對話谷歌雲副總裁：別做大模型“二道販子”，AI 創業下半場紅利在智能體

整理 & 編譯：深潮 TechFlow

嘉賓：Darren Mowry，谷歌雲副總裁

主持人：Rebecca Bellan

播客源：TechCrunch

原標題：Is your startup's check engine light on？ Google Cloud's VP explains what to do | Equity Podcast

播出日期：2026 年 2 月 19 日

要點總結

初創公司創始人正面臨前所未有的壓力：在資金越來越緊張、基礎設施成本不斷上漲的情況下，他們不僅需要加速創新，還必須在早期階段證明自己的產品能吸引市場。雖然雲服務積分 （Cloud credits，雲服務提供商提供的免費試用額度）、GPU 和基礎模型 （Foundation models，支持生成式 AI 的預訓練模型） 的普及讓創業變得更加容易，但這些早期的基礎設施選擇可能會在免費額度用完、需要支付實際雲服務費用時帶來意想不到的挑戰。

在本期 TechCrunch 的 Equity 播客中，Rebecca Bellan 與 Google Cloud 全球初創企業副總裁 Darren Mowry 深入探討了初創公司在快速擴展過程中面臨的權衡與挑戰。作為全球初創生態的核心人物，Mowry 分享了他對行業趨勢的觀察，Google Cloud 如何在競爭中吸引 AI 初創公司，以及初創公司創始人在擴展規模時需要注意的關鍵問題。

精彩觀點摘要

• 雖然雲服務積分 （Credits） 是行業內的標準做法，但它本身並沒有什麼特別之處。我們都知道積分對初創公司來說確實重要，但創始人真正需要的是更深入的工程資源和技術支持。
• 無論是基於 TPUs 還是 GPUs，我們的目標是幫助創始人找到最適合他們的解決方案，而不是強制他們走某一條固定的路徑。我們發現這種選擇的自由對創始人來說非常重要，也是我們的一大優勢。
• 如今初創公司開始從關注芯片（如 GPU 和 TPU）轉向更關注數據模型和智能體。目前，大約 10% 到 15% 的討論仍然圍繞芯片展開，但絕大多數，約 80% 到 85% 的關注點已經集中在模型和智能體的開發上。
• 智能體能夠解決複雜的定製化問題，其應用場景非常廣泛，未來可能會有成千上萬個智能體被開發出來。
• 現在我們看到越來越多的初創者的湧現，他們來自頂尖大學、Y Combinator，以及一些知名的 AI 研究機構，比如 OpenAI、Anthropic 和 DeepMind，這些新創始人帶來了更多的創新活力。
• 談到 AWS 和 Microsoft... 它們的市場定位更多傾向於技術的分銷商角色，而不是像 Google 一樣直接提供先進的技術解決方案。Google 不僅開發世界級的 AI 技術，還能夠作為第一方提供商支持第三方能力，這使我們在競爭中顯得獨特。
• 初創公司在雲計算和 AI 的快速發展中，正在改變傳統企業 IT 的經濟邏輯。過去，我們通常認為員工數量越多的企業是最大的客戶... 但現在一些小型初創公司，例如 Cursor、Lovable 和 Open Evidence，雖然員工規模較小，但它們在技術資源的消耗上遠遠超過了自身規模。這些公司以工程驅動為核心，推動我們的平臺達到新的技術極限。
• 第一個是“大語言模型 （LLM） 封裝”現象。封裝指的是在像 Gemini 或 GPT-5 這樣的模型周圍添加一層功能或知識產權，以形成應用層。然而我們發現，行業對這種簡單封裝的需求正在快速下降。如果一個初創公司僅依賴後端模型完成所有工作，並幾乎只是對模型進行貼牌處理，那麼這種方式已經很難獲得認可。
• 另一個值得注意的趨勢是“聚合器”模式的挑戰。聚合器指的是試圖在多個模型或平臺之上構建一層，用於幫助用戶選擇模型的系統。... 我們發現這種聚合器模式的增長並不顯著，因為用戶希望看到更多的智能化功能，而不僅僅是一個簡單的選擇層。
• 生物技術、氣候技術和消費者體驗是我們重點關注的領域。這些行業正在快速發展，我們看到生態系統中有著顯著的增長、強勁的留存率以及越來越多的興趣。

