根据Google Cloud发布的State of AI infrastructure报告，83%的组织认为需要基础设施升级才能支撑生产级agentic AI系统。与此同时，Google Cloud在Next 2026上推出了Agentic Data Cloud，将数据、AI模型和操作数据库统一为单一System of Action。

报告指出，agentic系统面临的最大瓶颈不是模型能力，而是缺乏业务上下文和语义。43%的IT领袖认为“与遗留API和数据源集成困难”是最大基础设施缺口。Agentic Data Cloud通过borderless Lakehouse（基于BigQuery、Spanner等原生引擎及Apache Spark、Iceberg开放标准）让agent能跨环境读、推理并激活数据，绕过传统架构的延迟和成本。

工程负担是另一大问题：81%的领袖将运营复杂度和工程开销列为扩展AI时未预见的开支，工程师需花大量时间手动拼接不同系统的agent。Agentic Data Cloud通过垂直集成，在AI原生基础设施上让模型、数据系统和底层加速器协同设计，减少网络跳数并简化工具集成，agent获得洞察后可直接触发安全事务，降低工程开销。

信任与知识方面，36%的领袖缺乏高吞吐向量数据库来为AI模型提供grounding。Agentic Data Cloud利用Knowledge Catalog从非结构化数据提取语义，自动生成语义，作为主动推理层。agent需要实时读写包括遗留ERP和第三方CRM在内的数据系统，并拥有长期记忆（如三周前的用户偏好），避免重复处理。

报告总结，2026及未来的赢家不是拥有最智能agent的组织，而是能安全、经济、大规模地为agent提供正确知识的企业。Google Cloud呼吁企业构建连接、主动的数据生态，确保基础设施能承载agent时代的需求。