管住，再谈聪明。

六、中国镜像：一个要 " 全 "，一个要 " 适合自己 "

同一个产品，放到中国市场，问题换一副面孔。

国外企业买 Agent，要的是 " 全 "：流程规整、跨部门可复制、审计链条完整，效率优先。中国政企买 Agent，要的是 " 适合自己 "：私有化部署、数据不出域、审批链嵌进 Agent 流程、关键节点必须人工点头，安全与合规优先。

这不是优劣，是两个标准空间。

据国资委信创替代的公开解读，2022 年国资委 79 号文提出 2027 年底前央国企完成信创替代的目标（原文未全文公开，具体口径以监管传达为准）；等保 2.0（GB/T 22239-2019）要求审计覆盖到每个用户、对重要用户行为和安全事件留痕、访问控制遵循最小授权—— Agent 在企业里要过的硬槛，是像人一样被审计，而不是 " 模型输出完就消失 "；国内政企 AI 项目的公开招标文件中，"AI 初筛＋人工复核 "" 高风险操作强制人工确认 " 是高频条款。

所以不必问 " 谷歌这套国内企业跟不跟 "。它的底座再完整，也进不了要求全链路国产化的车间；华为、阿里、腾讯的企业 Agent 路线，本来也不是谷歌的翻版——它们争夺的是另一个圈里的标准主权。

真正的观察点是同一个：在每个市场里，谁的底座成了 " 车床 "，谁守住了数据，谁拿着签发工牌的权力。

七、结语

用这把尺子看未来三年，值得盯的从来不是谁家 Agent 又完成了什么惊艳演示，而是三件事：标准由谁定义，过程由谁审计，后果由谁承担。

笔者此前分析 Devin 估值时写过：以后别问 "AGI 来了没 "，问 " 这行的标准，写完了没 "。这句话放到谷歌身上，要再补半句：标准写完之后，归谁改，归谁审，出事归谁扛。

谷歌把 Agent 编进了公司的花名册。但签发花名册的权力，仍然在人手里。尺子不会自己决定要量什么——只有人会。

【信息说明】

Gemini agent 发布信息：发布时间为 2026 年 10 月 8 日 Gemini at Work 2026 大会，发布主体 Google Cloud，产品名 "Gemini agent"，当前为企业客户私有预览（private preview），未公布正式商用时间与定价，能力包含于 Gemini Enterprise 订阅（据 Google Cloud 发布材料、官方文档及 VentureBeat 对 Google Cloud 发言人的采访确认）。Kurian 原话 "You give it objectives, not instructions" 出自发布会主题演讲。

模型层多模型支持：据 Google Cloud 官方文档，Gemini Enterprise Agent Platform 可通过 Model Garden 接入 Anthropic Claude 等第三方模型；ADK 声明为 model-agnostic。属云平台多模型接入能力，非谷歌与 Anthropic 专属合约绑定。ADK 官方文档站为 adk.dev；开源仓库（github.com/google/adk-python，Apache 2.0），同时提供 adk-js/adk-go/adk-java/adk-kotlin 多语言版本，支持 Workflow Runtime、Task API、Tool Confirmation（HITL）、Cloud Run 及 Vertex AI Agent Engine 部署。谷歌在 ADK 中原生实现并开源 A2A 协议支持。

客户数据：近 90% 财富 100 强使用 Gemini Enterprise ——据 Alphabet 2026 年二季度财报电话会（Sundar Pichai、Thomas Kurian 口径）；" 使用 Gemini Enterprise" 不等于采购本次 Agent 编排能力。巴黎银行约 6.5 万员工为 LLM@CIB 既有部署（2026 年 9 月 24 日双方联合新闻稿），Agent 为规划场景；DBS 等案例见于发布材料。均为厂商披露，未经第三方独立审计。

微软对标：Agent 365 于 2026 年 5 月 1 日 GA、单独订阅约 15 美元 / 用户 / 月；纳入 Microsoft 365 E7（Frontier Suite）后套件价约 99 美元 / 人 / 月，组合通常涵盖 E5、Copilot、Agent 365 与 Entra 相关能力，据微软公开产品信息及渠道材料。" 依托 Entra 管理 Agent 身份 " 为通俗概括，微软官方文档术语为 Agent 365 依托 Entra 身份体系实现 Agent 身份与访问管控。

治理缺口数据：OutSystems《2026 State of AI Development》（2026 年发布，样本约 1900 名全球 IT 决策者，调研时间 2025 年 12 月— 2026 年 1 月）；Gartner 2026 年 4 月 28 日新闻稿—— " 仅 13%" 为企业自评（organizations think），非第三方审计认定。

RRSI：据论文《RRSI: Regularized Recursive Self-Improvement of Agent Harnesses》（arXiv:2609.24972，2026 年 9 月提交，Google Cloud AI Research 等），无正则化域外均分 40.3、RRSI 域外 43.6、单次任务 token 消耗约降 36%。Frontis-MA1：据论文 arXiv:2607.28568（Frontis.AI 团队，2026 年 7 月提交），该研究非谷歌成果，文中仅作行业参照。两篇均为预印本，非产品承诺。

中国侧：国资委 79 号文（2022 年 9 月）提出 2027 年底前央国企信创替代目标——原文未全文公开，据公开解读与上市公司公告口径；等保 2.0 为 GB/T 22239-2019《信息安全技术 网络安全等级保护基本要求》；"AI 初筛＋人工复核 "" 高风险操作强制人工确认 " 为国内多份公开招标文件常见条款，非国家统一强制立法。

Replit 事件：2025 年 7 月，据 The Register 报道及 Replit 官方博客回应；删库由权限边界缺失与缺乏审批闸门导致，非模型主观行为。

企业软件史评价（ERP/BPM/RPA/ 中台成败归因）、RPA 失败率（行业机构估算口径）、" 路径—标准—迭代方向 " 三把尺子、" 刚性路径 / 柔性路径 "、" 两步半 "、" 换房本 "、" 车床与发动机 "、" 标准主权 " 等均为作者分析框架与行业观察，非官方定义或审计结论；延续《梁文锋为什么先修操场，而不是先卖门票》系列框架。

文中所有前瞻性判断（如 RSI 将先发生在验证器清晰的角落）为作者推演，不代表必然发生的结果。

本文基于公开信息独立撰写，文中涉及对企业的分析与判断，均为作者基于公开资料的研究性观点，不构成投资建议，亦不代表对相关企业的任何立场。相关数据以企业官方披露为准。