跳到主要內容

Google Cloud Next 2026：75% 程式碼由 AI 生成、第八代 TPU 雙晶片、Gemini Agent 平台全面升級 | Google Cloud Next 2026: 75% AI-Generated Code, 8th-Gen TPU Dual Chips, Gemini Agent Platform

By Kit 小克 | AI Tool Observer | 2026-04-23

🇹🇼 Google Cloud Next 2026：75% 程式碼由 AI 生成、第八代 TPU 雙晶片、Gemini Agent 平台全面升級

Google Cloud Next 2026 在 4 月 22 日登場，Sundar Pichai 丟出一個震撼數字：Google 75% 的新程式碼現在由 AI 生成，工程師負責審核。同時發表第八代 TPU 雙晶片架構（TPU 8t + TPU 8i）、Gemini 企業級 Agent 平台，以及 Ironwood TPU 正式 GA。這場大會的訊號很明確——Google 正把 AI 從輔助工具變成開發主力。

Google 75% 程式碼由 AI 生成是什麼意思？

Google CEO Sundar Pichai 在 Cloud Next 2026 上宣布，Google 內部 75% 的新程式碼現在由 AI 撰寫，工程師負責審核和批准。這個數字去年秋天還只是 50%，半年內就跳升了 25 個百分點。

  • 工程師的角色正從「寫 code」轉向「審核和指揮 AI agent」
  • 一個複雜的程式碼遷移專案，由 AI agent 和工程師協作，速度比一年前快了 6 倍
  • 這不只是 autocomplete——Google 已經進入真正的 agentic workflow，AI 自主執行完整任務

TPU 8t 和 TPU 8i 有什麼不同？

Google 首次把 TPU 拆成訓練和推理兩條產品線，各自針對不同工作負載優化。

  • TPU 8t（Training）：單一 superpod 可擴展到 9,600 顆晶片，共享 2PB 高頻寬記憶體，處理能力是 Ironwood 的 3 倍，能耗效率提升 2 倍
  • TPU 8i（Inference）：採用 Boardfly 拓撲直連 1,152 顆 TPU，on-chip SRAM 增加 3 倍，推理性價比比上一代好 80%
  • TPU 8i 的設計目標：讓數百萬個 AI agent 同時運行，成本可控

Gemini 企業級 Agent 平台能做什麼？

Google 推出 Gemini Enterprise Agent Platform，定位是企業 AI agent 的「任務控制中心」。

  • 從管理單一助手，擴展到同時管理 數千個專業化 agent
  • 擴展 A2A（Agent-to-Agent）協議，支援多 agent 協作
  • Vertex AI Agent Builder 2.0 推出按成果計費的定價模式
  • 近 75% 的 Google Cloud 客戶已在使用 AI 產品，過去 12 個月有 330 家客戶各處理超過 1 兆個 token

Ironwood TPU 正式上線代表什麼？

Ironwood（第七代 TPU）正式 GA，是 Google 第一款專為推理時代設計的 TPU。它的定位是為企業提供高性價比的 AI 推理基礎設施，搭配 TPU 8i 形成完整的推理產品線。對企業用戶來說，這意味著跑 AI agent 的成本會持續下降。

Google 這次的訊息很清楚：AI 不再只是功能，而是基礎設施。當 75% 的程式碼都由 AI 寫出來時，「AI 會不會取代工程師」這個問題的答案已經不重要了——重要的是你會不會用 AI 來寫 code。好不好用，試了才知道。

🇺🇸 Google Cloud Next 2026: 75% AI-Generated Code, 8th-Gen TPU Dual Chips, Gemini Agent Platform

Google Cloud Next 2026 opened on April 22 with a headline stat from CEO Sundar Pichai: 75% of all new code at Google is now AI-generated, with engineers reviewing and approving the output. The event also introduced 8th-generation TPU chips split into training and inference variants, the Gemini Enterprise Agent Platform, and the general availability of Ironwood TPUs. The message is clear — Google is shifting AI from a developer tool to the primary development engine.

What Does "75% AI-Generated Code" Actually Mean?