初創公司如何加入 Google Cloud 生態系統

Rebecca：初創公司如何成為你們生態系統的一部分？他們如何參與其中？你們為他們提供哪些支持？

Darren：

這是一個雙向互動的過程，我們通過推動力和拉動力來吸引初創公司加入我們的生態系統。五年前我剛加入 Google Cloud 時，雲計算市場主要由 AWS 主導。AWS 通過一種無摩擦的信用卡式模式，讓創始人可以輕鬆使用計算、存儲和數據庫來構建產品，而當時 Google Cloud 的市場定位更多是“第三選擇”，競爭環境相對傳統。

但在過去的 18 到 20 個月裡，隨著 AI 的快速發展，情況發生了巨大改變。AI 不再是一個炒作的概念，而是已經成為切實可行的技術解決方案。Google 在 AI 技術方面投入了大量資源，例如我們的先進大語言模型 Gemini，它具備強大的自然語言處理能力，為許多初創公司提供了技術支持。正是這些技術上的優勢，讓越來越多的創始人主動選擇從一開始就在 Google Cloud 上構建產品，這成為了強大的拉動力。

為了幫助這些初創公司，我們推出了 Google Cloud for Startups 項目。創始人可以通過簡單的在線搜索找到該項目，並瞭解詳細信息。我們根據初創公司所處的不同發展階段，為他們提供定製化的雲服務積分 （Cloud credits）。這些積分是 Google Cloud 提供的免費試用額度，旨在支持初創公司在早期階段快速啟動項目。無論他們是剛剛完成第一輪融資，還是已經進入更成熟的發展階段，我們都會根據他們的需求和支持者情況，提供相應的技術資源和服務，幫助他們實現快速成長。

超越雲服務積分：工程資源與技術支持

Darren：我想強調的是，雖然雲服務積分 （Credits） 是行業內的標準做法，但它本身並沒有什麼特別之處。我們都知道積分對初創公司來說確實重要，但創始人真正需要的是更深入的工程資源和技術支持。例如，他們希望獲得 DeepMind 專家的直接指導，或者希望有經驗豐富的客戶工程師參與到產品定義中。為此，我們強化了技術支持模式，將資源直接投入到初創公司的核心需求中。從早期階段到後期階段，我們都為初創公司提供技術專家的支持，這是 Google Cloud 的獨特優勢，也是我們項目的一大亮點。

此外，我們還為初創公司提供額外的支持，包括促銷活動、免費使用 Workspace（Google 的辦公套件，包括 Gmail、Google Drive 和 Google Docs），以及幫助初創公司將最小可行產品 （Minimum Viable Product，MVP） 或第一代產品推向市場的解決方案。所有這些都包含在 Google Cloud for Startups 項目中。所以我很高興你提到這個問題，因為很多人誤以為這個項目僅僅是提供積分，但實際上它遠遠超出了這個範疇。

Rebecca：那麼目前有多少初創公司參與這個項目？你們是如何為這些初創公司提供工程師和研究人員資源的？

Darren：

目前有成千上萬的初創公司參與這個項目。今年我們看到顯著增長，這主要得益於 Google 的技術吸引力，包括 Gemini 和 DeepMind 的領先能力。更重要的是我們從生命週期的角度來看待初創公司。我們知道，當初創公司耗盡積分或無法繼續使用時，會面臨轉型的關鍵時刻。為了幫助他們平穩過渡，我們提供商業和經濟層面的支持，讓他們能夠繼續留在我們的生態系統中。

