Google CEO Sundar Pichai 展示了Google 每月处理的 token 量已突破 3.2 千万亿，是去年同期的 7 倍；超过 375 家 Google Cloud 企业客户在过去 12 个月里各自处理了超过 1 万亿个 token。

这是一个行业信号的转变，​模型在快速变成基础设施，Agent 才是真正能承接业务价值的层。​

这场竞争，比的不再是谁用了最强的模型，而是谁先把 Agent 跑进了自己的业务流程里。AI 正在以企业感知得到的速度进入真实工作流，而 Gemini 3.5 Flash 的发布，把这件事的成本门槛又往下压了一截。

如果只看发布了什么，这场 I/O 是一份产品清单。但换一个视角来看，Google Cloud 这次所有发布也在强调同一个问题：当模型本身越来越不值钱，Agent 才是真正能帮企业干活。

触脉在与出海客户合作的过程中越来越清晰地感受到：模型本身的能力差距，正在从企业 AI 落地的主要障碍变成次要变量。真正决定出海团队能不能用好这波升级的，是 Agent 有没有搭起来、数据地基打没打好。

本篇希望聚焦三件事：这次升级对企业 Agent 应用意味着什么实质变化，出海团队的真正卡点在哪里，以及现在该从哪里开始动。

这次升级，对企业侧的核心变化是什么

Gemini 3.5 Flash：让 Agent 跑长任务的成本首次变得合理。

以前大家测试 Agent 能做什么时，总会碰到两道墙：速度太慢，成本太高。一个多步骤的数据分析任务跑下来，等待时间和 token 费用都不理想。

Gemini 3.5 Flash 把这个问题往前推了一大步——输出速度是同类前沿模型的 4 倍，成本不到对比模型的一半，同时在 Agentic（智能体任务）和编程基准测试上全面超越了上代旗舰 Pro 模型。正如发布会强调的那样，这让”让 Agent 一直跑”从奢智的研发玩具，变成了可以规模化部署的商业选项。

​Managed Agents ​API​：Agent 部署门槛大幅下降。

以前搭建一个企业级 Agent，需要自行管理执行环境、处理会话状态、设计安全边界。Managed Agents API 改变了这个流程——开发者通过单次 API 调用就能启动一个可以推理、调用工具、在隔离云端沙箱环境中执行代码、支持多步骤多会话工作流的 Agent。基础设施层面的复杂度被完全托管掉了，团队可以把精力更多放在”这个 Agent 要解决什么业务问题”上。

Gemini Enterprise Agent Platform 进一步成熟：从 Vertex AI 演进而来的统一平台。

这是 Google Cloud Next ’26 就已发布、I/O 进一步补充的内容。Gemini Enterprise Agent Platform 整合了 model 访问、Agent 执行、memory、注册管理、治理和优化能力，并与全新发布的 Antigravity 2.0 桌面应用打通，形成一个从开发到部署再到管理的完整企业 Agent 运行环境。

对于已经在 GCP 上有投入的企业，这意味着现有数据资产和已建 Agent 可以直接迁移进来复用，不需要另起炉灶。

出海企业在 Agent 落地上真正卡在哪里

发布会讲的是模型有多强、平台有多完整。但触脉在过去两年与游戏、电商、垂直平台出海客户合作的实际经验里，我们发现企业 Agent 项目推进慢，根本原因很少是模型问题，几乎都是数据问题。

第一道坎：数据分散，无法被 Agent 直接使用。

一个中型出海企业，通常同时运营着 Google Ads、Meta、TikTok 三个主要买量渠道，同时接入 Firebase 或 GA4 做用户行为追踪，再加上自有的用户数据库、素材管理平台、还有各类 SaaS 的运营工具。

这些数据分散在各自的平台孤岛里，字段命名不统一，更新频率不一致，对接方式各异。您想让一个 Agent 去帮您分析”上周投放 ROI 最高的渠道和对应的素材组合”，它首先要能同时看到投放数据、转化数据和素材数据——而如果这三类数据根本不在同一个地方，Agent 的分析就只能是空中楼阁。

