从开发者视角解读 Google Cloud Next 25

从 Google Cloud Next 25 发来的第一手报道。

RTE 开发者社区联合发起人 Richard 林旅强以开发者的视角，分享了他在大会期间的观察与思考。除了对备受瞩目的 A2A 协议的深度解读，Richard 还详细梳理了大会期间发布的新产品，包括与实时多模态 AI 开发相关的音频模型 Chirp 3、音乐模型 Lyria 以及 ADK 智能体开发工具等。

随着底层基础设施的日趋成熟，以及开发者体验和工具的不断完善，中国的开发者们，你们准备好扬帆出海了吗？

每年的 Google Cloud Next 大会都是云计算世界的风向标，展示技术趋势，也为开发者指明方向。这次我有幸以思否观察团成员身份，亲临 2025 年 4 月 9 -- 11 日在拉斯维加斯举办的 Google Cloud Next 25 大会，三天满满的议程中，最让我感受到冲击与启发的，是第一天的主题演讲。

本文我将从开发者视角出发，分享我在 Keynote 中听到的重点内容，并结合出海需求讲讲：Google Cloud 为中国开发者考虑了些什么。

如果要一句话来总结，我会说：本次主题演讲清晰展现了 Google Cloud「以开发者为中心」的技术战略，其核心方向有三点： (1) 全面拥抱人工智能；(2) 持续提升底层基础设施能力；以及 (3) 不断优化开发者体验和生产力。

全球基础设施升级：构建全球产品的底座

Google Cloud CEO Thomas Kurian 一开场就带来了几个关键数字：全球已有 400 万开发者使用 Gemini 构建应用，Vertex AI 使用量在一年内增长 20 倍。

这些成果背后，是 Google 在基础设施上的长期投入------目前已建成覆盖 200 多个国家和地区的 42 个云区域，配套超过 200 万英里的海底和陆地光缆，打造出几乎零延迟的「Google 速度」网络。

特别值得一提的是 Cloud Wide Area Network (WAN)，已全面开放给企业客户，官方表示它可将延迟和成本各降低约 40%。对开发者来说，这意味着部署在全球不同地区的服务能更快、更稳、更便宜。

对于我来说，400 万开发者和 20 倍增长本身或许只是表象，更值得关注的是： 它的能力是否够强？是否匹配我的需求？是否稳定？是否能让我专注在构建产品，而不用担心底层问题？

📌 对中国出海开发者而言，这种网络与算力覆盖，是构建全球产品的底层前提。我们可以将服务部署在靠近目标市场的地理区域，大幅降低延迟，带来更好的用户体验。这也是很多出海产品最关注的第一步。

Ironwood TPU 与 AI 超级计算：把 AI 性能推到极致

接着登台的 Google CEO Sundar Pichai 在现场公布了第七代 TPU ------ Ironwood ，预计将在今年晚些时候正式推出。这一硬件是 Google 为了满足 AI 推理与训练日益增长的需求所打造的重磅升级。

与第一代 TPU 相比，Ironwood 的性能提升了惊人的 3600 倍 ；即便是与前一代 Trillium 相比，其峰值算力也提升了 5 倍 ，同时 高带宽内存（HBM）容量提升 6 倍 ，能效更是达到了 Trillium 的两倍。换句话说，用更少的电，做更多的事。

每个 Ironwood pod 最多可搭载 9216 颗芯片，整体算力高达 42.5 exaflops ，并通过高度优化的数据通路设计，将芯片间的数据移动与延迟降至最低。这对于像 Gemini 2.5 Pro、Veo 2 这类需要巨量计算支撑的思维模型与多模态模型来说，是不可或缺的基建后盾。

这还只是第一层。在大会上，Google 还公布了 AI Hypercomputer 的全面增强：

集成 Ironwood TPU，成为支撑 AI 的超级计算平台；
全新推出 400G Cloud Interconnect，是上一代 100G 的 4 倍带宽，适配大模型高速通信；
引入 Anywhere Cache 与 Rapid Storage ，其中 Rapid Storage 是业界首个支持区域级对象存储的架构，随机读写延迟比业界最快方案低 5 倍；
支持 vLLM（高效推理框架）与大规模推理负载调度。

更贴近开发者的部分是：GKE（Google Kubernetes Engine）现在也原生支持 AI 推理优化。根据 Google 现场分享的测试数据：使用 GKE 新功能后，服务成本可降低高达 30%，尾部延迟减少 60%，吞吐量提升 40%。

📌 对 AI 开发者来说，这意味着三件事：

1.大模型的部署成本正在快速下降；

2.开发者可以借助现成的容器工具（如 GKE）部署高性能推理服务；

3.从底层硬件到上层平台，Google 正在打通一条「从想法到上线」的最短路径，真正实现云原生 AI。

📌 这场关于硬件和基础设施的更新，表面看是技术参数的叠加，实则是 Google 向开发者递出的强有力承诺 ------ 如果你选择在这里构建 AI，Google 已经替你铺好了地基。

