维度网讯，谷歌云（Google Cloud）发布《基础设施现状报告》，指出83%的组织认为需要升级现有基础设施，才能支撑起生产级的智能体AI（agentic AI）系统。该公司同时推出了“智能体数据云”方案，旨在将数据、AI模型和操作数据库整合为统一的行动系统。
谷歌云认为，当前限制AI规模扩展的主要瓶颈并非模型性能，而是对业务上下文的访问能力以及支撑系统的基础设施。报告发现，43%的IT领导者将传统API和数据源集成困难视为智能体AI面临的最大基础设施差距。与传统软件工作流不同，一个智能体可能从单个提示出发，触发跨多个应用和数据的查询与执行操作，这会为并非为此类负载设计的基础设施层带来压力。
报告还显示，81%的领导者认为运营复杂性和工程开销是扩展AI时的主要意外成本。这意味着，由于工程团队不得不花费大量时间连接割裂的系统，许多AI项目可能因此停滞。谷歌云指出，业务上下文往往被困于碎片化系统和传统架构中。为解决这一问题，其“无边界湖仓一体”（borderless lakehouse）模型允许智能体使用BigQuery和Spanner等工具跨环境访问数据，这些工具基于Apache Spark和Apache Iceberg等开放标准构建，目标是减少将大型数据集移动到一个中心位置的需求。
为提升AI系统的数据理解能力，谷歌云强调了语义层的重要性。报告指出，36%的领导者将缺乏用于AI接地（AI grounding）的高吞吐量向量数据库视为关键差距。其“知识目录”产品能够聚合和丰富数据湖中的信息，支持智能体从未结构化信息中提取语义上下文。对企业而言，问题不仅在于发现数据，还在于AI系统能否安全地基于数据采取行动。
谷歌云指出，AI应用正从模型实验转向架构重构。许多公司已测试了生成式AI工具，但要将其转化为能自动处理财务、客户服务等工作的系统，需要数据和基础设施之间更紧密的耦合。这影响到云提供商、数据库供应商和企业软件集团，也引发了客户的支出问题。报告的核心数据仍然是，83%的组织认为需要基础设施升级才能支持生产级智能体AI系统。
