Google Cloud Blog 日本語 - TheNote.app

Google Cloud Blog 日本語
フォロー

cloud.google.com/blogは、Google Cloudの公式ブログです。Google Cloudの製品とサービスのニュース、更新、洞察、クラウドコンピューティング業界のトレンドとイノベーションに関する情報を提供します。このブログは、Google Cloudの専門家、エンジニア、思想リーダーが書いた記事で構成されており、人工知能、機械学習、データアナリティクス、セキュリティなど、広範囲のトピックをカバーしています。記事はしばしば技術的なチュートリアル、ケーススタディ、ベストプラクティスを含むため、Google Cloudを使用する開発者、ITプロフェッショナル、ビジネスリーダーにとって非常に有益なリソースです。ブログは、トピック、製品、業界別にカテゴリー化されており、最新の記事を閲覧、特定のトピックを検索、RSSフィードにサブスクライブして最新のニュースと更新を追跡することができます。ブログの主要な特徴として、以下のようなものがあります。 - Google Cloudの製品とサービスの詳細な記事、例えばGoogle Cloud Platform、Google Cloud Storage、Google Cloud AI Platform - Google Cloudサービスの使用に関する技術的なチュートリアルとガイド - Google Cloud顧客のケーススタディと成功事例 - 業界のトレンドとイノベーションに関する洞察と分析 - Google Cloudのパートナーシップと協力に関するニュースと更新 - Google Cloudの専門家と思想リーダーのインタビュー総のところ、Google Cloudのブログは、クラウドコンピューティング、人工知能、関連技術に興味がある誰にとっても有益なリソースです。

Cloud Blog cloud.google.com

RSS cloudblog.withgoogle.com

Google Cloud Blog 日本語 RSS thenote.app

RSS Hunter • 2024年8月23日

ノートのスレッド

BigQuery ObjectRef が一般提供開始：SQL だけで会話型分析のためのマルチモーダルデータプラットフォームを構築

BigQuery は、ObjectRef とマルチモーダルデータ分析を提供するようになり、包括的なエージェンティックデータプラットフォームへと進化しました。ObjectRef により、Cloud Storage からの非構造化データを BigQuery テーブル内のネイティブカラムとして表現できるようになります。この統合により、構造化データと並んで非構造化ファイルに直接アクセスし、単一の SQL または自然言語クエリ内で分析することが可能になります。ユーザーは、BigQuery のサーバーレスコンピューティングと組み込みの推論機能を利用して、個別のインフラストラクチャなしで複雑なデータパイプラインを構築できます。抽出された特徴量とアノテーションは、元の非構造化データと共に保存でき、ニュアンスを保持してより深い分析を行うことができます。このアプローチにより、これまで発生していたデータスティッチングのオーバーヘッドとデータベースの不整合が解消されます。ObjectRef は、構造化データと非構造化データの両方に対して、独立したライフサイクル、ゼロコピーアーキテクチャ、および統合ガバナンスをサポートします。実証済みのユースケースには、コンテンツモデレーション、脅威検出、在庫コンプライアンス、顧客体験分析が含まれます。新しい GA 機能には、柔軟な認証、統合メタデータサポート、および比較分析のための配列サポートが含まれます。企業は、インフラストラクチャを統合し、AI をストレージに直接持ち込むことで、堅牢なマルチモーダル分析を実行できるようになります。

BigQuery ObjectRef now GA: Build multimodal data platforms for conversational analytics entirely in SQL cloud.google.com

