在上海 Google I/O Connect China 开发者大会 Cloud 分会场，Google Cloud 开发者关系经理 Ankur Kotwal 演示了通过 Antigravity CLI 输入自然语言提示词，在几分钟内完成实时语音翻译 Agent 的构建与部署。该流程涵盖 ADK 构建、Gemini Enterprise Agent Platform 部署及 Cloud Run 前端挂载，全程无需手写代码。
然而，构建只是起点。Ankur 指出：“接下来是 Agent Platform 展现独特能力的时刻——我们需要在大规模场景下对这些智能体进行有效治理。”这正是 2026 年企业 AI 的核心焦虑：为何大多数企业的 Agent 仍停留在 Demo 阶段？从“跑起来”到“跑得好”，中间横亘着治理、运行时、安全、可观测性与数据等一系列工程挑战。对于加速出海的中国开发者而言，这些挑战在全球化场景下被进一步放大。
构建（Build）已非瓶颈
当前，构建 Agent 已不再是难题。Google Cloud 提供三层工具覆盖不同角色：面向业务人员的 Agent Designer（无代码）、面向混合角色的 Agent Studio（低代码）以及面向全代码开发者的 ADK 2.0（支持 Graph 工作流编排）。配合 Agent CLI，开发者可通过自然语言完成智能体的全流程管理。
Google Cloud 解决方案架构师史洁将这一阶段定义为"Vibe Coding"，即“一人加 AI"的高效模式。但她强调："Vibe Coding 是起点，而非终点。”当组织内出现大量异构 Agent 时，若无统一治理，将导致知识碎片化、安全策略失效及产出无法复用。
真正的挑战在于如何将个人效率转化为组织能力：从散落的提示词升级为结构化知识图谱，从不可控的裸奔进化为可观测、可审计的管控体系，从一次性代码转变为可复用的智能体资产。
难点一：治理——谁在控制数字员工？
Ankur Kotwal 展示了 Gemini Enterprise Agent Platform 的四大核心治理能力：
Agent Identity：为每个智能体分配独立身份凭证，实现自动配置、追踪与审计，如同“智能体舰队的通用护照”。
Agent Registry：集中注册中心，统一管理项目中的所有 Agent、MCP Server 和模型端点，杜绝“影子 Agent"。
Agent Gateway：分为入站（Ingress）和出站（Egress），在执行安全策略的同时，可限制特定 Agent 对高成本模型的访问或设置数据只读权限。
Agent Observability：可视化 Agent 协同拓扑，追踪每一步的大模型耗时、Token 消耗、工具调用及错误日志。
史洁总结道：“企业 AI 的瓶颈不在模型能力，而在信任与控制。”她提出：“创造力乘以零治理等于零；治理乘以零创造力也等于零。”现场 Demo 验证了该体系的有效性：敏感数据自动脱敏、按 SOP 执行审批流程、Model Armor 拦截提示词注入攻击。这些是出海企业将 Agent 推向生产环境的首要门槛。
难点二：运行时——Agent 不止是 API 调用
Google Cloud 解决方案架构师郑晓曦提出公式：智能体 = 模型 + Harness。合格的 Agent Harness 需具备五个维度：持久记忆、确定性护栏、工具控制、重试逻辑及多步 SOP 编排。
针对记忆管理，Memory Bank 将会话分为绿色短期上下文与蓝色长期记忆沉淀，系统可自动提炼关键信息并写入记忆库。
针对资源效率，潘文明介绍了Agent Substrate。其核心思路是将逻辑会话与物理计算节点解耦，采用“零空闲架构”。在几十毫秒内，Agent 运行状态可无缝迁移至集群任意节点。Demo 显示：传统系统挂起会导致状态丢失或资源浪费，而 Substrate 能在 Pod IP 变更的情况下完美保留内存状态，仅用三分之一硬件资源即可承载三倍负载。这对处理长时任务的出海企业意义重大，可将长时任务抽象为 Managed Session，大幅降低算力成本。
难点三：安全——对抗 AI 驱动的攻击