Vertex AI：从模型到智能体的统一平台

Vertex AI 是 Google Cloud 上用于训练、部署和管理 AI 模型的一站式平台。本次大会宣布了不少升级，比如：

正式支持 Meta 的 Llama 4 模型；
全新的 Vertex AI Dashboards 可以更方便地监控延迟、吞吐等运行状态；
Model Optimizer 会根据请求特性，自动选择最优模型；
Live API 让我们可以将实时音视频流接入 Gemini，进行实时互动。

更值得一提的是，Vertex AI 现在也支持「多智能体系统」的构建 ------ 一个系统中可包含多个 AI 智能体，相互协作，完成更复杂的工作流。

📌 对开发者来说，Vertex AI 的这些能力意味着：你不需要自己搭建复杂的训练、部署、监控平台，也不用担心服务稳定性和多区域访问的问题；对于初创团队来说更是重要。

Gemini 2.5 Pro 与 Flash 双引擎上阵

在这次 Keynote 上，Google 展示了 Gemini 2.5 系列的两款核心推理模型：Gemini 2.5 Pro 和即将上线的 Gemini 2.5 Flash 。这对组合各有所长：Pro 面向高精度任务，Flash 面向低延迟高频交互。它们支持「思维链式推理（Thought Chaining）」，能一步步推理出结论，几乎覆盖了从复杂推理到实时互动的所有主流 AI 应用场景。

🧠 Gemini 2.5 Pro 是主打精度与深度的旗舰模型，支持文本与图像等多模态输入。超长的上下文使得它特别适用于代码审查、长文本总结、法律或金融场景的推理辅助等对记忆与逻辑要求极高的任务。

⚡ Gemini 2.5 Flash 则是 Google 为追求高响应、高频调用、高性价比而打造的轻量级推理模型，预计不久之后（现在还没）在 Vertex AI 上开放使用。它的最大特点是：响应快、成本低、还能动态调节复杂度。

并且，Flash 模型还会自动根据问题复杂度调整回答逻辑！例如遇到简单常识型问题就会快速回应，不再「认真地进行五段式推理」，而当面临复杂任务时也能适当延长处理时间，确保输出质量。对于需要高并发调用的客服系统、摘要生成器、问答机器人等业务，这种智能调节机制非常实用，也能极大降低使用成本。

此外，Flash 模型还允许开发者自定义「推理预算」------简单来说，你可以设定更偏向快一点、准一点，还是省一点钱，Google 帮你在不同目标间找到最优解。

📌 这两款模型未来都将在 Vertex AI 中稳定提供服务，支持与其他 Google 模型与服务无缝集成。你可以根据产品需求灵活切换：复杂问题交给 Pro，高频响应交给 Flash，从容应对不同规模和节奏的 AI 应用需求。

这里也补充一点：很多开发者可能还不知道的是，在以人类偏好作为评测标准的权威大语言模型的测评榜单 Chatbot Arena 中，Gemini-2.5-Pro-Exp-03-25 的排名是全球第一，这是经过真人实测的结果，也是许多模型推出前会参与进行测评的首选榜单。

多模态生成的 AI 创作工具箱再进化：图像、音频、音乐、视频全面升级

除了 Gemini 系列模型，Google 也在本次 Keynote 中展示了旗下多模态生成模型矩阵的全面升级：图像生成的 Imagen 3、音频生成的 Chirp 3、音乐生成的 Lyria，以及视频生成的 Veo 2，每一个都直指一个特定的创意工作场景。

📸 Imagen 3：作为 Google 最新的文本生成图像模型，它不仅支持高保真图像生成，还强化了对图像局部的修复与再创作能力（inpainting/outpainting）。其对 prompt 的理解程度业界领先，适合用于产品视觉、广告、插图生成等场景。

🎤 Chirp 3：仅需 10 秒音频，即可生成定制语音语音风格！应用在客服语音、品牌人设、可访问内容生成等领域。它延续了 Chirp 系列对自然音色与语义表达的高保真要求。

🎵 Lyria：这是 Google 推出的企业级文本生成音乐模型，只要输入一句描述，即可生成 30 秒音乐片段，适合创作配乐、短影音 BGM、游戏音效等内容。现已开放申请内测（申请入口: docs.google.com/forms/d/1Yk...