RSS Hunter • 昨日

ZenteiQは、llm-d搭載のGKE Inference Gatewayでバッチ推論を4倍にスケールアップ

インド科学研究所発のAIスタートアップであるZenteiQは、主権科学基盤モデルを構築しています。これらのモデルは、物理学、方程式、数値ソルバーの理解を必要とし、一般的な言語モデルとは一線を画します。ZenteiQは、これらのモデルを事前学習するために、大規模な合成データ生成パイプラインを採用しています。このパイプラインは、複雑な科学的導出とソルバー検証を含む、数十億の推論トークンを生成します。以前、ZenteiQはKubernetesでのルーティングボトルネックに直面し、エンジンのキューが不均一になり、冗長な計算が発生していました。これにより、データ生成が大幅に遅延し、事前学習が遅れていました。これらの問題を克服するために、ZenteiQはllm-dを搭載したGoogle Kubernetes Engine（GKE）Inference Gatewayを導入しました。このソリューションは、推論リクエストに対してインテリジェントで、負荷とキャッシュを考慮したルーティングを提供します。GKE Inference Gatewayは、サービングノード全体のリアルタイムのキュー深度とKVキャッシュ利用状況を監視します。これにより、リクエストを効果的にルーティングし、ボトルネックを防ぎ、キャッシュされたプロンプトプレフィックスを再利用します。このインテリジェントなルーティングにより、スループットが劇的に向上し、日次出力は14.7億トークンから約60億トークンに増加しました。また、事前学習実行の予測可能性も確保されました。ZenteiQは、このセットアップを将来の高度なAIトレーニング段階に活用する予定です。

ZenteiQ scales batch inference 4x with GKE Inference Gateway powered by llm-d cloud.google.com

RSS Hunter • 昨日

コアPHPの脆弱性CVE-2026-109618およびCVE-2026-109619に対応

2つの重要なPHPの脆弱性、CVE-2026-109618およびCVE-2026-109619が公開され、認証されていないリモートコード実行およびメモリ開示のリスクをもたらしています。Wiz ResearchおよびPHPによると、CVSSスコア9.2のこれらの脆弱性は、PHPバージョン5.4から8.5.11に影響します。脆弱性は、メモリ不足の処理と古い内部リクエスト状態の問題に起因します。Google Cloudは、ユーザーにPHPアプリケーションを直ちにバージョン8.2以降に更新し、再デプロイするよう推奨しています。App Engine、Cloud Run、およびGoogle Kubernetes Engineのユーザーには、具体的なガイダンスが提供されています。Google Cloud自体は脆弱ではありませんが、そのプラットフォーム上でPHPを実行している顧客アプリケーションが影響を受ける可能性があります。PHPプロジェクトは新しいバージョンに対してパッチをリリースしましたが、古い、サポート終了バージョンは修正されません。Google Cloudは、特定のサーバーレスプラットフォームに対して自動パッチを展開しています。カスタムコンテナイメージを使用しているユーザーは、パッチが適用されたPHPバージョンでそれらを再構築し、再デプロイする必要があります。On-Demand Scanning APおよびSecurity Command Centerのような監視ツールは、脆弱なワークロードを特定および検出するのに役立ちます。PHPの更新は、アプリケーションを保護し、サービス整合性を維持するために不可欠です。

Responding to core PHP vulnerabilities CVE-2026-109618 and CVE-2026-109619 cloud.google.com

RSS Hunter • 昨日

Google Public Sector、最前線での導入に向けたパートナー投資を拡大

Google Public Sectorは、政府および教育機関の顧客との連携を強化し、ミッション遂行を拡大するために、パートナーイニシアチブを強化しています。これらのアップデートは、貴重なパートナーネットワークをサポートするための4つの主要分野に焦点を当てています。新しいインセンティブは、プリセールスの技術的専門知識とソリューション設計に対してパートナーに報酬を与えます。パートナー主導のユーザーサクセスプログラムは、ターゲットを絞った投資を通じてGeminiの導入を促進します。Googleは、パートナー組織内のエリートエンジニアを育成するためのForward Deployed Engineerアカデミーを導入しています。プリセールス加速の取り組みには、パートナー主導の顧客ワークショップおよび概念実証（PoC）への資金提供の増加が含まれます。セールス後の導入では、米国の公共部門全体にGeminiを展開するためのパートナープロフェッショナルサービスに4,500万ドルの資金が大幅に投資されます。専門的なミッションをサポートするために、新しいISV Agent Factoryは、公共部門向けのカスタマイズされたエージェントの作成をスピードアップします。これは、ISV ATO Acceleratorを補完し、認定のための実質的な資金提供を提供します。SHIとの新しい提携を含め、セールスチームとの連携を図るための戦略的提携が形成されており、Accenture Federal ServicesとのGemini Launchpadsに関する協力も行われています。これらのイニシアチブは、機関を実験からミッション実行へと移行させることを目指しています。最終的に、これらの取り組みは、公共部門の顧客が必要とするミッション対応能力を確実に提供します。

