Google 以 AI 代理和 AI 原生基礎重新定義企業數據的價值
【香港】— Google Cloud 今天發布重大創新，進一步引領 AI 代理變革的新時代。這個發展標誌著我們與數據互動方式的根本性轉變，從過去依賴人手分析，逐步邁向與智能代理（Intelligent Agents）的嶄新協作模式。數據與人工智能（AI）每分每秒正為世界開創全新局面。在這個全新時代，各種專業的 AI 代理將能自主運作及互相協作，將以前所未有的廣度和速度發掘獨到見解。Google Cloud 在這場轉型中正扮演著關鍵的角色，專注於建構發展中所需的核心智慧、互聯生態系統及 AI 原生數據平台。
要實現 AI 代理的願景，企業需要一個截然不同的數據平台 — 它不單只是各種分散工具的組合，而是一個統一、AI 原生的雲端平台。Google 數據雲端（Data Cloud）作為一個統一的分析與營運數據引擎，打破了長久以來商業交易數據和策略分析之間的隔閡，它能為 AI 代理提供對業務完整且即時的理解，使其從單純一套流程，進化為一個具備自我認知和自我調整能力的可靠系統。
今天 Google Cloud 宣布在三大關鍵領域上推出重大創新：
全新的數據智能代理套件：專為不同的數據用戶（從數據科學家、工程師到商業分析師等）設計的 AI 代理，成為各領域用戶的專家級合作夥伴。
支援 AI 代理協作的互連網絡： 提供一系列 API、工具和協定，讓開發人員能將 Google 的 AI 代理與其原先的代理及 AI 服務整合，打造一個統一的智能生態系統。
統一的 AI 原生基礎架構： 透過數據整合、提供持續性記憶體（Persistent Memory）並嵌入 AI 驅動的推理能力，為 AI 代理提供強大的運作基礎。
以專業的數據 AI 代理作為合作夥伴
具備各種專業的 AI 代理成為新一代助理團隊，開啟了「代理時代」。它們提供 AI 原生介面，能輕鬆將「意圖」轉化為實際的「行動」。
專為數據工程師而設計： Google Cloud 在 BigQuery 中推出數據工程 AI 代理（Data Engineering Agent；預覽版），以簡化及自動化複雜的數據管道。用戶現時可以透過自然語言提示詞，簡化從 Google Cloud Storage 等來源擷取資料、執行數據轉換及維護數據品質的整個工作流程。只要簡單描述需求，例如：「建立一個數據管道載入 CSV 文件，清理這幾個欄位，並與另一張資料表格合併」，AI 代理就會自動生成並協調整個流程。
專為數據科學家而設計：我們正在重塑 BigQuery 和 Vertex AI 中以 AI 為優先的 Colab Enterprise Notebook 體驗，並推出全新的數據科學 AI 代理 （Data Science Agent；預覽版）。以 Gemini 驅動的數據科學 AI 代理能觸發完整的自主分析工作流程，包括探索性數據分析（Exploratory Data Analysis）、數據清理、特徵化（Featurization）、機器學習預測等。它亦會建立計劃、執行程式碼、對結果進行推理並分享其見解，同時允許用戶提供回饋並同步協作。
專為商業用戶與分析師而設計： Google Cloud 於去年推出了對話式分析 AI 代理 (Conversational Analytics Agent)，讓用戶以自然語言提問並從其數據中分析出所需答案。今天，Google Cloud 更將 AI 代理提升至另一層次，推出全新的 Code Interpreter (預覽版) 支援許多超越簡單 SQL 所能回答的關鍵業務問題，例如：「進行顧客分群分析，將客戶劃分為不同的群體」。Code Interpreter 由 Gemini 的進階推理能力所驅動，並與 Google DeepMind 合作開發，能將複雜的自然語言問題轉譯為可執行的 Python 程式碼。它能提供完整的分析流程，包括生成程式碼、提供清晰的自然語言解釋，並建立互動式的視覺化圖表，而這些流程都在 Google 數據雲端安全且受治理的環境中進行。
建構互聯的 AI 代理生態系統
AI 代理生態系統是一個為開發者而設的開放平台，而非一個封閉的循環。當開發者不僅能使用既有的代理，還能夠擴展並整合至自己的 AI 代理系統，打造出更廣泛的網絡生態時，AI 代理轉型的真正潛力才能完全釋放。Google Cloud 的第一方 AI 代理提供強大且開箱即用的功能，也提供了包含 API、工具和協定等基礎模組，允許用戶建立客製化的 AI 代理、將具備對話能力的智能技術整合到現有應用程式中，並協調多個代理執行複雜的工作流程，以解決獨特的業務挑戰。