雖然我無法分享具體的留存率，但我們嚴格衡量積分結束後仍然留在 Google Cloud 平臺上的初創公司數量。從行業角度來看，我們的留存率非常高，是我在職業生涯中從未見過的。而且這個數字每個季度都在增長，這表明即使在積分用完之後，初創公司仍然選擇留在我們的平臺上。

TPUs 與 GPUs：構建選擇的自由

Rebecca：Google Cloud 的一個顯著優勢是你們擁有自己的 TPUs （Tensor Processing Units），對吧？那麼 TPUs 在吸引初創公司方面有多大的差異化優勢？同時，這是否會帶來一些潛在問題，比如初創公司習慣於使用 TPUs 構建後，可能會在切換到 GPUs （Graphics Processing Units） 時遇到困難？

Darren：

這是個很好的問題。你提到的核心問題其實反映了我們的一個重要理念：為初創公司提供選擇的自由。我們相信，這種靈活性是我們目前的一大競爭優勢。

從芯片層面來看，TPUs 是 Google 的核心技術之一。我們已經開發到了第七代，並即將推出第八代。與一些剛剛進入芯片領域的競爭對手不同，Google 在這個領域已經深耕多年。我們的 TPUs 性能卓越，同時具備強大的商業和經濟模型，因此有許多初創公司願意從一開始就選擇基於 TPUs 構建他們的產品。

同時，我也想強調，我們不僅提供 TPUs，還與 NVIDIA 建立了緊密的合作關係。就在我身後的辦公室裡，我曾與 NVIDIA 的初創團隊領導進行過深入交流。許多初創公司對 NVIDIA 的技術充滿信心，我們也希望通過與 NVIDIA 的合作，為初創公司提供更多選擇。無論是基於 TPUs 還是 GPUs，我們的目標是幫助創始人找到最適合他們的解決方案，而不是強制他們走某一條固定的路徑。我們發現這種選擇的自由對創始人來說非常重要，也是我們的一大優勢。

雲服務積分用完後成本激增時該怎麼辦

Rebecca：你提到許多初創公司在用完 Google 的雲服務積分後仍然選擇留在你們的平臺上，留存率看起來非常高。但我也聽到一些創始人抱怨，他們知道積分會用完，但沒想到用完得這麼快，而且隨之而來的成本激增讓他們措手不及。一般來說，切換雲服務可能需要幾個月的時間，而初創公司往往沒有這樣的時間。基礎設施成本的上漲，加上雲服務提供商的議價能力增強，可能會導致初創公司在收入尚未覆蓋成本之前就面臨倒閉的風險。他們是否向你們表達過感到被困住的擔憂？如果是這樣，Google 是否有責任幫助初創公司渡過難關，或者提供更多免費資源以減輕他們的壓力？

Darren：

這是一個非常重要的問題，尤其是在過去六到八個月裡，我們確實發現了一些新的使用模式，特別是在 AI 應用方面。我們注意到，雲服務積分用完後可能會出現成本激增的情況，為此我們採取了一些措施，幫助初創公司更好地管理成本。

比如，我們在項目中部署了技術工具和程序化機制，讓創始人能夠通過控制檯監控資源使用和成本，避免預算超支。控制檯是一個雲服務的管理界面，初創公司可以在其中實時查看資源消耗和費用情況。我們的目標是幫助他們自我管理，因為項目中有成千上萬的初創公司，我無法與每一位創始人單獨溝通。因此我們必須提供無需人工干預的解決方案，幫助他們更高效地管理資源。

