案例 · 行业案例
2026 年 10 月 8 日
来源：PR Newswire
10月8日，Google Cloud 与高端运动品牌 On（昂跑）宣布，On 借助 AI 智能体完成了 24 项核心服务向 Google Cloud 的迁移，将单个服务的迁移时间从三个月压缩至约两周，其中 15 项迁移由一小队内部工程师完全自主完成，每项服务的计划停机时间控制在 5 分钟以内。据 PR Newswire 新闻稿，On 采用多智能体架构，把迁移拆分为代码库分析、基础设施配置生成、翻译管道创建与测试验证等环节，工程师负责审查生成代码、执行基础设施变更并授权生产切换，关键变更仍须人工批准。On CTO Narek Verdian 表示，外部系统集成商曾就其中一小部分微服务报价 50 万美元，而内部团队在无需额外资源、零业务中断的情况下完成了更广的迁移。此外，On 已将 Gemini Enterprise 推广至全体员工，供团队构建面向高管汇报、市场研究、排期与入职等场景的无代码智能体。
万有知兴点评
昂跑这个案例最大的含金量，是用真金白银证明「智能体 + 人类审批」能把高复杂度、高风险的工程任务从外包变成内部能力——AI 落地最硬的证据就是省下了钱、缩短了周期、还不中断业务。
- 1.对企业落地意味着：迁移周期从三个月缩到两周、省下 50 万美元外包报价，是 AI 智能体在非内容类、工程类场景里交出的一份可量化答卷。它说明智能体的价值远不止写文案、做客服，而是能接管代码分析、配置生成、环境验证这类机械但高风险的技术工作。对机加工、制造等传统行业，这意味着可以把工艺参数梳理、数据清洗、系统集成等同样繁琐且易错的工程环节交给智能体，人工保留审批与把关。
- 2.可借鉴的启示：昂跑反复强调「关键变更须人工批准、工程师审查生成代码」，说明高价值场景里智能体不是「放手让它干」，而是「它干、人审」。这正是企业落地智能体时应遵循的安全范式：让 AI 负责量大、重复、可校验的执行部分，把授权与拍板权留在人手里，既拿到效率红利，又把风险锁在可控范围内，避免全自动带来的失控。
- 3.更深一层：昂跑在迁移成功后，顺势把 Gemini Enterprise 铺到全员、让团队自建无代码智能体，走出了一条「先用一个高价值工程任务验证 ROI，再横向推广到全组织」的落地路径。这对国内企业的启示是：AI 落地不要贪多求全，先挑一个延迟即损失、失败代价可控、结果可量化的核心场景跑通并算清账，再以它为样板复制到其他部门，比一上来就全员铺开更稳妥、也更容易说服管理层持续投入。
点评为万有知兴原创观点，转载需注明出处。