Google Cloud在2026年10月13日的官方发布说明中宣布，BigQuery的AI.AGG函数进入正式可用阶段。它通过自然语言指令，对文本或多模态输入进行语义聚合，面向评论汇总、日志分析和错误归类等场景。
这是聚合函数，而不是逐行生成内容的函数。 使用前应先看分组方式、模型访问权限和输入规模边界。
AI.AGG解决什么分析任务
官方文档列出的用途包括用户评论情绪汇总、图像等内容归纳、应用日志分析，以及错误聚类与去重。函数接收输入数据和自然语言指令，默认返回一个字符串结果。
它适合把多行内容提炼为组级结果；若业务需要逐条记录分别生成答案，应区分它与AI.GENERATE等函数的输出粒度。
大批量输入如何处理
AI.AGG会自动将数据分批并进行多层聚合，因此可处理超过单次模型上下文窗口的输入。对于较小查询，系统也会跳过不必要的多层步骤。
自动分批不代表没有规模限制。 官方建议最多使用1000个不同分组，并分别给文本、图像、PDF、视频和音频输入列出推荐行数；超出后可能失败或只返回部分结果。
分组与输出结构怎样变化
在GROUP BY查询中，AI.AGG为每个输入分组返回一个值。未指定OUTPUT_SCHEMA时结果为STRING；指定后可返回符合所设字段结构的STRUCT。
结构化输出仍需检查实际结果。文档提示，模型调用失败或行级推理错误过多时可能产生部分结果或查询错误；每组输出也有10000个令牌上限。
多模态输入和权限有哪些边界
输入可为字符串，或包含字符串与ObjectRefRuntime对象的STRUCT，后者可引用Cloud Storage中的文本、图像、音频、视频和PDF。每行最多包含10张图像，或1个音频、视频或PDF文件。
位于VPC Service Controls边界内的委托访问对象引用有特殊限制：文档说明，此类引用生成的签名HTTPS地址不能按相同方式处理，需按官方指引改用直接访问引用。
上线前如何评估适用性
团队应先用代表性样本验证指令、分组键和输出结构，再检查连接或最终用户凭据所需的模型与存储权限。对于结果会影响业务决策的场景，还应保留原始数据与人工抽查路径。
不要把自然语言聚合视为确定性统计计算的替代品。 先确认错误比例、成本和输出质量，再扩大到生产数据量。
