2026/04/22，Google Cloud Next ’26 大會開場沒多久，台上一句話讓所有用 Vertex AI 的工程師愣住——「Vertex AI 不存在了。」
當然，它沒有真的消失。Google 把 Vertex AI，連同 AI Studio、Agent Builder 和一批治理工具，整併成一個新名字：Gemini Enterprise Agent Platform。舊服務停止獨立銷售，新平台統一入口、統一計費、統一管理。
但這不只是改名。改名是公關動作；整併加三根新支柱，才是商業訊號。Google 用這次發布告訴市場：AI Agent 的時代已經到了，你要碎片化地自己拼工具，還是走進這扇門？
這篇文章從整併前後做對比，拆解三大支柱、200+ 模型策略，以及對台灣中小企業傳達的三個具體商業訊號。不談技術炒作，只看對你的業務有沒有實際意義。
以前的世界：四個服務拼一個 Agent 工作流
在 4/22 之前，想做一個能用的 AI Agent，你要在 Google Cloud 上同時學會至少四個產品。每個產品有自己的控制台、自己的文件、自己的計費邏輯。
具體來說是這四塊：Vertex AI（訓練模型、跑推論，給技術團隊的核心工作台）；AI Studio（試 prompt、調 Gemini 行為，給開發者的實驗場）；Agent Builder（把 prompt 包成有狀態的 Agent，功能有限但上手最快）；然後是一堆零散治理工具——看 log、追費用、設存取權限，每個都是獨立產品，沒有統一介面。
這個組合造成的問題不是技術難度，而是組織決策疲勞。碎片化的工具鏈讓「廠商選型」這件事變成一個需要跨部門對齊的會議馬拉松；技術主管要跟業務單位解釋四個平台的差別，業務單位聽完眼神放空。
來看一個你可能很熟悉的場景：一家 5 人貿易公司，老闆決定要做一個客服 Agent，自動回覆詢價信。聽起來很小、很具體。但技術主管回頭一看，發現光是「用哪個產品做」這個問題，就開了三場選型會——第一場討論 Vertex AI 還是 Agent Builder、第二場討論資料要存 GCS 還是 Firestore、第三場討論 log 要用 Cloud Logging 還是另外接監控。三週過去，一行程式碼都還沒寫。老闆聽完第三份報告，直接說：「算了，先不做了。」
這不是能力問題，也不是資源問題。這是平台設計問題。當工具本身要求你先搞懂四個產品的關係才能動手，大部分台灣中小企業的 IT 資源根本撐不住這個前置成本。
這就是為什麼這次整併重要——它解決的不是技術問題，是組織決策問題。
4/22 之後：一個平台搞定 Build / Govern / Optimize
Gemini Enterprise Agent Platform 把原本四個碎片整合成一個入口，背後是三根支柱：Build（建 Agent）、Govern（管 Agent）、Optimize（評估和改善 Agent）。
Build 支柱給了三條路並行，不同能力的人走不同路徑。Agent Studio 是低程式碼介面，業務單位的同仁不用寫程式就能拉出一個 demo，適合先驗證想法；Agent Development Kit（ADK）是給工程師的程式碼路徑，要寫複雜邏輯、接企業系統時用這個。兩者都在同一個平台上，不用重新學習或搬遷。
Build 支柱最值得注意的是 Agent Runtime 支援多日工作流——這是真正的新東西。以前 Agent 的生命週期通常是「接一個請求、跑一段邏輯、回應、結束」，整個流程幾分鐘或幾十分鐘。但真實的企業流程不是這樣的。一張採購訂單的跟催要跑三天、一份財報的彙整要跑一週。Agent Runtime 讓 Agent 可以掛在那裡、持續追蹤一個任務，中途暫停、等待外部事件、再恢復執行。這個能力以前是要自己搭基礎設施的，現在是內建的。
Govern 支柱是這次整併中最能讓 IT 主管睡得著的部分。三個工具各有明確職責：Agent Identity 給每個 Agent 配一個可追蹤的身份，就像給機器人配員工編號——你知道是哪個 Agent 做了什麼操作，而不是一堆匿名動作混在 log 裡；Agent Registry 是公司內部的 Agent 目錄，記錄誰建的、誰在用、跑什麼業務邏輯；Agent Gateway 是企業級護欄，控制哪個 Agent 能碰到哪些資料，哪些系統介面不能碰。
這三個工具以前要自己搭，搭出來的效果也因人而異。現在 Google 把這層治理做成第一公民，不是附加功能，是平台的核心架構。對於想讓 Agent 進生產環境的企業，這條路終於走得通了。
Optimize 支柱解決的是「Agent 上線之後怎麼知道它跑得好不好」的問題。Agent Simulation 讓你在上線前先跑模擬，測試 Agent 在各種情境下的行為，避免上線後才發現它的回答方式不對；Agent Evaluation 給 Agent 的表現打分數，量化它的回答品質；Agent Observability 是完整執行軌跡可視化——Agent 做了什麼決策、為什麼這樣決定、每一步呼叫了什麼工具，全部有記錄可以查。這個能力在需要問責的企業環境裡是剛需，不是加分項。
以前你要拼四個產品才有的東西，現在進一道門全部到位。更重要的是，這三根支柱不是給工程師用的高階功能——它們的設計目標是讓企業能夠負責任地把 Agent 放進業務流程，而不是永遠在沙盒裡玩。
