维度网讯，Google Cloud扩展其云数据库Spanner，新增对图、向量、键值对和全文搜索的原生支持，并通过Spanner Omni将这一多模型数据库能力延伸至本地系统及其他公有云环境。此举旨在将Spanner置于Google数据和人工智能产品组合的核心位置，反映大型技术供应商为生成式AI和自主软件代理重新定位数据库的行业趋势。
Spanner的新图模型基于Spanner Graph构建，允许用户将数据原生表示为图，或在关系型数据上叠加图结构，主要面向知识图谱用例，帮助软件代理跨数据集连接实体、角色和事件。向量搜索功能支持K-近邻和近似最近邻方法，可支持包含超过100亿个向量的索引。全文搜索则整合在同一平台中，支持跨结构化和非结构化数据的检索，包括同义词匹配和拼写纠正。内置的列式引擎支持对实时运营数据进行分析查询，Google称该引擎可将特定分析工作负载速度提升高达200倍，无需将数据迁移至独立系统。
在客户案例方面，Palo Alto Networks使用Spanner Graph处理访问控制工作负载，避免了独立图数据库的使用。法律情报公司Inspira将4.5 TB的数据管道整合至单个数据存储中，采用全文搜索和向量搜索进行检索增强的法律分析。欺诈预防企业Verisoul则利用列式引擎进行大批量事务数据分析。
互操作性是此次更新的关键特性。开发人员可在单个SQL查询中组合图遍历、向量相似度、关系逻辑和关键字搜索，无需拼接不同数据库引擎或在它们之间移动数据。Spanner Omni作为可下载的容器化版本，运行在Kubernetes上，无需专用硬件，使客户能在本地、边缘或包括AWS和Microsoft Azure在内的公有云上运行该数据库，满足混合和多云部署需求。Google指出，该策略旨在解决企业因累积多个独立数据库系统而导致的数据库碎片化问题，这一挑战在AI项目增长后尤为突出。
在市场地位方面，Google引用Gartner在2025年《云数据库管理系统关键能力：运营用例》报告中的数据，称Google Spanner在轻量事务用例中连续第二年排名第一。此外，Forrester Consulting受Google Cloud委托的一项总体经济影响研究发现，部署Spanner后，一个复合组织实现了132%的投资回报率，回收期为九个月，三年内总收益为774万美元。Google将Spanner定位为其Agentic Data Cloud战略的基础，旨在更紧密地结合实时运营数据与大规模分析。其架构依赖TrueTime、Paxos、动态分片及ScaNN向量索引方法，据称能提供分布式一致性、分析查询与语义检索统一运行的能力。Spanner还获得了SIGMOD系统奖。
