Google Cloud 更新 Agentic Data Cloud，支持大规模自主 AI 智能体

人工智能不再只是告诉人们该做什么的对话助手。如今，一切都围绕着工作自动化展开，而Google Cloud正通过其全面升级的Agentic Data Cloud平台确保自己站在这一趋势的最前沿，该平台今天获得了一系列新更新。

Agentic Data Cloud于今年早些时候在Google Cloud Next上推出。它旨在成为AI智能体的架构性“行动系统”，取代那些为传统软件应用提供数据的、脆弱的基于提取、转换和加载的数据管道（ETL）。Agentic Data Cloud的关键优势在于，它能在客户数据所在之处与其对接，因此无需强迫客户将所有信息塞进一个大型集中式数据仓库，而是让AI智能体能够在数据所在的任何位置访问它。

Google数据分析产品管理副总裁Sirish Chandrasekaran在一篇博客文章中阐述了公司的观点：自主智能体而非人类将很快成为数据的主要消费者。因此，专门为它们构建一套专用的基础设施栈是合理的，优先考虑低延迟、零数据移动和自动化治理。“这就是我们构建Agentic Data Cloud的原因——这是一个行动系统，旨在通过打破数据孤岛来激活你的所有数据，提供高准确性和可信度，并以低成本主动运行，”Chandrasekaran表示。

Agentic Data Cloud的旗舰新功能是borderless Lakehouse，这是Google“cross-border Lakehouse”产品的特殊版本，该产品同样在Cloud Next上首次亮相。Chandrasekaran表示，borderless Lakehouse基于开源Apache Iceberg表格式构建，并针对Amazon Web Services和Microsoft Azure的新缓存能力设计，以消除多云摩擦。这允许企业通过安全的私有链路查询托管在这些云平台上的远程数据，而无需支付出网费用。

Chandrasekaran详细介绍了其工作原理，称它会自动在Google Cloud内缓存检索到的数据块，以加速后续查询。此外还有一项新的AlloyDB集成，允许用户使用标准PostgreSQL查询来查询外部Iceberg表，而无需复制数据。通过这种方式，它将实时事务数据与历史湖仓记录连接起来。

更接地气的智能体

自主智能体的一个主要问题是，如果没有适当的防护措施，它们很容易产生幻觉，这就是Google对Agentic Data Cloud中另一项能力进行全面改造的原因。Knowledge Catalog是一种业务含义地图，旨在让AI智能体了解其所在组织的特殊性，它正在预览版中获得新的自学习增强能力。

据Chandrasekaran介绍，其工作原理是持续扫描Google Workspace、Jira、SharePoint和GitHub中的非结构化数据，将运营知识转化为Open Knowledge Format上下文集。这些可用于让AI智能体基于组织知识进行接地，早期采用者的结果表明，它可以帮助普通智能体的准确率提升四倍，同时将token消耗降低多达75%。

Knowledge Catalog被认为对Google的智能体未来如此重要，以至于从今天起它也在Gemini应用中默认启用。由于它集成得如此紧密，它可以在将用户的提示转换为结构化查询语言查询之前，解决业务指标定义和访问控制方面的问题。企业还可以选择让智能体基于特定数据平台的语义模型进行接地，包括Google BigQuery、Snowflake、SAP、Looker和dbt。

“智能体的准确性取决于其所接地的业务上下文，”Chandrasekaran表示。“无论智能体是在为财务计算净收入，还是为运营计算客户流失率，它都会应用你的业务团队所依赖的完全相同的受治理公式。”

Gemini还获得了新的自主机器学习能力，可以帮助简化技术团队和业务人员的日常工作。例如，数据工程师现在可以用自然语言告诉Gemini他们想要实现的特定业务成果，Gemini将生成PySpark代码、运行笔记本并修复数据管道错误，以朝着该目标推进。与此同时，业务用户将能够只需在Gemini中提出请求，就能生成可靠的实时运营报告。

“Gemini利用与BigQuery和Knowledge Catalog集成的运营报告技能来构建并保存查询，”Chandrasekaran解释道。“一旦保存，团队就可以按需运行报告，而不会产生token成本，从而保证每次都能获得一致且经过验证的答案。”

加速的智能体基础设施

Google还为软件开发者准备了几份礼物，首先是全新的Data Agent Kit，它从今天起正式可用，将Model Context Protocol工具引入VS Code、Claude Code和Antigravity等集成开发环境。这意味着开发者现在只需用自然语言定义业务意图，智能体就能自动创建、微调和测试相关的数据管道。

开发者还可以利用旨在促进“高并发智能体交互”的基础设施更新，使数千个AI智能体能够同时查询同一个数据库，而不会将其压垮并引发问题。这些更新包括AlloyDB Express的更广泛预览，这是一款高度可扩展的数据库，支持在两秒内完成配置，便于快速进行智能体原型开发。此外还有AlloyDB中面向智能体的PostgreSQL，它提供了一个隔离的工作负载环境，每秒可处理300万次查询。

最后，Google表示BigQuery Graph现已正式可用，可将PB级图分析引入关系数据库表，且无需ETL。与之同时推出的还有TimesFM 3.0预测模型和TabFM预测分析模型的预览版。

Google Cloud数据与AI云产品管理董事总经理Yasmeen Ahmad在Google Cloud Next大会上与SiliconANGLE创始人Dave Vellante进行了对谈，该访谈在SiliconANGLE Media的直播工作室theCUBE的独家直播中进行，她在访谈中讨论了Google如何为AI智能体重新构想数据栈：

图片：SiliconANGLE/Gemini