#google-cloud

企業向けAIの勝負は、モデル単体の比較から運用スタック全体の設計へ移っている。Google Cloudは2026年4月24日のCloud Next '26総括で、Gemini Enterprise Agent Platform、Workspace Intelligence、TPU 8t・8i、Virgo Networkを一体のエージェント基盤として打ち出した。

企業向けAIは会話の巧さより、再利用とレビューの仕組みが価値を分ける。Google CloudはGemini Enterpriseでワークフローを共有Skillsとして保存できるようにし、その前日にはAgent Designerで各工程を確認・テスト・承認できると示した。

GoogleはAI事業が実験段階を 넘어運用段階に入ったと打ち出した。Cloud顧客の75%がAI製品を使い、過去12カ月で1兆トークン超を処理した顧客が330社、モデルAPI流量は毎分160億トークンに達したとして、Gemini Enterprise Agent Platformを本格投入した。

Googleは第8世代TPUを学習用8tと推論用8iに分けた。8tはpod当たりnearly 3xの計算性能と121 exaflopsを、8iは19.2 Tb/sの相互接続と最大5x低いオンチップ遅延を掲げ、エージェント時代に学習とサービングの要件が完全に分かれたことを示している。

今回の要点は新しい提携そのものではない。NVIDIAとGoogle CloudはA5X Rubin基盤を単一サイト8万基、マルチサイトで96万基まで拡張でき、推論コストと電力当たり処理量を前世代比で最大10倍改善できると示した。

HNはTPU 8tと8iを巨大な数値競争としてではなく、エージェント時代のインフラが学習用と推論用に分かれ始めた合図として読んだ。コメントも電力効率、メモリ壁、遅延の話に長く留まった。

重要なのは、GoogleがVertex AIを複数サービスの集合からgoverned agent platformへ移していることだ。Google Cloudの投稿は、Model Garden経由でGemini 3.1 Pro、Lyria 3、Gemma 4、Claude系を含む200+ modelsへアクセスできると説明する。

重要なのは、AI infrastructureの競争が単体GPU rentalからsupercomputer級のmanaged clusterへ移っていることだ。Google CloudはA4X Max bare-metal instanceが最大50,000 GPU clusterと従来比2倍のnetwork bandwidthを支えると書いた。

なぜ重要か: Google Cloudはanalytics assistantをSQL説明ツールからmodel-backed analysisの入口へ広げている。今回の投稿は、chatから使える2つのAI functionsとしてforecastingとanomaly detectionを明記した。

Google Cloud Techは2026年4月10日のXで、MCP Toolbox for Databases 向け Java SDK を enterprise-grade agent integration の入口として再提示した。linked blog は、Spring Boot、transactional control、stateful service pattern を維持したまま、custom glue code なしで database と agent を MCP でつなげると主張している。

Google Cloud Techは2026年4月10日、BigQuery の autonomous embedding generation preview を紹介した。BigQuery は source text の変更に合わせて embedding column を自動更新し、そのまま vector index と AI.SEARCH の流れにつなげられる。

GoogleCloudTechは2026年3月27日、Gemini CLIがModel Context Protocol(MCP) serversを使ってfull-stack applicationをmigrateし、deployするデモを共有した。Googleの2025年9月11日のGemini CLI extension記事と2025年12月11日のMCP support発表を合わせると、このデモがCloud Run向けの/deploy、Googleサービス向けmanaged MCP endpoint、そしてIAM・audit logging・Model Armorのようなenterprise controlの上に成り立っていることが分かる。