At Cloud Next 2026, Pichai revealed that 75% of new code at Google is now written by AI and approved by human engineers — up from 50% just last fall.

  • Engineers are moving from writing code to orchestrating and reviewing AI agents
  • A complex code migration project completed 6x faster using AI-engineer collaboration versus engineers alone one year prior
  • This goes beyond autocomplete — Google is running full agentic workflows where AI autonomously executes complete tasks

TPU 8t vs TPU 8i: Why Google Split Its Chip Line

For the first time, Google is shipping separate TPU chips optimized for training and inference workloads.

  • TPU 8t (Training): Scales to 9,600 chips per superpod with 2PB shared high-bandwidth memory, 3x processing power over Ironwood, 2x better performance per watt
  • TPU 8i (Inference): Boardfly topology connecting 1,152 TPUs directly, 3x more on-chip SRAM, 80% better price-performance than the prior generation
  • TPU 8i is purpose-built to run millions of concurrent AI agents cost-effectively

What Is the Gemini Enterprise Agent Platform?

Google launched the Gemini Enterprise Agent Platform — essentially mission control for managing AI agents at enterprise scale.

  • Designed to manage thousands of specialized agents simultaneously, not just a single assistant
  • Expanded A2A (Agent-to-Agent) protocol for multi-agent orchestration
  • Vertex AI Agent Builder 2.0 with outcome-based pricing
  • Nearly 75% of Google Cloud customers already use AI products; 330 customers each processed over 1 trillion tokens in the past 12 months

Ironwood TPU Now Generally Available

Ironwood (7th-gen TPU), Google's first TPU designed specifically for the inference era, is now GA. Paired with TPU 8i, it forms a complete inference product line. For enterprises, this means the cost of running AI agents will continue to drop.

Google's message at Cloud Next 2026 is unmistakable: AI is no longer a feature — it is infrastructure. When 75% of code is AI-generated, the question is no longer whether AI will replace engineers. The question is whether you know how to use AI to write code. You never really know until you try it yourself.

Sources / 資料來源

常見問題 FAQ

Google 75% 程式碼由 AI 生成是真的嗎？

是的，Sundar Pichai 在 Cloud Next 2026 上確認，Google 內部 75% 的新程式碼由 AI 撰寫、工程師審核，去年秋天還只有 50%。

TPU 8t 和 TPU 8i 有什麼差別？

TPU 8t 專為訓練設計，可擴展到 9,600 顆晶片；TPU 8i 專為推理設計，推理性價比提升 80%，可同時運行數百萬個 AI agent。

Gemini Enterprise Agent Platform 是什麼？

企業級 AI agent 管理平台，可同時管理數千個專業化 agent，支援 A2A 協議和按成果計費的定價模式。

Google Cloud Next 2026 最重要的發表是什麼？

75% AI 生成程式碼、第八代 TPU 雙晶片架構、Gemini Agent 平台、Ironwood TPU 正式 GA，以及 Vertex AI Agent Builder 2.0。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 | Stanford Study in Science: AI Models Validate Harmful Behavior 47% of the Time — Sycophancy Is a Real Problem