Google Cloud 安全专家指出，攻击者利用 AI 将入侵时间从平均 8 小时缩短至 22 秒。防守必须进入“机器速度”。Google Cloud 的安全架构将漏洞管理拆解为准备、扫描、修复、监控四个阶段，分别由 Red Agent（模拟攻击）、Blue Agent（执行防御）和 Green Agent（负责修复）协同工作。
其中，CodeMender 能扫描漏洞、验证可利用性并自动生成修复补丁。数据显示，在缺乏完整上下文时，AI 补丁通过率低于 3%；而提供完整代码上下文与业务逻辑后，通过率提升至 80% 以上。这表明，完整的业务上下文是防守方的结构性优势。
安全是 Agent 生产化的前提。Model Armor 拦截注入攻击，Sensitive Data Protection 自动脱敏 PII 信息，Agent Gateway 执行通信层策略，这些能力必须在上线首日就位。
难点四：可观测性——衡量价值方能优化
Google Cloud 零售行业首席架构师王舟童强调，可观测性的第一性原理是 ROI。Agent 可观测性不仅关注可用性与时延，更需洞察推理链路、工具调用及业务结果。
Agent Simulation 能力允许企业模拟数千名具有不同性格和行为特征的虚拟用户（包括边缘案例），在上线前发现弱点。优化路径包括专家调优与 Agent 自主迭代，最终形成“部署 - 观测 - 模拟 - 优化 - 再部署”的闭环。
难点五：数据——记忆底座与进化燃料
Google Data Cloud 补全了最后一块拼图。AlloyDB 支持数据库内直接调用 AI 函数，减少数据搬运；Spanner 融合关系、图、向量及全球一致性，成为 Agent 的“记忆底座”。
在跨境合规等复杂场景中，传统 RAG 难以处理多层逻辑推理。Spanner 统一承载图、向量和事实关系，配合 ADK 实现受控推理，构建可解释、可追踪的推理网络。随着使用增加，数据沉淀反哺 Agent，形成数据飞轮。这不仅是替代人工，更是唯有"Agent+ 结构化数据 + 受控推理”才能解决的系统级问题。
Agent 走向物理世界
Google Cloud 具身智能首席架构师黄颖展示了从数字世界迈向物理世界的完整管线：VLA 模型与世界模型负责决策，Gemini 降低数据采集成本，MuJoCo 与 Isaac Sim 用于仿真，TPU/GPU/GKE 提供基础设施。
典型架构为“云端大脑 + 端侧小脑 + 物理执行”。云端处理复杂推理，端侧保障实时性与隐私，IoT 平台连接设备。此外，Developer Device Platform (DDP) 支持通过提示词访问远程真实设备进行并行测试，覆盖超 220 种设备类型。物理世界对安全、延迟和可靠性的要求更为苛刻，叠加跨地域网络延迟，对出海企业提出更高挑战。
出海：基础设施决定速度
在“智能体时代的出海破局与增长”圆桌讨论中，Google Cloud AI 平台副总裁 Ting Liu 提出“合规即服务”，将数据驻留、GDPR 等能力内置为基础设施，避免企业重复踩坑。她建议开发者从长远角度思考，将重复性工作交由 Agent 优化。
产品市场副总裁 Peder Ulander 对中国出海企业的创新速度表示震撼，并称其为全球的“力量倍增器”。他定位 Google Cloud 为消除扩展摩擦的合作伙伴，负责处理治理、数据主权和全球触达，让开发者专注于体验创新。
Ricky Robinett 从开发者营销角度提出"Minimum Viable Personality"，强调出海企业需具备真实人格，通过社区互动建立忠诚度。Peder 最后总结：“怀揣伟大梦想，但从小处着手。”
结语：从 Demo 到生产的深渊
从 Demo 到生产之间，埋藏着治理、运行时、安全、可观测性、数据五大系统工程挑战。Google Cloud 提供的并非单一平台，而是一套包含 Agent Identity、Registry、Gateway、Substrate、Memory Bank、Model Armor 等组件的操作系统级基础设施。
正如史洁所总结的四大支柱：Build（怎么造）、Scale（怎么部署）、Govern（敢不敢上）、Optimize（怎么更好）。构建一个 Agent 只需一段提示词，但让其在全球化生产环境中可靠运行，需要身份、权限、审计、网关、沙箱、记忆、可观测性及数据飞轮的全面支撑。对于出海开发者而言，这些基础设施不是锦上添花，而是生死线。