谷歌重磅推出BigQuery AI：赋能生成式AI与智能体工具，打通机器学习生命周期与向量搜索新生态

（由多段落组成）：

谷歌近日重磅发布全新AI驱动的数据分析工具——BigQuery AI，标志着其在数据与人工智能深度融合领域的又一次重大突破。该平台于11月21日正式上线，旨在将机器学习、生成式AI、向量搜索和智能代理技术无缝整合进BigQuery这一核心数据分析引擎中，帮助用户在不移动数据的前提下，完成从数据处理到AI模型部署的全流程操作。无论是数据科学家、工程师还是业务分析师，都能通过自然语言指令实现高效协作，显著降低技术门槛。

BigQuery AI的最大亮点在于其“以代码贴近数据”的设计理念。传统AI项目常受限于数据迁移、环境配置和框架依赖等问题，而BigQuery AI直接将AI能力嵌入数据存储层，让用户无需导出数据或掌握复杂的ML框架，即可在平台内部完成模型训练、推理及自动化工作流管理。这一变革不仅提升了效率，也增强了数据安全性和合规性，尤其适合对数据隐私要求较高的企业级应用。

平台的核心功能之一是生成式AI函数的深度集成。用户可通过简单的SQL语句调用谷歌及其合作伙伴的大语言模型（LLM）和嵌入模型，实现生成、文本摘要、情感分析、结构化信息提取、分类与数据增强等多种任务。系统还支持自动选择最优模型，在成本与性能之间实现智能平衡。更进一步，借助向量搜索技术，BigQuery AI能够基于语义理解进行检索，超越传统关键词匹配的局限，广泛应用于推荐系统、数据聚类、去重以及检索增强生成（RAG）等场景。

在机器学习生命周期管理方面，BigQuery AI提供了一站式解决方案。从特征工程、模型训练、评估调优到最终部署与推理，整个流程均可在统一环境中完成。平台既支持内置模型，也允许导入在Vertex AI中训练的自定义模型，同时还引入了如TimesFM这样的预训练时间序列预测模型，极大简化了零样本预测任务的实现难度。此外，统一推理接口支持批处理、实时流式处理和远程调用，满足多样化业务需求。

为提升不同角色的工作效率，BigQuery AI推出了面向多类用户的智能代理工具集。数据工程师可通过自然语言描述构建和维护ETL管道，系统自动生成高质量SQL代码并执行数据清洗与转换；数据科学家则可利用智能体自动化多步骤分析流程，包括代码生成、结果解读和可视化输出；而业务人员则能通过对话式分析功能，用日常语言提问并获得直观的数据洞察，真正实现“数据民主化”。

不仅如此，谷歌还开放了强大的扩展能力。开发者可通过智能体开发套件（ADK）构建定制化的多智能体系统，并利用模型上下文协议（MCP）实现AI模型与数据库及其他工具之间的标准化通信。对话式分析API也让企业可以将自然语言查询能力集成到自有产品中。配合数据画布、AI代码补全等辅助功能，整体开发体验更加流畅高效。

实际案例已验证其商业价值。全球知名运动品牌彪马（PUMA）借助BigQuery AI的机器学习模块优化客户细分策略，成功使高价值用户群体的点击率飙升149.8%，转化率提升4.6%。这充分展示了该平台在精准营销、用户行为分析等关键业务场景中的强大潜力。

随着Gemini 3、Nano Banana Pro等前沿模型相继推出，BigQuery AI的发布进一步巩固了谷歌在生成式AI与企业级数据分析融合赛道的领先地位。未来，随着更多行业开始拥抱AI原生数据架构，BigQuery AI有望成为企业智能化升级的核心基础设施。

本文来源：