从注入 BigQuery 的 Gemini Pro 到 AWS 和 Azure 的新跨云功能，合作伙伴、开发者和客户应该了解 Google Cloud 本月发布的五项重大发布。
人工智能是谷歌云2024年最大的重点领域，其创新引擎和研发预算重点关注扩大其人工智能产品组合和生成人工智能能力。
这家市值 370 亿美元、总部位于加利福尼亚州山景城的云计算巨头在过去一个月中围绕 Amazon Web Services 和 Microsoft Azure 的跨云数据功能推出了一系列产品，并在 BigQuery 中提供了Gemini Pro 。
此外，随着两家人工智能公司结成更紧密的合作伙伴关系来推动 GenAI，谷歌云和 Nvidia 也推出了一些新产品。
谷歌云首席执行官表示：“我们与 Nvidia 的长期合作伙伴关系始于硬件层面，并延伸至我们的产品组合——从最先进的 GPU 加速器到软件生态系统，再到我们托管的 Vertex AI 平台。”托马斯·库里安在最近的一份声明中。 “我们的团队与 Nvidia 一起致力于为 ML 开发人员提供一个高度可访问、开放且全面的AI 平台。”
CRN 详细介绍了针对 AWS、Azure、Nvidia 和 BigQuery 的五种新的 Google Cloud 产品。
谷歌云增强AWS和Azure的跨云能力
Google Cloud 为 Google Cloud 和 BigQuery Omni 区域引入了新的跨云功能，使AWS和Microsoft Azure 的数据传输更加轻松。
用户现在可以使用 GoogleSQL 操作来分析 AWS、Azure 和公共数据集的不同存储解决方案中的数据。跨云消除了在运行查询之前跨源复制数据的需要。
此外，Google Cloud 合作伙伴和客户现在可以利用 Amazon Simple Storage Service ( Amazon S3 ) 的 BigLake 表上的物化视图。
BigLake 元数据表上的物化视图可以引用存储在 Amazon S3 中的结构化数据。物化视图副本允许客户在查询中使用 Amazon S3 物化视图数据，同时避免数据传出成本并提高查询性能。这意味着 Amazon S3 数据可在 BigQuery 中本地使用。
BigQuery 中提供 Gemini Pro
Gemini 1.0 Pro 现已通过 Vertex AI 与 BigQuery ML 集成。目标是通过 BigQuery ML 提供 Gemini Pro 模型，从而简化数据的多模式生成 AI。
例如，用户可以实时分析客户评论，并将其与购买历史记录和当前产品可用性相结合，以生成个性化消息和优惠，所有这些都来自 BigQuery 内部。
BigQuery ML 允许用户使用熟悉的 SQL 在 BigQuery 中创建、训练和执行机器学习模型。据 Google 称，随着客户每年运行数亿次预测和训练查询，BigQuery 中内置机器学习的使用量从 2022 年 7 月到 2023 年 7 月增长了 250%。
Gemini 1.0 Pro 模型专为文本摘要和情感分析等各种任务提供高输入/输出规模和更好的结果质量而设计。用户现在可以从 BigQuery 控制台内部使用 SQL 语句或 BigQuery 的嵌入式 DataFrame API 访问 BigQuery ML 上的 Gemini 1.0 Pro。
目标是使客户能够构建将结构化数据、非结构化数据和生成式人工智能模型混合在一起的数据管道，以创建新型分析应用程序。
Nvidia NeMo 现已在 Google Kubernetes Engine (GKE) 上可用
Nvidia 的 NeMo 是一个开源平台，专门用于开发自定义生成人工智能模型。 NeMo 促进了从自动化分布式数据处理到大规模模型训练以及在 Google Cloud 上部署的完整工作流程。
客户现在可以使用 Nvidia NeMo 框架在 Google Kubernetes Engine (GKE) 上训练模型。
NeMo 框架使用模块化设计来构建人工智能模型，以鼓励数据科学家、机器学习工程师和开发人员混合和匹配核心组件，包括数据管理、分布式训练和模型定制。
GKE 提供了与各种硬件加速器(包括 Nvidia GPU)的可扩展性和兼容性，旨在显着提高性能并降低成本。
NeMo 和 Google GKE 的结合提供了训练和服务 AI 模型的可扩展性、可靠性和易用性。
AlloyDB AI 现已全面上市
AlloyDB AI 是一套集成的功能，可轻松构建企业 GenAI 应用程序，现已全面上市。
AlloyDB 是 Google Cloud 托管的 PostgreSQL 兼容数据库，旨在实现卓越的性能、规模和可用性。
谷歌表示，通过利用 AlloyDB AI 实现企业级生产工作负载，开发人员拥有了所需的工具，可以开始向基于企业数据库中数据的应用程序添加智能、准确且有用的生成式 AI 功能。
谷歌表示，AlloyDB AI 运行矢量查询的速度比标准 PostgreSQL 快 10 倍。它支持 8 位量化，启用后索引大小可减少三倍，并提供维度为四倍的向量。
AlloyDB AI 现已在 AlloyDB 和 AlloyDB Omni 中正式发布。
Google Cloud 上的 Nvidia Blackwell 平台
在该公司 2024 年推出的最大项目之一中，Nvidia 最近推出了新的 Blackwell GPU 架构。该芯片制造商声称，与之前的 Nvidia GPU 平台相比，该平台的推理性能将提高 30 倍，AI 模型的能耗降低 25 倍。
谷歌云表示，它已在谷歌云平台(GCP)上采用了英伟达全新的Nvidia Grace Blackwell AI计算平台，以及英伟达DGX云服务。
新的 Grace Blackwell 平台使组织能够在万亿参数大型语言模型上构建和运行实时推理。
Google Cloud 正在采用该平台进行各种内部部署，并将成为首批提供 Blackwell 支持的实例的云提供商之一。
