全部 AI 动态

Google Cloud 在 BigQuery Graph（预览版）中引入 measures 支持，将治理指标与关系映射统一，使 AI 智能体能在图结构上基于精确指标进行推理，解决传统表格无法追踪多跳业务关系导致错误决策的问题。

HeyGen 将 18B+ 参数的 Avatar IV 视频生成模型移植到 Google Cloud Trillium (v6e) TPU，通过 torchax 和 XLA 实现，并采用 FSDP 与 Ulysses 序列并行。

Google 发布开源 C++ 库 Credentio，支持在客户端和服务器应用中集成高性能、本地优先的 C2PA 内容凭证验证。该库以优化的内存占用完全本地处理资产，可为数 GB 级媒体文件提供即时验证结果，避免云延迟、带宽成本与数据隐私风险。目前支持深度清单解析与可配置信任列表集成，已在 Google Source 上线，未来计划支持完整的凭证生成与嵌入。

Go 凭借严格的编译器、集成工具链和毫不妥协的可读性，为 AI 编码助手提供确定性护栏，帮助模型自我纠错并生成高度标准化的代码。通过强制生态一致性和严格向后兼容，Go 平台让工程团队能在生产环境中高效验证、优化和维护高速 AI 生成代码。

LiteRT 与轻量级 Gemma 开源模型简化了在 Raspberry Pi 上部署安全、实时的边缘 AI。LiteRT 优化 CPU 和 GPU 性能，为 Gemma4 等模型提供快速 token 速度，支持机器人实时本地推理。开发者可通过轻量级 LiteRT CLI 工具快速转换、量化和运行模型，Hailo AI 加速器支持也即将推出。

Google 宣布在 Google Ads 和 Google Analytics 中新增 AI 与智能体体验，包括 Google Analytics 首页的 AI Overviews 智能摘要、Google Ads 首页的 AI 洞察卡片，以及 Ask Advisor 新增的基准对比功能，可将广告效果与同类商家匿名平均值比较。这些功能基于 Gemini 构建，目前面向英文账户开放 beta 测试。

Gary Marcus 认为现在给 Google 判死刑为时过早。Google 拥有搜索和邮件带来的海量数据、自研 TPU 芯片、去年 4020 亿美元营收和 1320 亿美元利润，以及 Android、YouTube 等分发渠道。Hassabis 留任并与继任者 Koray Kavukcuoglu 继续合作，而 OpenAI 和 Anthropic 各自面临困境。

2026-07-28 发布的 Model Context Protocol (MCP) 规范以完全无状态核心取代传统有状态约束，支持云原生水平扩展、无服务器部署和标准轮询负载均衡。

Target 基于 Spanner Graph 构建企业级“图之图”本体，统一商品图谱、向量嵌入与全文检索，支撑 Gift Finder 等 AI 购物助手，并将数据库维护成本降低 50%。团队通过四阶段零停机迁移，淘汰了 Elasticsearch 集群，在单一引擎中实现多跳图遍历、向量相似度与全文查询，并支持 ACID 事务。

Google 与 Kaggle 的“AI Agents: Intensive Vibe Coding”课程吸引超 35.3 万人注册，聚焦通过自然语言编程的 vibe coding 范式。课程期间 Kaggle Discord 超 39.2 万参与者协作，收到 1.2 万名活跃学员提交的 6000 多份毕业项目。全部内容仍可通过 Kaggle Learn 自学获取。

Google 在 7 月推出三款新 Gemini 模型——Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber，面向生产级 AI 智能体，主打更高 token 效率、更低延迟和更可靠性能。

实时 AI 智能体依赖长连接、有状态的双向流，打破了传统请求-响应式负载均衡范式。开发者需在运行时内实现应用级会话跟踪，以准确测量活跃对话的并发工作负载。将精确的会话计数与标准 CPU 利用率指标一同输入混合路由算法，可有效分配有状态的 AI 流量并防止单个后端瓶颈。

Google Cloud 宣布 Data Commons on Spanner Graph 正式可用，并预览新版 Data Commons Platform，用于统一私有知识与公共数据集知识图谱。

Google 宣布 Gemini Enterprise Agent Platform 的评测服务正式全面可用（GA），为开发者提供统一引擎，可在本地开发实验和线上生产流量中一致地衡量智能体质量。

Genkit Go 推出基于渐进式披露架构的 Agent Skills，将专用指令、脚本和参考资料打包为模块化 SKILL.md 包，初始仅向系统提示暴露 frontmatter 元数据。当任务匹配技能描述时，Genkit 中间件动态加载完整指令和关联资源，确保模型在需要时访问精确工作流，以减少 token 消耗并防止上下文窗口膨胀。

Google 开源 TPU 微基准测试套件提供网络、计算、HBM、主机传输和注意力组件的细粒度性能指标，帮助开发者验证真实硬件能力。通过基准测试建立 Roofline 模型，工程师可准确诊断机器学习工作负载是受计算、内存还是网络限制。该经验基线可直接指导内核调优、网格分片和重物化等软件优化，以最大化大规模模型部署的硬件利用率。

Google Cloud 宣布 AlloyDB 推出 IAM 群组认证（预览版），允许安全团队通过最多 200 个 Google Groups 管理数据库访问。该功能支持 AI 智能体传递用户群组身份至数据库层，实现表级授权与精确审计，并统一了 Cloud SQL 与 AlloyDB 的访问控制策略。

Google Search 新增多项 AI 功能，帮助用户策划晚宴。AI Mode 可协助设计餐桌装饰（Nano Banana 功能）、生成菜单、推荐饮品搭配，并支持连接 YouTube Music 创建播放列表。用户还可通过 AI Mode 快速设计可打印的菜单。

Google AI 发布了一期面向开发者的视频，系统讲解 LLM 核心概念。视频解释了 token 作为模型输入输出基本单元的含义，介绍了检索增强生成（RAG）如何为模型提供训练数据之外的额外信息，并说明了上下文窗口（即模型可处理的 token 数量）近年来大幅增长的趋势。视频还指出，给大语言模型提供更多上下文通常能提升回答质量。

Anthropic 的 Claude Opus 5 已正式登陆 Google Cloud Agent Platform 的 Model Garden。该模型专为高度复杂、长时间运行的智能体工作流设计，在编程、视觉和深度推理方面具备先进能力。使用 Claude Opus 5 时，数据保留在用户私有 Google Cloud 网络内，通过 IAM 控制访问，并支持零数据保留（ZDR），确保企业级安全。

Google 在第二篇技术文章中展示了 Ray Serve、Ray Data 和 JaxTrainer 如何抽象化 TPU 切片上的 AI 工作负载复杂性。Ray Serve 通过简单拓扑配置实现多主机模型的 gang-scheduling，Ray Data 以原生 JAX 批次直接供给加速器以消除数据加载瓶颈，JaxTrainer 则自动处理跨切片协调、检查点与容错，简化分布式训练。

Google Cloud Agent Skills 教程第二部分演示了如何通过 google-cloud-recipe-auth 技能自动验证认证状态，并指导 Cloud Run 服务访问 BigQuery 时的最佳实践。

Google Cloud 在 Next 2026 上推出 Agentic Data Cloud，将数据、AI 模型和操作数据库整合为单一行动系统。其报告显示，83% 的组织认为需要基础设施升级才能支持生产级 agentic AI 系统，43% 的 IT 领导者将“难以集成遗留 API 和数据源”列为首要基础设施缺口。