與此同時，我們也在初創公司的早期階段投入了大量資源，幫助他們做出開發決策、平臺選擇和架構設計。這種提前介入讓成本方面的意外情況顯著減少，主要有兩個原因。第一，我們的工程師不僅關注技術問題，還會考慮初創公司分配的雲服務積分、資金燃燒率 （Burn Rate，指初創公司在一定時間內的資金消耗速度） 和整體資金狀況。第二，我們非常清楚，讓初創公司成本失控對雙方都沒有好處。我們希望與初創公司建立長期合作關係，而不是讓他們因為資金耗盡而退出。因此，我們的工程師不僅提供技術支持，還會幫助創始人從經濟和商業層面優化資源使用，確保他們能夠平穩渡過積分用完後的階段。

從芯片到模型與智能體的轉變

Darren：最近我注意到一個非常有趣的現象，那就是初創公司討論的重點正在快速轉移。如今初創公司開始從關注芯片（如 GPU 和 TPU）轉向更關注數據模型和智能體 （Agentic）。目前，大約 10% 到 15% 的討論仍然圍繞芯片展開，但絕大多數，約 80% 到 85% 的關注點已經集中在模型和智能體的開發上。

這種轉變極大地改變了初創公司的經濟模式。例如，使用 Google 的 Gemini 模型進行任務處理的成本，與傳統雲計算的成本相比有顯著差異。Gemini 是 Google 開發的一款先進的大語言模型，專注於生成式 AI 應用。它能夠幫助初創公司以更低的成本、更快的速度完成更多的任務。

因此，我們需要幫助初創公司從對芯片的過度關注中轉移出來，開始更多地討論數據模型和智能體的開發。

初創公司中 AI 採用的趨勢

Rebecca：你最近觀察到了什麼趨勢？在早期階段的公司中，AI 的採用有哪些變化？你們如何定義成功？

Darren：

AI 技術的採用方式正在快速變化。

首先，與過去相比初創公司在資金來源和創始人背景上呈現出新的特點。在雲計算時代，我們主要關注那些獲得大額投資的初創公司，通常由知名風險投資機構支持，例如 A16Z、Sequoia、Gradient 和 GV。這些機構以發現優秀創始人和項目而聞名。然而，現在我們看到越來越多的初次創業者湧現，他們來自頂尖大學、Y Combinator，以及一些知名的 AI 研究機構，比如 OpenAI、Anthropic 和 DeepMind。這些新創始人帶來了更多的創新活力，同時也讓我們需要為更復雜和更大規模的支持需求做好準備。

其次，過去 18 到 20 個月中，初創公司關注的重點發生了顯著變化。從最初專注於芯片技術（如 GPU 和 TPU），到如今更多地聚焦於數據模型和智能體的開發。智能體 （Agent） 是一種能夠自主學習和執行復雜任務的 AI 系統，通常結合大語言模型 （LLM） 使用。我們發現，初創公司對模型的需求快速增長，例如 Google 的 Gemini 模型。Gemini 是一款先進的大語言模型，專注於生成式 AI 應用，能夠以更低的成本、更快的速度幫助初創公司完成複雜任務。

此外，我們也注意到其他公司正在開發優秀的模型，例如 Anthropic 的 Claude 和 Meta 的 Sonnet。為了滿足初創公司日益多樣化的需求，我們推出了一個靈活的平臺，通過 Marketplace 和 Model Garden 整合這些模型。Model Garden 是 Google 提供的模型整合平臺，初創公司可以在其中選擇並集成多種 AI 模型。這種靈活性使得初創公司能夠使用多模型解決方案，同時充分利用 Google Cloud 平臺進行整合和開發。

最後，雖然芯片和模型仍然是討論的重點，但我們認為未來的關鍵在於數據、應用程序和智能體的開發。智能體能夠解決複雜的定製化問題，其應用場景非常廣泛，未來可能會有成千上萬個智能體被開發出來。相比之下，芯片領域的競爭者數量較少，而智能體的潛力巨大。Google 和 Alphabet 在數據、開發者支持以及應用程序領域擁有深厚的技術積累，這使我們在推動智能體技術的發展方面具備獨特優勢。我認為，這種趨勢將持續推動初創公司採用 AI 技術，並實現更高效的創新。

