作为谷歌云的产品副总裁，Michael Gerstenhaber主要负责企业AI部署统一平台Vertex。这使他能从宏观视角观察企业如何实际使用AI模型，以及为释放智能体AI潜力还需完成哪些工作。在与他的对话中，一个此前未曾听闻的观点令人印象深刻：AI模型正同时在三大前沿领域推进。

首先是原始智能前沿。以Gemini Pro等模型为代表，它们为追求极致智能而优化。例如在编写代码时，开发者需要的是所能获得的最佳代码，响应时间长短并非首要考虑，因为代码需要维护并投入生产。

其次是响应时间前沿。在客户支持等场景中，虽然需要智能来执行策略（例如处理退货或升级座位），但若获取答案需要很长时间，准确性便失去意义。因此，目标是在给定的时延预算内提供最智能的产品，因为一旦用户失去耐心，更高的智能便不再重要。

最后是成本与可扩展性前沿。当像Reddit或Meta这样的公司需要审核整个互联网内容时，他们面临不可预测的巨大规模。尽管预算充足，但若无法预知扩展性，则无法承担企业级风险。因此，他们必须在可负担的最高智能水平上，选择能以可扩展方式处理无限主题的模型，此时成本变得至关重要。

Gerstenhaber认为，智能体系统普及缓慢的原因在于，这项技术仅诞生约两年，仍缺乏必要的基础设施。例如，我们尚缺乏审核智能体行为、向智能体授权数据的成熟模式。这些模式需要投入工作才能投入生产，而生产应用总是技术能力的滞后指标。在软件工程领域进展较快，是因为它能很好地融入开发生命周期，并且存在低风险的人工审核流程。但其他领域和专业仍需建立类似模式。

谷歌的独特优势在于其垂直整合能力，涵盖从基础设施、自研芯片、自研模型、推理层、智能体层到最终聊天界面的完整技术栈。这为构建可控、合规的企业级AI解决方案提供了坚实基础。