谷歌云正在将企业级数据库重新定义为"AI 代理"的核心基础设施，而不仅仅是简单的存储库。该公司明确强调，尽管模型性能正在飞速提升，但在实际企业现场，如果缺乏数据中包含的上下文，AI 的回答和执行价值也将是有限的。
谷歌云在"Google Cloud Next '26"上发布了"代理型数据云"，并公布了将其数据库定位为以 AI 为中心的企业架构基础的战略。谷歌云数据库工程全球副总裁赛莱什·克里希纳穆尔蒂表示："模型非常出色，但并非了解所有上下文"，"这些上下文存在于数据中，而数据的核心最终存储在数据库系统中。"
这次信息的核心是数据库角色的转变。克里希纳穆尔蒂解释说，如果说过去 50 年数据库的重点是存储并返回"精确的结果"，那么在 AI 时代，它正在转变为旨在产生"最佳结果"的结构。为此，图搜索、向量嵌入、语义搜索、全文搜索和关系运算需要在同一个系统内协同工作，诊断认为，为了特定目的而移动并重构数据的传统方式效率已经变得非常低下。
他表示："当你可以将数据视为图形，通过向量嵌入来理解，甚至可以执行语义搜索或全文搜索时，重要的就不再仅仅是精确的结果，而是最高质量的结果"，"为了以不同方式整理数据而无需不必要地移动数据，这是数据库的一个重大变化。"
通过 Spanner Omni 扩展到本地环境及他云
与此同时，谷歌还发布了全球分布式数据库 Spanner 的可下载版本"Spanner Omni"。该产品旨在让企业不仅可以在自有的本地服务器环境中，甚至可以在竞争对手的云上运行谷歌的数据库技术。这反映了企业数据并非必须存在于谷歌云内部的现实，采取的是将技术扩展到数据所在位置的策略。
这在多云和混合环境已成为常态的企业市场中意义重大。AI 代理要执行实际工作，需要连接的并非单一存储库，而是分散在多个系统中的数据，谷歌此举被解读为试图将数据库打造成这种连接的"上下文枢纽"。换言之，这意味着数据库正在超越存储层，演变为 AI 推理和业务自动化的起点。
基于 Gemini 的迁移代理加快转型速度
谷歌还在数据迁移工作中融入了生成式 AI。据克里希纳穆尔蒂称，基于 Gemini 的迁移代理可以大幅减少传统数据库迁移中最耗时的工作。过去，模式迁移、数据迁移、修改应用程序内的 SQL 查询等需要长达数月的人工操作，而现在，代理可以支持包含应用程序层在内的整体转换。
他表示："现在，利用代理可以革命性地改变系统迁移速度"，"数据库迁移不仅仅是模式和数据的问，还包括应用程序的复杂性，借助 Gemini 的力量，我们已经能够更快地迁移整个应用程序堆栈。"
这部分可以被解读为一项瞄准企业引入 AI 现实障碍的战略。许多企业虽然认同引入 AI 的必要性，但由于将现有系统迁移到新环境的成本和时间问题，未能加快速度。谷歌正在将代理型 AI 从简单的聊天机器人扩展到"执行转换的工具"，力图在数据库市场也获得竞争优势。
AI 竞争的核心是"数据上下文"而非模型
此次发布表明，AI 市场的竞争轴心正迅速从模型本身转向数据的可访问性和质量。企业级 AI 代理需要超越回答问题的水平，去理解和处理业务，而成功与否最终取决于能否安全、快速地获取足够丰富的数据上下文。
谷歌云将数据库置于该上下文的中心，并试图将搜索、分析、迁移和部署整合成一个流程。这也正是 AI 代理时代数据库再次受到关注的原因。因为如果说模型负责"智能"，那么数据库就是让这种智能在现实世界中运作的"记忆"和"上下文"的源泉。
TP AI 注意事项 使用基于 TokenPost.ai 的语言模型对文章进行了摘要。可能遗漏了正文的主要内容或与事实不符。