在 Google Cloud Next 上，Google 将其数据库与 Agentic AI 机会相结合
快速阅读: 据《Futurum 研究》最新报道，谷歌云NEXT 2025展示了一系列生成式AI与数据库的融合创新，推出AlloyDB新功能及数据代理，强化具象化AI应用。尽管具象化AI尚处概念验证阶段，但谷歌已有超50家大企业客户支持其Agent2Agent互操作协议，未来前景可期。
**分析师：布拉德·希姆明**
**发表日期：2025年4月10日**
在谷歌云NEXT 2025大会上，谷歌展示了显著进展，将其核心数据库产品与生成式人工智能（生成式AI）融合，以推动代理型人工智能（具象化AI）的发展。这些更新包括新工具、针对数据任务的专业化代理，以及增强功能，如自然语言查询和更广泛的向量搜索可用性，旨在为开发人员和数据专业人员简化数据驱动的具象化工作流的创建。
### 主要内容：
1. **AlloyDB for PostgreSQL的新生成式AI功能**
新增功能将帮助数据专业人员构建支持代理操作的数据视图，同时不会牺牲隐私和安全要求。
2. **与LangChain合作的Gen AI Toolbox for Databases**
谷歌计划通过高效地将生成式AI应用连接至多个谷歌数据源，从而简化开发流程。
3. **引入流行的模型上下文协议（MCP）**
谷歌确认计划在新的代理开发工具包中引入MCP，帮助开发人员将外部数据源集成到代理解决方案中。
4. **BigQuery的新功能**
BigQuery新增的存储、处理和分析非结构化数据的能力赋予了数据仓库数据湖的功能。通过三个新的数据代理，谷歌现在正在支持特定的数据专业人员角色（如构建数据管道、生成元数据和数据科学协同开发）定制生成式AI解决方案。
5. **Agentspace用户体验**
用户现在可以在AlloyDB和Looker中搜索结构化数据，这种集成将结合Gemini推理能力和谷歌搜索功能。
新闻：作为面向企业IT从业者的顶级年度用户大会，谷歌云NEXT 2025在拉斯维加斯再次举行，展示了令人瞩目的公告，聚焦于一个核心主题——具象化人工智能。正如Futurum在其近期报告《推动企业下一时代工作的具象化AI平台——执行摘要》中指出的，像谷歌这样的技术提供商正在致力于复杂的生成式AI驱动解决方案，这些方案能够自动化传统上难以自动化的流程。这一趋势依赖于过去一年中出现的多种大型语言模型（LLM）创新，包括更长的上下文窗口、更强大的小型模型以及能够内在推理复杂任务的模型、结构化数据格式如JSON，以及专门的代理开发框架。
### 分析师观点：
在过去一年中，谷歌云在将其数据库和分析产品定位为其更广泛云平台战略的完全支持元素方面取得了重大进展。与大多数企业领域的参与者一样，该战略之前依赖于生成式AI，但现在已转向拥抱具象化AI作为其主要上市信息。这一策略的关键在于企业“构建者”，无论是全栈开发者、数据科学家还是业务用户，超过四百万开发人员正在构建其Gemini家族的大语言模型（LLMs），并且Vertex AI的使用据称增加了二十倍，公司已经建立了坚实的基础来支持当前对具象化AI的热情。
谷歌缺乏的是能够以自然且协调的方式充分利用其众多数据和分析能力的能力，既适用于寻求访问和利用Looker、AlloyDB for PostgreSQL、BigQuery等的构建者，也适用于直接使用这些解决方案的数据专业人士。在谷歌云NEXT 2025期间，该公司全面解决了这两个挑战。
例如，为了帮助具象化AI构建者利用其各种数据库产品，谷歌现在声称在AlloyDB、Bigtable、Cloud SQL、Firestore、Memorystore和Spanner中支持向量搜索。特别是对于AlloyDB，自2024年引入向量支持以来，谷歌取得了巨大进展，宣称其向量搜索查询执行速度比标准PostgreSQL中的向量支持提高了十倍。在此基础上，供应商在展会上宣布了其所谓的“下一代AlloyDB自然语言”。这里有多个移动部件，谷歌希望这些部件一起工作，使AlloyDB成为具象化和“传统”AI应用的首选关系数据库。
乍一看，这种使用自然语言查询数据库的能力已成为生成式AI时代的常见做法。然而，在AlloyDB中实现这一点时，谷歌采用了DataOps明智的方法，允许数据库管理员定义参数化、安全的视图，以便更好地控制自然语言查询可以访问的数据。
