終結資料孤島與搬移成本！Google Agentic Data Cloud是專為AI代理打造的跨雲資料湖倉與知識圖譜

當企業紛紛導入AI代理 （Agents），期望實現全面自動化時，往往會面臨一個致命的瓶頸：底層的資料架構跟不上AI的速度。在此次Google Cloud Next'26大會上，Google提出全新的「Agentic Data Cloud」願景，這項專為「代理人時代」量身打造的AI原生資料架構，宣告過去十年間專為人類規模設計的「被動式資料歸檔」 （Systems of intelligence），將正式轉型為能讓AI主動感知、推理，並且能即時行動的「行動系統」 （Systems of action）。

跨雲湖倉與極速引擎：打破供應商綁定的資料壁壘

在企業IT環境日益複雜的當下，資料往往散落在不同的雲端平台上。為了打破資料孤島 （Data silos），Google推出了兩項殺手級的底層更新：

• 跨雲資料湖倉 （Cross-Cloud Lakehouse）：這項基於Apache Iceberg標準打造的架構，主打「零複製存取」 （Zero-copy access）。企業可以將資料原封不動地留在AWS 或Azure （預計今年稍晚支援）上，直接進行即時查詢。不僅省去高昂的資料搬移成本，更徹底消除了單一供應商綁定 （Vendor lock-in）的問題。同時，它也能無縫串接Databricks、Palantir、Salesforce、Snowflake等主流資料與AI平台，讓企業資料能有更大儲存彈性。

• Lightning Engine for Apache Spark：針對巨量資料運算，Google推出全新無伺服器 （Serverless）即時引擎。其運作速度比開源替代方案快上4.5倍，並且在處理大型資料集時，能提供超越主要競爭對手2倍的極致性價比。目前包含Flipkart、Lowe’s等企業皆已藉此大幅加速其Spark工作負載。

賦予AI語意理解能力：Knowledge Catalog與Data Agent Kit

AI模型最怕遇到用到品質不佳資料，造成「垃圾進，垃圾出」 （Garbage in， garbage out）的輸出品質影響問題。為了解決這個問題，Google在資料的「語意理解」上下了重本：

• Knowledge Catalog （知識型錄）：這是針對企業打造的動態上下文圖譜，透過整合智慧儲存系統 （Smart Storage）與Object Context API，當檔案存入Google Cloud儲存平台的瞬間，系統就會自動為資料加上標籤，並且豐富其Metadata （詮釋資料）。接著，Knowledge Engine會利用Gemini模型自主定義資料邏輯，並且繪製出跨越整個企業的複雜關聯圖，等於是為AI代理準備一本詳盡說明的企業資料專屬字典，補足過去AI最缺乏的資料語意定義能力。

• Data Agent Kit：這是一套由Gemini驅動的資料科學編寫工具，讓從業人員不再需要從頭手寫程式碼，只需在IDE、Notebooks或代理終端機中「說出」業務目標，系統就會透過意圖驅動開發 （Intent-driven development）自動生成Python、Spark與SQL程式碼。

企業級的全能分析師：Deep Research Agent

在應用層面，Google宣布推出專為企業洞察設計的Deep Research Agent （深度研究代理）。

過去，Gemini Enterprise中的深度研究功能主要針對文件與SaaS （軟體即服務）系統，而此次接上BigQuery等核心資料平台，意味這名「虛擬分析師」能同時掌握企業的結構化與非結構化資料，不僅能回答諸如「造成我們供應鏈中斷的根本原因是什麼？」，或是「請對該地區進行財務審計」等極度複雜的商業問題，還能附上精準的來源引用資料 （Citations），將過去人類分析師需要耗費數週的工時，濃縮至幾分鐘內完成。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》