智能體是否已經開始創造實際收入？

Rebecca：智能體是否已經開始轉化為實際收入？你們是否有看到這種現象？

Darren：

我們確實看到了這種趨勢。智能體正在從科學實驗逐步轉向實際應用，雖然這一轉變還處於早期階段，但它已經顯現出巨大的潛力。

以 Google 的智能體平臺 Gemini Enterprise 為例，我們正在幫助全球大型企業，例如 Walmart、Wells Fargo 和 Verizon，獲取智能體解決方案。這些智能體可以由 Google 開發，也可以由其他公司或企業內部的 IT 團隊構建，為企業解決實際問題。對於這些企業來說，智能體已經在優化流程、提高效率等方面創造了實際價值。

對於初創公司來說，Gemini Enterprise 的意義更加獨特。它不僅支持初創公司利用 Google 的技術構建智能體，還提供了一個全球分發渠道。例如，如果你是一位初創公司創始人，開發了一個自動化的播客智能體平臺，希望將其推廣給更多用戶，那麼 Gemini Enterprise 就可以幫助你將解決方案分發給全球成千上萬的企業。這些企業能夠利用智能體解決實際問題，從而為初創公司帶來收入和用戶增長。雖然這一模式還處於早期階段，但我們相信這種市場和分發機會在企業領域具有無與倫比的價值，對初創公司來說也是一個重要的機會。

Rebecca：

所以這確實是一個完整的生態系統，從概念到市場推廣。顯然，你們的計算架構非常集中化，但我注意到一些初創公司正在嘗試使用去中心化計算來降低成本並避免鎖定效應。你認為這種方式是否可以成為集中化雲基礎設施的一個真正替代方案，還是更像是對其的補充？

Darren：

目前來看，我們認為去中心化計算並不是集中化雲基礎設施的完全替代方案。根據具體的使用場景和創始人的需求，我們發現集中化計算和分佈式計算可以結合使用。分佈式計算在某些情況下確實能夠降低成本並減少對單一服務提供商的依賴，但它目前更像是對集中化雲基礎設施的一種補充，而非主流解決方案。我們會持續關注這一領域的進展，但現在它仍然是一個額外的選項。

與 AWS 和 Microsoft 的競爭

Rebecca：從當前雲市場的競爭格局來看，除了去中心化計算這樣的替代方案，還有其他主要玩家，比如超大規模雲提供商 （Hyperscalers），例如 AWS 和 Microsoft。在初創公司領域，他們提供的服務與你們類似。除了你已經提到的 Google 的獨特之處，還有哪些因素讓你們在競爭中顯得與眾不同？

Darren：

這是一個很好的問題。我認為當前雲市場的競爭格局正在快速變化，甚至可以說這種變化已經發生了顯著的轉變。

首先，談到 AWS 和 Microsoft，我們對它們非常尊重。這些公司擁有深厚的技術積累、優秀的人才和雄厚的資金支持，始終是值得關注的競爭者。然而，它們的市場定位更多傾向於技術的分銷商角色，而不是像 Google 一樣直接提供先進的技術解決方案。Google 不僅開發世界級的 AI 技術，還能夠作為第一方提供商支持第三方能力，這使我們在競爭中顯得獨特。

最近在我們于山景城舉辦的一次初創公司活動中，一位專注於氣候技術的創始人分享了他的經驗。他曾與 AWS 合作，但他發現 AWS 的服務更傾向於分銷其他技術，而 Google 則能夠直接提供先進的 AI 技術支持。這種差異讓我們在與其他超大規模雲提供商的競爭中佔據了獨特優勢。