🎬 Veo 2：本次最值得关注的，是 Google 的旗舰级文本生成视频模型 Veo 2，它不再只是视频生成工具，而是一个视频创作与编辑平台，包含以下强大功能：

P 视频（去除元素）： 可自动删除视频中不需要的物体（如路人），提升画面纯净度；
关键帧生成： 通过输入起始帧和结束帧，自动生成中间段落，保持画面流畅自然；
扩展画面： 将原有横屏视频自然扩展为竖屏，便于社媒平台分发（如抖音、小红书）；
镜头控制： 可以指定摄像机移动方向、构图风格，甚至模拟延时摄影或无人机跟拍。

值得一提的是，Google 自家的 VideoFX 服务正是基于 Veo 2 构建，未来这项能力有望进入 Workspace 与 YouTube 创作者工具中。

同样的，Veo 2 目前已开放候补名单申请（申请入口: docs.google.com/forms/d/e/1...

📌 对于内容创作者、品牌出海团队、媒体机构来说， 这组四件套让我们能从一段文字、一条语音出发，可以快速生成图像、音频、音乐和视频； 当然，坊间也有许多这类的工具，也希望大家也都能比较尝试，并且在社区反馈你的体验和推荐。

智能体（Agent）生态系统：从概念走向实用，开发者可以立即上手

这次 Google 用 "Agents for everyone" 概括它的新愿景，背后是多个已上线的功能组件，正式将「多智能体系统（Multi-agent Systems）」带入开发者可用的阶段。

更具体地说，开发者现在可以通过 Vertex AI 的以下能力，构建具协作能力的 AI 智能体系统：

Agent Development Kit（ADK）： 这是一个开源的开发框架，用户仅需不到 100 行 Python代码，就能完成他第一个智能体，并且支持工作记忆、对话状态、外部 API 插件调用等功能。非常适合快速开发客服助手、业务流程机器人等场景。
Agent2Agent 协议（A2A）： Google 是首家发布开放 Agent 协议的主流云平台，支持多个 Agent之间基于标准协议交换信息。例如，一个智能体可以调用另一个智能体的能力，实现「AI 调用 AI」。这对于构建复杂任务处理流程至关重要。
Agent Garden： 这是一个智能体样例和连接器集合，包含 100 多个可用的预构建模块，支持连接 BigQuery、Google Workspace、Slack、GitHub 等常用工具和服务，大大降低集成成本。
Chrome & Workspace 集成： Agentspace 已整合进 Chrome Enterprise 和 GoogleWorkspace，普通员工也可以直接在浏览器或文档中调用智能体，快速搜索、对话与执行任务。

这些能力目前已可以通过 Vertex AI 访问使用，ADK 的开源项目也已经上线（可在 GitHub 上获取），其中部分进阶功能（如复杂智能体协调）虽然还处于预览阶段，但基本能力已经可以在真实项目中使用。

📌 适用场景举例：

在跨国客服系统中，同时部署订单查询智能体、翻译智能体与风险识别智能体，三者协作响应用户问题；
构建一个面向内部团队的"多 AI 工具箱"，一键生成报告、摘要邮件、提取数据，提升员工效率；
在游戏、教育、金融等领域构建具备脚本调用能力的 AI 角色。

📌 对于出海开发团队而言，这样的多智能体能力正是扩展产品差异化体验、提升本地服务效率的关键武器。以往我们可能需要组建一整套微服务 + 对话系统 + 插件机制，现在 Google Cloud 提供了一套统一、开箱即用的解决方案，能让中小团队以极低成本快速验证与迭代，就连运营、市场、销售等非技术开发员工，也能通过低代码方式使用 AI 工具。

数据智能、部署效率与国际化支持：开发者在出海路上的三大底气

本次主题演讲，在大数据分析方面，BigQuery 推出了 Conversational Analytics API（预览版）和 BigQuery Knowledge Engine（预览版）。前者让用户能以自然语言与数据交互，后者则利用 Gemini 的能力智能分析数据模式并推荐业务术语。Looker 也集成了 Gemini，支持自然语言的数据分析和仪表盘创建。强大的数据分析能力是驱动全球业务增长的关键，BigQuery 和 Looker 的 AI 增强，能更加助力中国开发者更高效地获取和利用数据洞察，更好地理解全球用户行为，优化产品和运营策略。

在无服务器和容器化方面，Cloud Run 提供了更好的容器化应用部署能力，Cloud Functions 则让开发者能更轻松地构建可扩展的后端服务。Google Kubernetes Engine (GKE) 也新增了针对生成式 AI 工作负载的优化，包括自动缩放和负载均衡，这对于降低全球分布式应用的成本和提升性能非常有帮助。

除了技术创新，Google Cloud 在国际化支持方面也做得非常出色。Translation API 支持多种语言，Firebase Hosting 的 i18n 重写功能方便开发者根据用户偏好或地理位置交付特定语言的内容。更重要的是，Google Cloud 提供了广泛的合规性服务，满足全球各地的监管要求。这对于想要在全球市场合规运营的中国企业至关重要。

