在东京举办的 Cloud Next 会议上，Google Cloud 披露了一系列全新的 AI 功能，进一步丰富了其数据库产品线。此次更新涵盖了对 Spanner SQL 数据库的改进，新增了图形和向量搜索功能，并扩展了全文搜索功能。这些增强功能旨在优化 AI 工作负载，提升企业在数据处理和分析方面的效率和能力。
Google Cloud 在其数据库产品中对 Spanner 进行了改进。现在，Spanner 不仅支持图形和向量搜索，还扩展了全文搜索功能，这让处理复杂数据关系和高维数据变得更加高效。为了更好地服务生成式 AI 应用，Spanner 还引入了 GraphQL 标准，帮助企业利用图形数据库的优势。
Bigtable 作为 Google 的 NoSQL 数据库，主要应对非结构化数据和延迟敏感的工作负载。此次更新中，Bigtable 新增了对 GoogleSQL 的支持，这让开发人员在查询和管理数据时更加轻松。这一改进简化了开发流程，提升了处理复杂查询的效率和灵活性。
Google Cloud 宣布对 Oracle 数据库服务的托管支持。用户现在可以直接在 Google Cloud 数据中心托管自己的 Oracle Exadata 和 Autonomous 数据库。此外，Google Cloud 和 Oracle Cloud 之间的应用程序链接功能让用户可以在两个云平台之间无缝迁移和管理数据。
此次更新中，Google Cloud 引入了由 Gemini 驱动的新功能。这些功能包括在 BigQuery 和 Looker 中集成 Gemini，帮助用户进行数据工程和分析任务。Gemini 在数据治理和安全任务中也发挥着作用，确保数据的完整性和安全性。
Google Cloud 通过整合多模态数据平台，能处理结构化和非结构化数据，并将静态数据与实时数据流结合。这种处理方式提升了数据分析的效率，为生成式 AI 应用提供了数据支持。
在现代企业里，数据常常被困在各自的 “孤岛” 中，影响了数据的有效利用和分析。企业需要摆脱这种孤立的存储方式，转向一个整合的多模态数据平台。这包括结构化数据和非结构化数据，并将静态数据与实时数据结合起来。
生成式 AI 在处理非结构化数据上表现亮眼。传统的数据分析方法主要针对结构化数据，而生成式 AI 能处理文本、图像、音频等非结构化数据。这种能力让企业能够更全面地挖掘数据价值，提高数据管理和分析的效率。
通过优化和扩展其数据库产品，Google Cloud 为企业提供了工具，以应对日益复杂的数据管理需求。这提升了企业的运营效率。