其次，初創公司關注的重點也在發生改變。過去，我們與創始人的討論主要集中在芯片供應上，比如 GPU 和 TPU。但現在，更多的關注點轉向了 AI 模型和智能體開發。比如 Google 的 Gemini 模型，它是一款專注於生成式 AI 應用的大語言模型 （LLM），能夠幫助初創公司以更低的成本完成複雜任務。同時，其他公司也在開發優秀的模型，例如 OpenAI 的 GPT-5 和 Anthropic 的 Claude。Claude 是一種智能體模型，專注於複雜任務的自動化處理。我們發現許多初創公司正在整合使用 Gemini 和 Claude 模型，以優化解決方案，這種方式非常獨特。

此外，過去我們與創始人的討論更多集中在芯片層面，比如 GPU 和 TPU 的供應，但現在討論的重點已經轉向了 AI 模型。Gemini 是 Google 開發的一款先進的大語言模型 （LLM），而 Claude 是 Anthropic 的智能體模型。我們發現許多初創公司正在同時使用 Gemini 和 Claude，這種整合方式非常獨特。

最後，我還想提到我們與 Anthropic 的特殊關係。Anthropic 既是我們的合作伙伴，也是我們的競爭對手。這種既合作又競爭的關係在當前市場中非常常見，但也使競爭格局更加複雜。我們每天都在密切關注這些動態變化，因為市場的演變速度非常快。

初創公司使用 vs。 持續付費需求

Rebecca：從初創公司到雲客戶的轉化路徑，對於 Google 來說，這屬於雲客戶獲取的一部分，對吧？那麼當 Google 提到雲使用量的強勁增長時，你們如何區分由積分資助的初創公司使用量和實際的持續付費需求？

Darren：

初創公司在雲計算和 AI 的快速發展中，正在改變傳統企業 IT 的經濟邏輯。過去，我們通常認為員工數量越多的企業是最大的客戶，因為它們會購買更多的產品。但現在一些小型初創公司，例如 Cursor、Lovable 和 Open Evidence，雖然員工規模較小，但它們在技術資源的消耗上遠遠超過了自身規模。這些公司以工程驅動為核心，推動我們的平臺達到新的技術極限。例如，它們向 DeepMind 提出模型優化建議，向 Google Cloud 反饋雲功能改進需求，這種方式徹底顛覆了傳統的企業 IT 模式。

回到你的問題，我們對初創公司和企業客戶的衡量標準有所不同。對於初創公司，我們關注的是它們的實際使用情況，我們會衡量有多少初創公司在我們的平臺上構建產品，使用了多少 Gemini 模型，以及集成了多少第三方模型。我們從關注採購轉變為關注實際使用量。現在，我可以與我們的 CRO（首席營收官）和 COO（首席運營官）討論初創公司使用高級服務的情況，而不僅僅是原始數據。這些增長指標是我每天關注的重點。

此外，我們還特別關注那些從雲積分計劃畢業的初創公司，確保它們能夠平穩過渡到持續付費的階段，並實現長期發展。我們支持初創公司從早期的技術構建到後期的市場推廣，幫助它們創造交易機會並實現收入增長。我們的目標是以平衡的方式幫助這些公司在技術和經濟層面都取得成功。

潛在問題：大語言模型封裝和聚合器

Rebecca：你提到許多初創公司正在使用雲積分。你們對今天的 AI 工作負載能夠轉化為 Google 的長期雲收入，而不僅僅是更多的積分和更多的使用量，有多大的信心？

Darren：

這是一個非常重要的問題，也是我工作中最激動人心的一部分。每天醒來，我都有機會與那些全力構建自己深信不疑的產品的創始人交流，這種交流讓我對未來充滿信心和期待。

最近，有兩個現象是我特別想提醒創業者注意的問題。第一個是“大語言模型 （LLM） 封裝”現象。封裝指的是在像 Gemini 或 GPT-5 這樣的模型周圍添加一層功能或知識產權，以形成應用層。然而我們發現，行業對這種簡單封裝的需求正在快速下降。如果一個初創公司僅依賴後端模型完成所有工作，並幾乎只是對模型進行貼牌處理，那麼這種方式已經很難獲得認可。如今，初創公司需要通過創新構建深厚的護城河，無論是通過橫向差異化，還是專注於特定垂直市場，開發獨特的解決方案。那些僅僅進行簡單封裝的初創公司，通常難以實現長期增長。