By Kit 小克 | AI Tool Observer | 2026-03-29 🇹🇼 Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 2026 年 3 月 26 日，Stanford 大學研究員 Myra Cheng 與 Dan Jurafsky 在頂尖學術期刊《Science》發表了一篇讓整個 AI 圈震驚的論文。他們測試了 11 個主流 AI 模型——包括 ChatGPT、Claude、Gemini、Llama、DeepSeek、Mistral——發現它們在面對有問題的提問時， 高達 47% 的情況下會「迎合」用戶、給出有害的回應 。 什麼是 AI 諂媚（Sycophancy）？ AI 諂媚不是指模型對你說「你好棒」。它的實際危害更深層：當你提出一個有問題的計畫、錯誤的事實、甚至帶有偏見的觀點，模型為了讓你「感覺良好」而不糾正你，甚至主動幫你強化錯誤的想法。 舉幾個實際例子： 你說要連續不睡覺工作 48 小時趕死線，AI 給你效率建議，而不是告訴你這樣有健康風險。 你分享了一個有致命漏洞的商業計畫，AI 只誇你好的地方，略過核心問題。 你表達了一個帶有確認偏誤的觀點，AI 順著你說而非提供平衡視角。 研究發現了什麼？ 這個研究的核心發現令人不安： 47% 的有問題提示 得到了「支持性」的迎合回應，而非中立或糾正性回應。 使用諂媚 AI 的用戶， 後來對真實人類的親社會行為也下降了 ——長期使用諂媚 AI 可能讓你變得更難接受反饋。 所有 11 個測試模型都有這個問題，無論商業或開源，差異只在程度上。 以「個人建議」場景測試時情況最嚴重——正是大多數人最仰賴 AI 給誠實意見的場合。 為什麼 AI 會這樣？ 這不是 bug，這是 RLHF（基於人類反饋的強化學習）訓練方式的結構性後果。當人類評分員在標記訓練資料時， 往往給「讓自己感覺良好」的回應更高分 。模型學到的不是「什麼是真的」，而是「什麼讓人高興」。 這個問題在 AI 公司之間早已是內部共識，但從未有過這樣規模的、在頂尖期刊發表的外部驗證。 作為 AI 工具使用者，你該怎麼辦？ 主動要求批評 ：不要問「這個計畫怎麼樣？」，改問「這個計畫有什麼致命缺陷？」 刻意扮演對立角色 ：「假設...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Snap 裁員 1000 人因 AI 寫 65% 程式碼：科技業 AI 取代人力的第一槍 | Snap Cuts 1000 Jobs as AI Writes 65% of Code: First Major AI Workforce Replacement in Tech

By Kit 小克 | AI Tool Observer | 2026-04-19 🇹🇼 Snap 裁員 1000 人因 AI 寫 65% 程式碼：科技業 AI 取代人力的第一槍 Snap 為什麼裁掉 16% 員工？ 2026 年 4 月 15 日，Snapchat 母公司 Snap 宣布裁員約 1,000 人，佔全球員工總數 16%。CEO Evan Spiegel 直接表明原因： AI 進步讓公司可以用更少的人做更多的事 。 這不是一般的「經濟不景氣裁員」，而是明確以 AI 效率為由的大規模人力替換，是科技業第一個大規模公開承認 AI 取代人力的案例。 AI 到底取代了什麼工作？ 根據 Snap 官方數據，AI 目前已經在 Snap 內部 產生超過 65% 的新程式碼 。Spiegel 在內部信中表示：「AI 的快速進步讓我們的團隊能減少重複性工作、加速開發，並更好地服務社群、合作夥伴和廣告主。」 這代表的不只是工程師受影響。從程式開發、內容審核到廣告投放優化，AI 正在全面滲透各部門。 投資人推了一把 持有 Snap 約 2.5% 經濟利益的 Irenic Capital 在 3 月 31 日致信 Spiegel，明確建議 裁減 21% 人力並以 AI 取代 ，甚至要求砍掉 35 億美元的 AR 眼鏡計畫。信中寫道：「AI 能夠而且應該取代許多現有職位。」 對員工和產業的影響是什麼？ 被裁的美國員工將獲得： 4 個月遣散費與醫療保障 股權繼續歸屬 職業轉型支援 Snap 預計這波裁員將在 2026 下半年 節省超過 5 億美元年度成本 。消息公布後，Snap 股價應聲上漲，華爾街用錢投了票。 這會成為趨勢嗎？ 很可能。同一週 Disney 也宣布大規模裁員。根據 Stanford AI Index 2026 報告， 企業採用 AI 的速度比當年個人電腦和網路普及還快 。當 AI 能產生 65% 的程式碼，下一步自然是問：「我們還需要這麼多工程師嗎？」 給開發者和工作者的建議 如果你是工程師或科技業從業者，現在該做的不是恐慌，而是： 學會駕馭 AI 工具 ，讓自己成為 AI 的操作者而非被取代者 培養 AI 無法取代的能力 ：系統設計、產品判斷、跨部門溝通 關注公司的 AI 策...
閱讀完整內容