Model Garden 200+ 模型：Google 的開放策略訊號
Gemini Enterprise Agent Platform 上線時，Model Garden 提供超過 200 個模型可選。這個數字本身不是重點，重點是裡面有誰。
Google 第一方的陣容包含 Gemini 3.1 Pro（旗艦推理）、Gemini 3.1 Flash Image（視覺＋文字快速任務）、Lyria 3（音訊生成）、Gemma 4（開源，可在自己的伺服器上跑）。但更值得注意的是第三方：Anthropic Claude 系列（Opus / Sonnet / Haiku）在 Model Garden 裡屬於一級支援，不是透過 API 橋接，而是原生整合到平台裡。你可以在同一個 Agent Studio 介面裡，直接選擇用 Claude Opus 還是 Gemini 3.1 Pro 跑同一個任務。
這個動作是 Google 對 OpenAI「封閉＋第一方」策略的反向押注。OpenAI 的邏輯是：我的模型最強，你用我的全家桶。Google 的邏輯是：企業要的不是最強的單一模型，是能換、能比、能控成本的模型市集。你賭企業採購者在乎的是靈活性，不是品牌忠誠度。
對台灣讀者的意義很直接：你不會被 Gemini 一個模型綁死。下一代模型出來、想換 Claude 做特定任務、或者 Gemma 4 的成本更低——這些切換都在同一個平台上完成，不需要換廠商、不需要重新申請帳號、不需要重新學一套工具。你的選擇權留在自己手上。
為什麼這次整併是 AI Agent 商業化的分水嶺
過去兩年，AI Agent 大部分時候是在 demo 裡好看，在生產環境裡掉鏈子。這次整併傳達的訊號是：Google 認為這個問題已經被解決了，AI Agent 可以跑生產系統了。
三個證據。第一，多日工作流 Runtime：當 Agent 能夠持續跑好幾天追一個採購訂單、整理一週的財報資料，它就不再是「5 分鐘的 prompt 表演」。它變成了一個能接替真人處理長週期任務的員工。這個能力跨越了 AI Agent 從玩具到工具的那條線。
第二，Agent Identity 和 Agent Gateway：身份治理和存取控制是企業 IT 的硬要求，沒有這層東西，任何理性的 IT 主管都不可能讓 Agent 接觸生產環境的資料。以前這些東西要自己搭，搭不好就是安全漏洞；現在 Google 把這兩個做成平台的核心架構，代表它們是「進入生產系統的門票」，而不是「進階功能以後再說」。
第三，Agent Observability 的完整執行軌跡：當 Agent 出錯的時候，你要能審計它為什麼這樣決定。這不只是除錯的問題，是法律和合規的問題——你的 Agent 做了一個影響客戶的決定，你有責任說得清楚為什麼。沒有可觀測性，AI Agent 永遠只能在沙盒裡玩，因為沒有人敢為它的決策背書。
訊號很清楚：Google 認為 AI Agent 已經到了能跑生產系統的階段，這跟去年「先看看」的態度完全不同。對 IT 主管來說，你的選型遊戲規則變了。問題從「哪個模型最強」變成「哪個平台能讓 Agent 跑得穩、出問題追得到、身份權限管得住」。這三件事現在有了一個統一的答案入口，而不是四個分開的評估清單。
對台灣中小企業的三個信號
以上是給 IT 主管看的。但身為老闆，你要看的是這次發布傳遞了什麼商業訊號。
- 信號一：入門門檻被砍下來。新客戶 $300 美元免費額度，足以讓你做完一個內部 PoC 還有剩。以前評估雲端 AI 平台，你要先過公司採購流程、簽合約、等 IT 部門開帳號，光這段就兩個月過去了。現在你自己就能開帳號、領額度、進 Agent Studio 拉一個 demo。採購審批這道牆被繞過了，起點變得非常低。
- 信號二：不需要先建 IT 團隊。Agent Studio 的低程式碼介面讓業務單位的人先動手，不用等 IT 部門排期。對 5 到 30 人的中小企業，這條路第一次真的走得通。以前「導入 AI」的第一步往往是「先找一個懂 AI 的工程師」，這本身就是一個中小企業難以克服的門檻。現在業務同仁能自己拉 demo、測試流程、收集回饋，再決定要不要讓 IT 深入開發——這個順序完全不一樣。
- 信號三：廠商策略要重看。Google + Anthropic Claude + 開源 Gemma 4 三軌並進，跟 OpenAI「我們最強、來綁我」的策略已經明顯分岔。如果你的 IT 廠商只懂 OpenAI、只推 OpenAI，現在是重新評估的時機。不是 OpenAI 不好，而是市場格局已經不是「一家獨大」的狀態——你的顧問應該能給你跨平台的建議，而不是把所有問題都用同一個答案解決。
但是，平台變簡單不等於導入變簡單。
進入 Gemini Enterprise Agent Platform 的門票變便宜了，但門裡面的真正難題是：你的業務流程，哪一段值得用 Agent 重寫？哪個任務重複度夠高、影響力夠低（出錯不會炸）、ROI 夠容易衡量？這些問題和你用什麼工具無關，是業務判斷，是組織內部的共識問題。工具已經到位了，難題從「怎麼建」移到了「要建什麼」。
下一篇我們會具體講台灣中小企業現在就能動的三個切入點——選什麼題目、跟廠商怎麼談、怎麼避開典型的 PoC 失敗陷阱。品得網絡持續觀察 AI Agent 商業化進程。