另一個值得注意的趨勢是“聚合器”模式的挑戰。聚合器指的是試圖在多個模型或平臺之上構建一層，用於幫助用戶選擇模型的系統。這種模式在雲計算領域曾經出現過，比如一些公司試圖在多個雲平臺之上構建一個選擇服務的層，或者硬編碼到某個模型中。然而，我們發現這種聚合器模式的增長並不顯著，因為用戶希望看到更多的智能化功能，而不僅僅是一個簡單的選擇層。用戶希望系統能夠真正理解他們的需求，並通過智能化功能為他們推薦最符合需求的模型，而不是僅僅提供一個薄層選項。

重點關注領域：生物技術、氣候技術和世界模型

Darren：

在一些領域，我們看到了一些非常令人振奮的趨勢，比如代碼生成和開發者平臺。2025 年是一個充滿奇蹟的年份，我與 Replete、Lovable 和 Cursor 的合作經歷十分令人激動，這些公司正在徹底重塑代碼生成和開發工具領域。

除此之外，生物技術也是一個充滿潛力的領域。我們認為技術與生物學的結合是解決重大健康問題的關鍵，比如癌症治療。單靠生物學無法完成這樣的任務，而技術的加入正在改變這一局面。我個人對這個領域也有一些特殊的情感聯繫。我的女兒正在附近的大學攻讀生物醫學工程博士學位，她在實驗室中使用 AlphaFold 模型，這是一款由 DeepMind 開發的 AI 工具，用於預測蛋白質結構。這種工具讓她能夠完成以前無法實現的研究任務。生物技術和數字健康領域正在迎來爆發式增長，我們看到了一些令人驚歎的創新。

另一個充滿希望的領域是氣候技術。雖然我們一直在期待氣候技術的突破，但現在我們終於看到了顯著的進展。風險投資正在大量湧入這一領域，初創公司也在利用海量數據進行創新。通過整合這些數據，這些公司能夠以以前無法想象的方式解決氣候問題，氣候技術是我們看到增長最快的領域之一。

最後是關於消費者體驗的創新。技術正在重新定義我們如何將先進的工具直接帶給消費者。我的另一個女兒是一名電影和電視專業的學生，她利用 VO 和我們最新的模型創作了許多作品。這些技術讓她能夠實現以前難以完成的創意項目。現在，我們能夠讓更多人實現他們的夢想，這讓我感到非常興奮。

目前，生物技術、氣候技術和消費者體驗是我們重點關注的領域。這些行業正在快速發展，我們看到生態系統中有著顯著的增長、強勁的留存率以及越來越多的興趣。這是一個充滿機遇的時代，我們對未來充滿期待。

結束語

Rebecca：你們認為當前面臨挑戰且增長較慢的領域是一些潛在問題，比如聚合器模式。而能夠實現長期增長的，則是生物技術、世界模型和影視創作等新興行業。你能否舉幾個初創公司例子，它們正在快速成長為 Google Cloud 的重要客戶？

Darren：

當然可以。目前我們已經多次提到 Harvey，這是一家專注於專業服務和法律領域的初創公司，正在快速成長為我們的重要客戶。此外，還有氣候技術領域的初創公司 Watershed，與我們有著深入合作。至於開發者平臺領域，我之前提到的 Replete、Lovable 和 Cursor 等公司也在快速發展。我們會繼續通過各種渠道展示這些初創公司，包括像這樣的播客，以及即將於今年四月舉行的 Google Cloud Next 活動。這是 Google Cloud 每年舉辦的技術大會，專注於展示最新的雲技術和合作案例。同時，我們也會在自己的活動中為這些初創公司提供更多曝光機會，幫助它們發展壯大。