本周在拉斯维加斯，3万名与会者齐聚一堂，聆听Google Cloud带来的最新成果。内容几乎全围绕生成式AI展开，但需明确的是，Google Cloud首先是云基础设施和平台供应商，这一核心定位不应被AI热潮掩盖。
与去年Salesforce的巡回路演类似，谷歌除了生成式AI语境外，对其核心业务提及甚少。Google宣布了一系列旨在帮助客户利用Gemini大语言模型（LLM）并提升平台效率的AI增强功能，并在主题演讲中穿插大量演示以展示其能力。
然而，许多演示显得过于简单化，且多依赖Google生态内部示例，忽略了企业数据多存储于外部的事实。部分场景甚至无需AI即可完成，例如电商演示中销售机器人致电供应商的步骤，买家本可在网站轻松操作。
不可否认，生成式AI在代码创建、内容分析查询及日志故障诊断等方面具备强大用例。此外，面向开发人员、创意人员等角色的任务导向型智能体，也有潜力切实赋能业务。
Google Cloud Next 2024：迄今为止公布的所有内容
但在构建基于Google模型的AI工具时，厂商似乎淡化了实施障碍。尽管演示让一切听起来轻而易举，但在大型组织内落地先进技术实则充满挑战。
重大变革并非易事
如同过去15年的移动、云计算等技术飞跃一样，AI伴随着巨大的收益承诺与复杂性。大型企业的步伐往往比预期更为谨慎，AI实施的难度远超谷歌及其他供应商的暗示。
历史经验表明，技术变革常伴随炒作与幻灭感。多年后，仍有不少大型企业对本应充分利用的先进技术浅尝辄止甚至置身事外。这源于组织惯性、脆弱的技术栈，以及法务、HR、IT等部门因内部政治对实质性变革的抵制。
Egnyte首席执行官Vineet Jain将公司分为两类：已大幅上云的企业采用GenAI更轻松；而行动迟缓者将面临困难。他向TechCrunch表示，许多“落后”的云采用者尚未启动或刚开启数字化转型，距离思考如何利用AI尚远。
AWS对贵公司迟迟不迁移到云端感到厌倦
Jain指出，AI可能迫使这些公司推进数字化转型，但因起步晚，它们必须先解决基础问题，建立成熟的数据安全与治理模型后，才能有效利用AI。
关键始终在于数据
大型供应商让实施看似简单，但前端便捷不代表后端不复杂。正如业界共识，训练Gemini等LLM的数据若质量不佳，“垃圾进，垃圾出”的问题在生成式AI领域尤为突出。
一切始于数据。Deloitte高级经理Kashif Rahamatullah表示，缺乏干净数据的公司将在实施时受阻：“对话虽从AI开始，但很快会转变为‘我需要修复并集中数据，才能真正获益’。”
Google副总裁Gerrit Kazmaier告诉TechCrunch，公司已构建工具帮助数据工程师自动化数据传输与准备，加速连接内外数据源。这对数字化转型领先的企业是助力，但对Jain提到的那些尚未迈出实质步伐的公司而言，即便使用这些工具也可能面临更大困难。
Constellation Research分析师Andy Thurai强调，除纯实施外，AI还面临治理、责任、安全、隐私、伦理及合规等一系列挑战，且绝非小事。
参加GCN的高管与开发者或许在寻找Google Cloud的下一步动向。但若组织尚未准备好，他们可能会对谷歌的全面AI聚焦感到震惊。在缺乏数字成熟度的组织能充分利用这些技术之前，仅依赖包装化的解决方案远远不够，仍需漫长的积淀。