為了實現這一點，Google Cloud 推出了一整套 Gemini 數據智能代理 API （Gemini Data Agents APIs），率先登場的是全新的對話式分析 API（預覽版）。此 API 提供了建構模組，允許用戶直接將 Looker 強大的自然語言處理和 Code Interpreter 功能整合到原先的應用程式、產品和工作流程中。這讓用戶能夠跟據特定的業務需求，創造獨特、互動性高且易於存取的數據體驗。
除了對話式體驗，Google Cloud 亦提供了由零開始建立自訂代理的工具。全新的數據 AI 代理 API（Data Agents API）和代理開發套件（Agent Development Kit，簡稱 ADK），讓用戶能建構專為其獨特業務流程度身打造的專業 AI 代理。Google Cloud 對模型情境協定 （Model Context Protocol，簡稱MCP）的投入，是確保所有安全互動的基礎，其中包含了為數據庫而設的 MCP 工具箱 （MCP Toolbox for Databases），以及新增的 Looker MCP 伺服器（預覽版）。
統一且 AI 原生的數據基礎架構
AI 代理及其所形成的網絡無法在傳統的資料堆疊上運作；它們需要一個認知基礎 （Cognitive Foundation）來整合橫跨企業不同部門的數據，更要提供理解語意的能力，並具備可供推理的持續性記憶體。
AI 原生基礎架構的一項核心要素，就是整合儲存在線上交易處理 （OLTP） 和線上分析處理 （OLAP） 系統中的即時交易數據與歷年的分析數據。Google Cloud 由 AlloyDB 的資料欄引擎 （Columnar Engine） 開始，大幅提升 PostgreSQL 工作負載的分析效能。今天，我們將這項效能延伸至旗艦級水平的擴展資料庫，推出全新的 Spanner 資料欄引擎 （Spanner Columnar Engine；預覽版）。透過 Spanner 的資料欄引擎，分析查詢的速度相較於 SSD 等級的列儲存（Row Store），最高可提升 200 倍，讓用戶能直接在交易數據上執行高效分析。作為統一數據雲端的一部分，這項創新也透過 Data Boost 直接惠及 Google Cloud 的分析引擎 BigQuery，它利用 Spanner 資料欄引擎縮短交易與分析工作負載之間的差距，讓 BigQuery 能更有效分析即時的營運數據。
當統一資料層建構完成後，接著需要為 AI 代理建立一個以企業真實數據為核心的完整記憶體。為了確保 AI 代理提供可靠的資訊並避免產生幻覺，AI 代理必須採用一種稱為檢索增強生成 （Retrieval-Augmented Generation，簡稱 RAG）的技術。要實現高效的 RAG 技術，關鍵在於能同時處理即時營運和深度歷史數據的向量搜尋（Vertor Search）。因此，Google Cloud 將向量搜尋和生成能力直接嵌入基礎架構中，讓 AI 代理能同時存取交易型和分析型記憶體。
然而，優化向量搜尋十分複雜，開發人員時常需要在效能、品質和營運成本之間做出艱難的權衡。在 AlloyDB AI 中，如自動調整篩選 （Adaptive Filtering；預覽版) 的全新功能便能解決交易型記憶體的問題，它能自動維護向量索引並針對即時營運數據的快速查詢進行優化。為了提供深度的分析型記憶體，Google Cloud 也將自主向量嵌入與生成（Autonomous Vector Embeddings and Generation） 功能導入至 BigQuery。現在，BigQuery 可自動處理並索引多模態數據，使其支援向量搜尋，這是為 AI 代理建構豐富及長期的語意記憶體關鍵性的一步。
最後，在這個統一且易於存取的數據之上，Google Cloud 將 AI 推理能力直接嵌入用戶的查詢引擎中。透過 BigQuery 全新的 AI 查詢引擎 （AI Query Engine；預覽版） ，所有數據員都能在 BigQuery 內部直接對結構化和非結構化資料執行 AI 驅動的運算，快速且輕鬆地獲得主觀問題的答案，例如：「這些客戶評論中，哪些看起來最為不滿？」
以 AI 代理驅動的未來
全新發布的各項創新涵蓋了為每個人設計的專業 AI 代理到其底層的 AI 原生基礎架構， 所呈現的不僅是一份發展藍圖，更是建構新型態「AI 代理企業 （Agentic Enterprise）」的基石。透過匯集 AI 代理組成的新工作團隊，讓它們在開放且互聯的網絡中協作，並以統一的數據雲瑞為根基，讓營運與分析數據無縫融合，用戶便能專注於創新，而非僅限於整合。這將徹底改變企業與數據的互動方式，從繁瑣的人手分析，進化為團隊與 AI 代理的高效協作。
( 內容由有關方面代表提供, 經編輯後刊登 )
