企业人工智能格局已从对话式机器人演进为能够自主行动的代理式人工智能。这一转变对现有基础设施构成压力，83% 的组织需要升级以支持生产级代理式人工智能。遗留架构难以应对自主代理的规模与持续推理需求，导致产生“推理税”，表现为数据外传、存储膨胀及硬件闲置。流体计算通过将硅基资源与任务精准匹配并最小化开销，对于解决这些低效问题至关重要。集中式治理对于管理自主代理的激增以及应对安全、治理和 MLOps 挑战不可或缺。统一数据层使代理能够无论信息位置如何均可访问并理解，从而消除碎片化。混合多云架构正成为常态，由数字主权及遵守本地数据驻留法规的需求所驱动。边缘人工智能部署对于降低延迟、确保运营韧性以及通过靠近源头处理交互来提升成本效益至关重要。能源消耗是重要的运营因素，受限于电网稀缺、监管合规及基础设施经济，进而影响硬件选型。采用统一且针对人工智能优化的基础设施（如 Google Cloud 的 AI 超计算机），其中所有层级均协同设计，是克服这些挑战的关键。这种整体方法使得物理人工智能成为可能，即自主系统能够与现实世界的问题进行交互并加以解决。