谷歌云正在加强其分析和事务数据库，包括bigquery, alloydb和spanner，旨在推动其客户生成人工智能应用程序的开发。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
BigQuery是谷歌云的高级数据库服务，专为支持分析和人工智能任务而设计。该服务引入了多项人工智能增强功能。首先，谷歌云推出了BigQuery和Vertex AI的整合预览版本，专注于文本和语音方面的功能。这一整合将使用户能够从非结构化数据，如图像和文档中提取有价值的见解。
公司最强大的人工智能模型双子座(Gemini)已经通过Vertex AI向BigQuery客户开放。上周，该模型在消费者市场首次亮相时表现不尽如人意，引发了一些争议。
这些AI功能是在BigQuery早前宣布推出向量搜索功能之后推出的。预览中的向量搜索功能是GenAI应用程序的关键组件，支持使用大型语言模型进行相似性搜索和检索增强生成(RAG)。
BigQuery中直接访问Vertex AI可以从多个方面为谷歌云AI客户提供易用性，谷歌云AI总经理兼数据分析副总裁Gerrit Kazmaier表示。
在新闻发布会上，Kazmaier提到作为一名数据分析从业者，你可以通过SQL命令行或BigQuery嵌入式Python API访问所有Vertex AI模型，包括Gemini模型。这使得访问这些模型变得更加便捷，无需依赖数据科学家或机器学习平台。你可以直接在自己工作领域，利用手头的数据来进行访问。这一新技术的出现为数据分析带来了更多可能性和灵活性。
Kazmaier指出，整合的第二个优点是更轻松地访问人工智能模型所需的数据。在整合之前，将数据传输至人工智能模型通常需要建立和维护数据管道来移动数据。他表示，现在这一切都变得不再必要。“所有繁杂的程序都已经被简化了。”
在vertex中，利用基于文本和图像的人工智能模型的能力，数据分析师可以通过BigQuery获得更多的数据分析优势，为客户带来更多的好处。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
“这开启了分析情景的全新阶段。”他说，结构化和非结构化数据的总结、情感提取、分类、浓缩、翻译是一件大事。粗略地说，90%的数据都是非结构化的。这些数据通常不会用于企业数据分析，因为你无法以有意义的方式处理它们。
在事务(或运营)方面，谷歌云宣布全面推出AlloyDB AI，这是该公司在去年的Next 23大会上发布的托管Postgres数据库的AI专用版本。AlloyDB AI具备存储矢量嵌入和执行矢量搜索功能的能力，谷歌云将其视为其客户GenAI用例的核心组件。
谷歌云还推出了与LangChain的新集成，LangChain是一个流行的开源框架，可以帮助将客户数据连接到大型语言模型(LLM)中。谷歌云总经理兼数据库副总裁Andi Gutmans表示，谷歌云的所有数据库都将与LangChain集成。
Gutmans说，新的功能是为了响应客户的需求，找到一种从他们的数据中获得更多GenAI价值的方法。
该公司还宣布，将在其云上为客户托管的其他数据库(包括Redis和MySQL)中添加矢量搜索功能。Gutmans说，Cloud Spanner、Firestore和Bigtable也将获得矢量功能。
“Spanner的特别之处在于它将具有最近邻搜索功能，这是一个稍微不同的变体。”Gutmans说，“真正令人兴奋的是那些拥有非常非常大的用例的客户——例如，数万亿的向量，例如基于用户的高度分区。你可以想象，谷歌的一些内部应用程序是按用户划分的——它们将能够以万亿(向量)规模存储和搜索向量。”
他说:“我们的信念是，任何数据库，任何存储操作数据的地方，你可能需要在GenAI用例中使用，也应该具有矢量能力。”“这与15到20年前数据库都添加JSON支持时没有什么不同。我们认为，好的矢量功能应该只是保持数据库的基础功能。”