第二道坎：数据在数仓，但没有业务上下文（语义层）。

稍微成熟一些的团队已经把数据汇聚到了数仓（比如 BigQuery），但 Agent 要真正能用，还需要知道”这张表的字段是什么含义、session 的唯一识别应该用哪个字段组合、ROI 的计算口径是什么、LTV 的预测逻辑用什么模型”。

这些业务上下文和元数据（Metadata）如果没有被结构化地传递给 Agent，它拿到数据也只能做浅层查询，无法真正承担业务分析的工作。这也是为什么很多企业”部署了 Agent，但没人用”——Agent 算出来的数字和业务团队实际的分析逻辑对不上，缺乏可信度。

第三道坎：多系统协同没有统一入口。

出海企业的日常工作通常需要跨越多个系统：数仓取数、广告后台看数据、OA 系统沟通、协作工具传递资产。每个系统里都有一些 Agent 或 AI 功能，但它们之间不联通。结果是员工要在多个系统间反复切换，手动整合信息，AI 工具成了”多个孤立的效率工具”，而不是”帮我完成一件完整工作的助手”。

这三道坎，单纯靠模型升级是解决不了的。Gemini 3.5 确实更快更强，但如果它跑在乱七八糟、缺乏上下文的数据上，给出来的分析依然不可信。数据基础和业务逻辑的结构化，是 Agent 从‘能看’到‘能用’的前提，这是我们在实际项目里一次次验证过的判断。

把数据打通之后，出海团队可以用 Agent 做什么

数据层建好之后，出海企业的市场和增长团队能用 Agent 干的事，会发生质的变化。以下是我们在实际项目里跑通的几类核心场景：

买量数据的对话式分析：用 Gemini in BigQuery 取代繁琐的取数流程。

过去，业务同学想知道”上个月 TikTok 渠道各素材类型的 CPI 和首日留存对比”，要么等数据团队出报告，要么自己硬啃 SQL。

现在，利用 ​BigQuery 内置的 Gemini 对话式分析能力​，业务同学直接用自然语言提问，系统就能自动完成跨表查询、数据计算与可视化呈现。整个分析结果在对话框里直接输出。在我们实际搭建的游戏客户案例里，这类分析从”等数据团队两到三天”缩短到了”业务自取，分钟级完成”。

素材分析与创意洞察：利用原生多模态能力，让反馈从滞后变实时。

出海买量极其依赖素材，但素材表现往往是滞后的。现在，可以利用 Agent 实时监控历史投放数据中的素材表现规律。

更重要的是，利用 Gemini 强大的原生多模态视频理解能力，Agent 可以直接解析 YouTube 视频内容，拆解其视觉节奏、前 3 秒钩子（Hook）设计和文案风格，快速生成对标市场优质爆款的创意方向，大幅压缩”分析 → 创意 → 生产”的周期。

跨系统工作流的 Agent 协同：解放海量重复性操作。

以市场团队的日常工作为例：每天早上整理各渠道昨日数据、标记异常、准备周报、跟进素材审核状态。这些事情分散在邮件、数仓和广告后台里。

基于 Gemini Enterprise Agent Platform 搭建的统一智能体，可以把这些分散的操作整合进一个界面。您只需在对话框里吩咐一句，Agent 就能在授权范围内跨系统自动执行多步任务。

数据预测与 LTV 建模：借助 BigQuery ML 降低算法门槛。

以前做用户 LTV 预测，需要数据科学家深度参与特征工程和模型调优。现在，BigQuery ML（内置机器学习） 配合 Agent 层，可以让业务团队直接通过自然语言发起预测任务、解读模型结果并验证准确性。数据团队只需要在关键节点进行治理把关，无需全程接入每一次常规的增长预测。

