18+

轉守為攻:Google Cloud揭曉Agentic Data Cloud願景 讓資料庫躍升為「主動決策」的行動系統

AI重點

文章重點整理:

  • 重點一:Google Cloud提出Agentic Data Cloud,推動資料庫轉為主動決策系統。
  • 重點二:BQCA結合Knowledge Catalog,讓使用者能以自然語言完成精準分析。
  • 重點三:Looker與現代化資料庫強化語意層與低延遲,支撐AI代理運作。

Google Cloud今日 (9/17) 舉辦「Agentic Data Cloud Forum」活動,廣邀亞太區與台灣 資料及AI技術領域主管與專家,深入探討革命性的數據運用,如何在AI代理 (AI Agent) 中運作。此次活動不僅拆解Anthropic Claude 的底層數據架構,更深度解析現代化資料庫與Looker的AI創新應用,展示Google Cloud以高吞吐、低延遲的底層技術優勢,將傳統被動的資料庫進化為能夠主動驅動決策的高效「行動系統」 (System of Action)。

從「被動儀表板」到「主動式AI代理」的改變

Google Cloud資料庫客戶工程總監Anna Coniglio於開場時指出,科技產業正經歷從「人類規模」向「代理規模」 (Agent Scale) 轉變的關鍵時刻。她以汽車發展為例:過去二、三十年來為人類駕駛打造的儀表板,無法直接套用於當今的全自動駕駛車輛,意味傳統高度依賴人類工程師判讀的資料儀表板,同樣也必須面臨轉型。

▲Google Cloud資料庫客戶工程總監Anna Coniglio
▲Google Cloud資料庫客戶工程總監Anna Coniglio

為了迎接代理AI時代,企業的資料架構必須具備三大核心要素:首先是「通用情境」 (Universal Context),讓AI能充分理解企業獨有的業務邏輯與流程;其次是「代理優先體驗」 (Agentic First Experiences),將資料存取能力從原本獨立的儀表板,無縫整合進使用者日常操作的介面中。

最後,則是打破傳統資料藩籬的「無邊界資料湖倉」 (Borderless Lakehouse),確保AI代理能在不被侷限的情況下,自由調用所需的跨平台數據。

BQCA與Knowledge Catalog:以自然語言重新定義資料分析

為了解決大語言模型 (LLM) 在面對複雜企業資料時常出現的「幻覺」與語法錯誤,Google Cloud資料分析工程總監吳賈勛 (Jiaxun Wu) 介紹全新推出的BigQuery對話式分析AI代理 (BigQuery Conversational Analytics, BQCA)。

透過與Knowledge Catalog的深度整合,BQCA能夠吸收企業專屬的詞彙表 (Business Glossary) 與資料表間的關聯邏輯。使用者僅需透過自然語言提問,AI代理便能在後台自動爬梳脈絡、生成精準的SQL語法,並且執行分析。

而資料分析架構師黃介榮 (CJ Huang) 在實機展示中,更以紐約計程車數據為例,展現如何透過一句話,瞬間完成平日與週末的營收對比圖表,甚至串接外部的即時天氣數據,預測未來30天的乘車需求,大幅降低數據分析的技術門檻。

現代化資料庫與Looker構築AI時代底層基礎

面對AI代理頻繁且龐大的數據吞吐需求,Google Cloud大中華區資料庫業務總監林宇峰 (Dirk Lin) 針對旗下現代化資料庫產品線的新功能進行全面解析,說明其底層架構如何提供足夠的高吞吐與低延遲特性,藉此支撐新一代AI應用的嚴苛要求。

此外,亞太區Looker商業智慧平台銷售總監Skander Larbi則分享Looker在AI代理時代的核心優勢。憑藉其強大的語意層設計理念,Looker不僅能確保企業內部數據定義的一致性,更能結合最新發布的AI特性,全面重塑商業智慧 (BI) 產品的新典範。

生成式AI戰場全面延伸至「資料基礎設施」的底層架構整合

Google Cloud 此次揭示的Agentic Data Cloud架構,不僅展現支援Anthropic Claude等前沿AI的強大基礎設施實力,更為企業提供一套具體可行的落地指南。透過將龐雜的資料轉化為高行動力的決策系統,企業將能更有效地將AI數據變現,在快速變動的市場中搶佔先機。

從此次Google Cloud提出的Agentic Data Cloud藍圖可以看出,生成式AI的戰場已經從單純的「模型參數競賽」,全面延伸至「資料基礎設施」的底層架構整合。

過去企業在導入AI進行資料分析時,最難克服的便是模型「幻覺」,以及無法準確理解商業專有名詞的挑戰。Google Cloud此次的策略非常明確:藉由Knowledge Catalog的企業詞彙表,加上Looker強大的語意層作為關鍵橋樑,讓AI代理真正「讀懂」企業特有的營運脈絡。

意味傳統依賴人類耗費數小時撈取數據、看圖表說故事的「被動式BI」,正快速轉向只需輸入自然語言對話,系統便能自動推理、串接,並且給出預測的「主動式行動系統」。

對於企業而言,未來的競爭力將不再僅取決於擁有多少數據,而是取決於底層架構是否具備足夠的高吞吐、低延遲,並且能否無縫且安全地授權給AI代理進行讀寫與分析。誰能越快打破資料孤島,將數據湖倉轉化為代理AI可自由調用的無邊界環境,誰就能在下一波AI應用變現的浪潮中,取得壓倒性的決策優勢。

《原文刊登於合作媒體mashdigi,聯合新聞網獲授權轉載。》

精華 FAQ

  • 核心是把傳統被動資料庫升級為可主動驅動決策的行動系統,讓AI代理能直接調用企業資料、理解脈絡並執行分析,進一步提升資料變現與決策效率。

  • BQCA透過整合Knowledge Catalog的企業詞彙表與資料關聯,讓使用者用自然語言提問即可自動生成SQL並執行分析,降低LLM幻覺與語法錯誤問題。

  • Looker以語意層確保資料定義一致,現代化資料庫則提供高吞吐、低延遲能力,兩者共同支撐AI代理頻繁存取與分析需求,並打通企業資料孤島。

延伸閱讀

迎向多模態AI代理元年:Google Cloud Day Taipei 2026揭示台灣在「代理式企業」浪潮下的關鍵優勢

邁向代理式新時代!Google Cloud回應企業在AI時代的焦慮與突圍之道

以AI防堵前沿模型越獄現象!Google SecOps資安監控與應變平台落地台灣

深入私有雲與代理AI VMware揭曉AI Factory整合方案、Tanzu資料就緒基礎與AgentMinder安全防護

本日熱門 本周最熱 本月最熱