合规、安全与主权云：解决出海最大隐忧

主题演讲中也宣布了 Google 全球主权云布局，目前已覆盖 14 个国家、32 个区域，支持本地数据驻留与合规运营，配合 Deloitte 德勤、Accenture 埃森哲等伙伴共同提供服务。

📌 这对中国企业尤其关键：我们常在出海过程中遇到数据合规、隐私保护等挑战，尤其是在对数据主权高度敏感的地区，例如欧洲（GDPR）、中东和东南亚市场。Google Cloud 推出的主权云方案，配合其全球合作伙伴生态，不仅能帮助企业符合法规要求，还能保障数据不出境、访问路径可控，大幅降低出海合规风险。

全新上线的 Google Unified Security（GUS）平台，也为企业带来真正统一的安全视图。它整合了端点、网络、云服务与应用的威胁检测能力，所有数据会自动与 Google 的威胁情报服务（Threat Intelligence）结合分析，搭配 Gemini 实现半自动化的响应与防护。

📌 对于开发者来说，这意味着两件事：

我们不再需要东拼西凑各种安全工具，就能获得一个集成的安全防护体系；安全不再只是「后期补救」的麻烦事，而是从 Day 1 起就可以融入应用生命周期。

这是一种「内建安全、合规随行」的开发范式，特别适合对隐私与法规要求严苛的行业，比如医疗、教育、金融，以及各类 B2B SaaS 出海产品。

📌 在此，我也想分享一句关于「出海」的心里话：

真正能走出去的，不只是产品和技术，也不只是我们所在的物理位置，还包括我们对世界不同文化的好奇、对市场和用户的理解、以及和全球技术生态的深度连接。

出海，永远不只是「把产品翻译成英文」，而是要重新用世界多元的视角看清楚我们提供的核心价值。

后记：谷歌在 Agent 正在下一盘大旗？

看到 Google 推出 A2A（Agent-to-Agent 协议）和 ADK（Agent Developer Kit），我立刻联想到当年的 Docker 与 Kubernetes。

当初 Docker 是第一个将容器技术真正落地并普及的革命性工具。开发者开始用它来打包、部署应用，但本质上它还是一个工具层，虽然一度风靡，却没能发展成一整套完整的管理系统。

后来，Google 主导推出了 Kubernetes（k8s），不仅解决了「怎么运行容器」的问题，更是一口气搞定了「如何大规模管理容器」的难题：部署、扩容、负载均衡、自我修复......整个系统完全掌控。

更关键的是，Google 在开源 Kubernetes 之后，将其交由 CNCF 管理，打造了一个中立的开源社区，使得 AWS、Azure、IBM 等云服务巨头也愿意加入共建，最终成为事实标准。

结果就是：Docker 领风骚，Kubernetes 定江山。

现在回到 AI 世界。虽然 Anthropic 的 MCP 抢占了先机，定义了模型（Model）如何调用外部 API 和应用，但 Google 推出的 A2A + ADK + AgentSpace 看起来不仅是「补上拼图」，更像是想主导下一代 Agent 生态。

特别是 ADK，虽然它是通过 MCP 来访问外部 API 和资源的，但开发者在实际使用时是直接接入 ADK，对 MCP 的感知可能会变弱。MCP 可能悄然成为默认的底层通道，逐渐在生态中被边缘化。

如果再往远了想，假如 Google 按照当年 Kubernetes 的路径，再打造一个面向 AI 的"CNCF"式开源组织------不仅定义 A2A 协议，还推动开发工具、框架、生态治理的一整套体系，会不会又是一场关于标准制定权的战役呢？就留待与各位一同见证未来吧！本文作者：Richard 林旅强 ------ Google Cloud Next 25 思否观察团成员、开源社联合创始人、RTE开发者社区主理人，Dev.Together 开发者生态峰会 2025 联席主席。

如果你对于开源、AI、开发者生态等议题感兴趣，欢迎在社区和我继续交流！

更多 Voice Agent 学习笔记：

a16z合伙人：语音交互将成为AI应用公司最强大的突破口之一，巨头们在B2C市场已落后太多丨Voice Agent 学习笔记

ElevenLabs 33 亿美元估值的秘密：技术驱动+用户导向的「小熊软糖」团队丨Voice Agent 学习笔记

端侧 AI 时代，每台家居设备都可以是一个 AI Agent丨Voice Agent 学习笔记

世界最炙手可热的语音 AI 公司，举办了一场全球黑客松，冠军作品你可能已经看过

多模态 AI 怎么玩？这里有 18 个脑洞

AI 重塑宗教体验，语音 Agent 能否成为突破点？

对话 TalktoApps 创始人：Voice AI 提高了我五倍的生产力，语音输入是人机交互的未来

对话式 AI 硬件开发者都关心什么？低延迟语音、视觉理解、Always-on、端侧智能、低功耗......丨 RTE Meetup 回顾

写在最后：

我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。