Google Cloud 正在加強其分析和事務資料庫，包括 BigQuery、AlloyDB 和 Spanner，旨在推動其客戶 ERP 應用程式的開發。
BigQuery 是 Google Cloud 用於支援分析和 AI 工作負載的頂級資料庫，它開發了多項 AI 增強功能。 首先，該公司推出了 BigQuery 和 Vertex AI 在文字和語音方面的整合預覽。 谷歌雲表示，這將允許使用者從影象和文件等非結構化資料中提取見解。
Gemini 是該公司最大、最強大的 AI 模型，也可通過 Vertex AI 提供給 BigQuery 客戶。 上週，該車型在消費市場首次亮相時表現不佳，引發了一些爭議。
這些 AI 功能遵循 BigQuery 之前宣布的向量搜尋功能。 預覽中的向量搜尋功能支援 Genai 應用程式的關鍵元件，例如使用大型語言模型的相似性搜尋和檢索增強生成 （RAG）。
Google Cloud AI 資料分析總經理兼副總裁 Gerrit Kazmaier 表示，在 BigQuery 中直接訪問 Vertex AI 可以通過多種方式為 Google Cloud AI 客戶提供易用性。
Kazmaier在乙份新聞稿中說：“作為資料分析從業者，你可以通過SQL命令列或BigQuery嵌入式Python API訪問所有Vertex AI模型，包括我們的Gemini模型。 “這太神奇了，因為這意味著你不需要去找資料科學家或機器學習平台。 您可以在您正在處理的領域中，根據您手頭的資料訪問它。 ”
Kazmaier說，整合的第二個好處是更好地訪問來自AI模型的資料。 在此整合之前，將資料傳輸到 AI 模型通常需要構建和操作以及資料管道來移動資料。 他說，不再需要了。 “所有的複雜性都消失了。 ”
在 Vertex 中結合基於文字和影象的 AI 模型的能力（現在資料分析師可以通過 BigQuery 獲得）也將對客戶大有裨益。
這開啟了分析場景的全新階段。 他說，對結構化和非結構化資料進行總結、提取、分類、濃縮和翻譯是一件大事。 粗略地說，90%的資料是非結構化的。 此資料通常不用於企業資料分析，因為無法以有意義的方式對其進行處理。
在交易（或運營）方面，谷歌雲宣布全面推出 AlloyDB AI，這是該公司在去年的 Next 23 會議上宣布的 AI 託管 Postgres 資料庫的專用版本。 AlloyDB AI 儲存向量嵌入和執行向量搜尋功能的能力是 Google Cloud 客戶 GenAI 用例的核心元件。
Google Cloud 還推出了與 Langchain 的新整合，Langchain 是乙個流行的開源框架，可以幫助將客戶資料連線到大型語言模型 （LLM） 中。 谷歌雲總經理兼資料庫副總裁安迪·古特曼斯（Andi Gutmans）表示，谷歌雲的所有資料庫都將與Langchain整合。
Gutmans表示，這些新功能是為了響應客戶的需求，即找到一種方法從他們的資料中獲得更多的GenAI價值。
該公司還宣布，它將為其雲上客戶託管的其他資料庫（包括Redis和MySQL）新增向量搜尋功能。 Gutmans說，Cloud Spanner、Firestore和BigTable也將獲得向量功能。
Spanner 的特別之處在於它將具有最近鄰搜尋功能，這是乙個略有不同的變體。 “真正令人興奮的是那些擁有非常非常大的用例的客戶，例如，數萬億個向量，例如基於使用者的高度分割槽。” 可以想象，谷歌的一些內部應用程式是按使用者劃分的——它們將能夠以萬億（向量）規模儲存和搜尋向量。 ”
他說：“我們的信念是，任何儲存運營資料的資料庫，你可能需要在genai用例中使用，也應該具有向量功能。 “這與 15 到 20 年前將 JSON 支援新增到資料庫時沒有什麼不同。 我們認為，乙個好的向量函式應該只保留資料庫的基本功能。 ”