谷歌缺乏的是能够以自然且协调的方式充分利用其众多数据和分析能力的能力，既适用于寻求访问和利用Looker、AlloyDB for PostgreSQL、BigQuery等的构建者，也适用于直接使用这些解决方案的数据专业人士。谷歌宣布并发布了多个完整的AI代理，以帮助数据专业人员直接使用Looker、AlloyDB、BigQuery等。
– **Looker对话式分析**：处于预览阶段，该代理利用语义层，通过自然语言启用高级数据分析。由谷歌的DeepMind共同创建，它强调可解释性，通过暴露模型思维痕迹来实现。
– **数据科学代理**：嵌入在谷歌流行的Colab笔记本（Futurum排名第一的AI工具）中，该代理可以自动化整个模型开发生命周期，包括特征工程、模型选择和训练。
– **数据工程代理**：在BigQuery中可用，这套代理帮助数据专业人员构建数据管道、准备数据、检测异常并生成元数据。
### 寻找客户价值机会
鉴于这些以及许多谷歌云NEXT 2025关于AI、安全和基础设施的具体公告，谷歌高度重视快速创新（例如，采取创业心态），这一点供应商在谷歌云NEXT 2023开始时的生成式AI热潮中详细讨论过。谷歌强调打造一个完全集成的AI超级计算机反映了这种世界观。这证明了它知道如何从南到北方向推动创新，从宣布其第七代张量处理单元（TPU）开始，到最终在整个协作套件中整合Gemini家族模型。同样，将众多数据库和分析资产应用于具象化AI机会表明了公司在高度集成的AI超级计算机内创造横向集成的愿望和能力。
### 超大规模云服务商面临的挑战
超大规模云服务商面临的挑战，不仅仅是吸引企业开发者的关注，还要将这种兴趣转化为积极的业务成果。特别是在具象化人工智能方面，尽管市场需求很高，但尚未体现在客户的实际部署中。技术供应商社区展示的大多数具象化人工智能解决方案更多像是概念设计而非成熟产品，这表明目前仍处于概念验证阶段，尚未达到实际应用水平。
认识到这一挑战，谷歌引用了几个支持性的统计数据，声称客户已经构建了超过1000个AI代理用例，并且已有超过50家大型企业客户支持其初步的代理间互操作协议（Agent2Agent互操作协议）。为了赋予具体实例，谷歌在谷歌云NEXT期间邀请了几位客户上台，让每位客户有机会展示谷歌的AI、数据和分析解决方案如何帮助他们创造价值。这些客户包括富达国际（富盛律师事务所）、Intuit、Manipal医院、劳埃德银行集团、Reddit、Papa John’s、Verizon、西雅图儿童医院和三星等。其中大部分案例集中在传统的生成式AI应用场景，如文档理解、图像/视频生成、客户聊天机器人等，并未全面展示出具象化AI的实际应用。例如，谷歌客户丽笙酒店集团展示了他们如何通过使用BigQuery微调Gemini模型，使营销活动的生产力提高了50%，收入增长超过20%。然而，可以肯定地说，这些客户已经具备条件跟随谷歌进入具象化人工智能领域，基于他们对公司AI超级计算平台的现有经验。
随着像AlloyDB和AlloyDB AI查询引擎等众多新工具的推出，Futurum预计将在明年的谷歌云NEXT上看到许多这些以及可能更多的谷歌客户展示完整的具象化解决方案。
### 值得关注的是：
谷歌与甲骨文之间不断加深的关系在未来十二个月内将如何发展？既然谷歌已经将BigQuery、Gemini和Vertex AI与运行在甲骨文云计算基础设施（OCI）上的甲骨文数据库绑定，并且该配置在全球二十多个谷歌数据中心内运行，看来谷歌和甲骨文看到了数据库和AI能力之间的共生关系。结构化数据在支持具象化人工智能流程中的作用似乎即将爆发，不仅对开发者而言如此，对企业用户也是如此。例如，通过更新其新的自助式AgentSpace用户体验，客户现在可以直接从AlloyDB中提取存储的数据，混合实时、结构化和非结构化数据而无需任何繁重的工作。Futurum预计将在支持AI代理创建的结构化数据方面看到类似深度的集成点。
与普遍看法相反，人类开发人员仍然至关重要，在企业中推动着显著的基础设施投资。鉴于此，谷歌向庞大的MongoDB开发者生态系统抛出了合作橄榄枝，通过宣布具有MongoDB兼容性的Firestore。这将为MongoDB开发人员提供一些有趣的机会，利用Firebase和谷歌云平台，例如为JSON为中心的具象化AI解决方案获得个位数毫秒级读取延迟性能。
### 客户如何看待谷歌BigQuery与其他竞争对手的数据仓库？
在过去，BigQuery被视为过于依赖谷歌云，缺乏处理多样化工作负载的灵活性。然而，凭借新的能力来统一不同类型的异构数据并进一步利用谷歌的基础平台，BigQuery作为独立数据平台正在受到越来越多客户的欢迎，它能够统一孤立的数据并更主动地支持AI应用场景。
(以上内容均由Ai生成)