这四个场景有一个共同逻辑：Agent 不是在替代人的判断，而是在替代人做”把数据搬来搬去、在系统之间来回切换”这件事。人的时间被还给了真正需要判断力的工作。

以上场景并非停留在方案层面。触脉咨询此前举办的「数据分析 AI 化」主题活动中，我们完整演示了 BigQuery Agent × Gemini Enterprise 的实际运行过程，包括对话取数、素材解析、跨系统任务执行等核心功能的现场 demo。

👉 点击查看活动回顾与完整演示

I/O 2026 之后，企业现在该怎么做

Gemini 3.5 Flash 已经正式上线，Managed Agents API 已经开放调用，而此前在 Cloud Next ’26 大会上引发轰动的 Gemini Enterprise Agent Platform，也随着这一波底层能力的升级正式迎来全面商用。

这一波能力不是”明年可以期待”，是现在就可以用。问题是，出海团队该从哪里开始动？

不要等”全部准备好”再动。

很多企业在讨论 Agent 落地时，容易陷入一个误区：要先把所有系统的数据都整合好，搭建一个完整的架构，再来部署 Agent。

这个思路让项目永远在准备阶段。实际上，选一个高频痛点，把该痛点涉及的数据打通，搭一个垂直的 Agent，跑出效果，再扩展，这才是能快速落地、快速验证、快速推进的节奏。

从一个”问数 Agent”开始，是大多数出海企业最快的切入点。

如果您的团队现在有 BigQuery（或者正在用 GA4 数据），那么搭建一个针对营销数据的对话式分析 Agent，技术门槛不高，上线周期短，对业务的帮助直接可感知——业务团队开始自己取数、自己看数，数据团队从每天处理取数需求中解放出来，做更有深度的分析工作。这是我们建议大多数出海客户的第一步。

数据标准化是 Agent 能力的天花板。

如果您的数据还分散在各平台，还没有统一落仓，那现在是认真对待这件事的时候了。不是因为 AI 来了数据就变重要了——数据一直很重要，只是 AI 让数据不打通的代价变得更大更直接。

把主要买量渠道和用户行为数据统一接入 BigQuery，选择能够标准化字段、稳定同步的数据集成工具，是让 Agent 从”能用”变成”好用”的基础。

Gemini Enterprise 作为统一 Agent 管理入口，值得提前布局。

如果您的团队已经在测试多个 Agent，或者已经在 GCP 上有了一定的 AI 能力积累，可以开始考虑用 Gemini Enterprise Agent Platform 把这些能力整合起来。统一入口不只是方便管理，更重要的是让组织内不同部门的员工能用统一的方式访问这些能力，降低推广和培训成本。

I/O 之后，平台的模型底座换成了 Gemini 3.5 Flash，速度和性价比都有明显提升，是一个好的切入时机。

写在最后

过去几年，大家谈 AI 落地，更多是在谈”某个功能好不好用”。I/O 2026 之后，这个问题开始升级了：AI Agent 能不能真正进入业务流程、能不能作为一个可信的”数字同事”承担实际工作。这不是工具能力的问题，是企业数据基础和 Agent 架构设计的问题。

Gemini 3.5 让 Agent 在速度和成本上越过了可规模化部署的临界点。但能不能用好，还是要看您的数据是不是打通的、您的 Agent 是不是真正理解业务的。

触脉咨询作为 Google Cloud 认证合作伙伴，已在游戏、电商、垂直出海平台中完成了从数据打通到 Agent 落地的完整实施路径。

如果您的团队正在评估 Agent 落地的方案，或者已经在做但遇到了数据层的卡点，欢迎联系我们，一起看清楚您的场景里该从哪里开始、能做到什么，欢迎扫码与我们交流——我们可以帮您判断现有的数据基础能否支撑 Agent 运行，以及从哪个场景切入性价比最高。

如需业务联系或服务采购，您通过以下任一方式与我们联系:

• 电话：400-080-5098
• 邮箱：info@truemetrics.cn
• 微信公众号：触脉咨询
• 微信客服：truemetrics_service，或直接扫描下方二维码添加客服