4 月下旬，一年一度的 Google Cloud Next 大会在拉斯维加斯落幕，大会上多达 260 个公告密集发布，讲的最多的主题当然还是 AI，比如 Gemini 企业级 Agent 平台、全新的 TPU 8t/8i 计算基础架构等。但如果你仔细去回味这些主题，就会发现谷歌这一年的发力点都在这样一件事上：如何让数据能真正被 AI 用起来。

过去十年数据基础设施的构建主要围绕数据管道展开，经过 ETL 的流转加工，最后才能利用这些数据完成有价值的任务。而这一次，谷歌正倾向于一种不同的数据处理方式，这种方式更加侧重于直接访问、统一平台以及由 AI 驱动执行，这就是本届大会上的一个重磅主题 Agentic Data Cloud（智能体数据云）。

先搞懂谷歌在解决什么问题

过去的数据平台是以人为中心来构建的，面向的用户群体是数据科学家、数据库工程师和分析师，他们利用数据平台得出的分析数据进行企业决策。而随着 AI 技术的发展，具备自主推理和行动的 AI Agent 应用将会成为数据平台的主要用户。

数据平台为人类服务的时候，整个节奏是按天、按周来的；但 AI Agent 不一样，它需要秒级访问数据。而且人类对于数据可以有自己的解读，但 Agent 并不理解数据的含义，“利润率”这个在你们公司具体怎么计算，“活跃用户”的统计口径是什么，这些信息都需要有统一的口径告诉 AI。

谷歌的数据平台负责人 Gutmans 说，“我们正在从所谓的智能系统向行动系统转变。”数据不只是用来分析的，而是要让 Agent 能基于它直接产生行动。

三大件，拼成一个 Agentic Data Cloud

第一件：跨云湖仓（Cross-Cloud Lakehouse）

这是本次大会最务实的一个发布。

谷歌推出了基于 Apache Iceberg 标准的跨云湖仓，BigQuery 可以直接查询存储在 AWS 或 Azure 上的数据，同时还支持和 Databricks、Snowflake、AWS Glue 的目录联邦。强大的异构支持能力，让用户不必为了用谷歌的 AI 能力而进行数据迁移。

具体实现上，BigQuery 通过谷歌的跨云专用网络直接查询存放在 Amazon S3 上的 Iceberg 表，性能和 AWS 原生方案相当。

这个策略很好的解决了企业的顾虑，“如果我的数据不在你这里，还能不能用你的 AI？”谷歌的答案是，可以，不用迁移。

第二件：知识目录（Knowledge Catalog）

这是整个数据战略里技术含量最高、也最容易被忽视的一块。Knowledge Catalog 会自动从 BigQuery、AlloyDB、Spanner、Cloud SQL 等系统抓取技术元数据，同时支持接入 Collibra、Atlan、SAP、Salesforce 等第三方系统。

但光收集数据还不够，传统数据目录的问题是，得有专门的数据治理团队手工打标签、写业务描述，这是一个很费时费力的事，覆盖率永远跟不上数据的增长速度。

谷歌 Knowledge Catalog 用智能体来自动完成这件事。通过分析查询日志，自动推断业务逻辑、生成语义标签，不需要人工介入。这意味着它能覆盖整个数据资产，而不只是数据治理团队来得及维护的那一小部分。

简单来说，知识目录给整个企业的数据资产建立“语义索引”，让 Agent 不仅知道数据在哪，还知道数据所代表的意义。

第三件：Data Agent Kit + 数据库 MCP

谷歌这次还推出了数据库的 Managed Remote MCP Server，让 AI 模型可以直接连接到运营数据，省去了自己搭建 MCP 服务器的麻烦。同时发布了 Data Agent Kit，支持在 VS Code、Gemini CLI、Claude Code 等开发环境里直接使用，数据工程师可以用自然语言描述目标，工具包会决定用哪个引擎来执行相应的语句。

相信大家也看出来了，数据工程师的角色正在发生变化：从写 Pipeline 编写流程，变成了审核 Agent 的输出。

数据库产品的更新

数据库产品线这次也集中发布了一批新产品，其中两个值得关注：Spanner Omni 和 Spanner Columnar Engine。前者把 Spanner 做成了可下载的版本，支持部署在用户自己的数据中心；后者通过矢量化执行将实时运营数据的分析查询加速至 200 倍，而不会影响生产事务的工作负载。

AlloyDB 方面，新增了与 BigQuery 的 Lakehouse 联邦，用户可以直接在 AlloyDB 的 SQL 界面里查询 BigQuery 和 Iceberg 表，还支持一键 Reverse ETL，把分析结果推回 AlloyDB，不需要额外创建数据链路。

这些新特性的推出，进一步模糊了在线交易和分析查询之间的边界，数据库朝着 HTAP 的方向继续演进。

写在最后

纵观整个 Google Cloud 大会，Gemini 企业代理平台为 AI 代理提供了完整的操作系统，用于在整个企业中构建、扩展、管理和优化 AI 代理；而第八代 TPU 的推出，则大幅降低了推理成本，只有成本足够低的情况下，AI Agent 的经济性才能发挥作用。

但是很明显，谷歌的目标并不是争夺大模型的高地，那是 OpenAI 和 Anthropic 的战场；也并没有想在基础算力层和英伟达竞争，真正的战略是争夺数据基础设施的位置。谁能让企业数据更容易被 AI 消费，谁就能在 Agent 时代拿到更多的份额。

当然，这次大会上 260 个 Announce 中还有不少在 Preview 状态，能不能真正在复杂的企业环境里跑通，还需要时间验证。但未来的方向已经也明确：数据架构的重心，正在从“给人用”切换到“给 Agent 用”。这是基础设施架构的全面重构，朋友们，你们准备好了吗？