Google Public Sector increases partner investments for frontline adoption cloud.google.com

RSS Hunter • 昨日

Google Cloud、モデルの選択肢と柔軟性を拡大、OpenAIモデルを顧客に提供

Google Cloud は、Model Garden に OpenAI モデルを統合することで、AI オファリングを強化しています。これにより、Google Cloud は、他の多数のモデルと並んで、主要な 3 つのクローズドソース LLM すべてにアクセスできる唯一のハイパースケールプロバイダーとなります。このプラットフォームは、コスト、機能、パフォーマンスのバランスを取りながら、顧客が特定のワークロードに最適なモデルを選択できる柔軟性を提供することを重視しています。GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna のような新しい OpenAI モデルが導入され、それぞれ異なるユースケースと効率レベルに合わせて調整されています。この統合により、顧客はアーキテクチャのロックインや個別のベンダー契約なしに、動的にモデルを切り替えることができます。ユーザーアクティビティは単一の Google Cloud 請求書に統合され、既存のクラウドコミットメントと Flexible Savings Plans を利用します。セキュリティとデータガバナンスは最優先事項であり、厳格なデータ境界により、顧客データがモデルトレーニングに使用されることは決してありません。分離されたアクセス境界と統合された監査により、エンタープライズワークロードに対して堅牢なセキュリティと可視性が提供されます。これらの新しい OpenAI モデルは現在、一部のエンタープライズ顧客向けにプライベートプレビュー中です。Gemini for business および Google Antigravity との将来的な統合により、開発者とエンタープライズ向けの選択肢と効率がさらに拡大されます。

Google Cloud expands model choice and flexibility, bringing OpenAI models to customers cloud.google.com

RSS Hunter • 昨日

グローバル規模のハードウェアベースのセキュリティ：NVIDIA Blackwell搭載のConfidential G4がGAになりました

Google Cloudは、人工知能ワークロードのセキュリティを大幅に向上させるConfidential G4インスタンスを発表しました。NVIDIA RTX PRO 6000 Blackwell ServerエディションGPUを搭載したこれらのインスタンスは、機密コンピューティング機能を提供します。これは、自律型エージェントによって処理される機密データと知的財産がリアルタイムで保護されることを意味します。この技術は、NVIDIA Confidential ComputingをGoogle CloudのAI Hypercomputerに統合し、パフォーマンスを犠牲にすることなく、コンピューティング中のプライバシーを確保します。Confidential G4インスタンスは、現在、多数のゾーンで一般提供されており、Compute Engine VMおよびGKEノードでさまざまな消費モデルをサポートしています。セキュアなマルチパーティデータ共有を可能にするConfidential Spaceのサポートも間もなく展開されます。Confidential G4インスタンスは、エクスポート不可能なキー、リモートアテステーション、メモリ暗号化などのハードウェアベースのセキュリティ機能を活用しています。これにより、組織は厳格な規制要件を満たし、コスト効率を維持することができます。このソリューションは、データとモデルパラメータをホスト管理者やクラウドプロバイダーから分離し、エンドツーエンドの機密性を提供します。検証可能な暗号化された信頼は、ハードウェアベースのリモートアテステーションを通じて確立され、機密性の高い操作が開始される前に整合性を保証します。重要なことに、デプロイメントにコードのリファクタリングは不要であり、導入プロセスが簡素化されます。パフォーマンステストでは、Confidential G4インスタンスは、標準のG4インスタンスと同等のスループットを提供し、パフォーマンスの低下は最小限であることが示されています。この進歩により、企業は貴重なAI資産に対する制御、機密性、および説明責任を維持しながら、AIデプロイメントを安全に拡張できるようになります。

Hardware-backed security at global scale: Confidential G4 with NVIDIA Blackwell is GA cloud.google.com

RSS Hunter • 昨日

Google CloudとNVIDIA、エージェンティック時代に向けたインフラストラクチャの拡張で共同エンジニアリングの協業を拡大

エンタープライズは複雑なエージェント型AIワークフローへと移行しており、生の本番性能と不可欠な柔軟性の両方を提供するインフラストラクチャが求められています。この新しい時代には、特定のタスクのために多様なモデルを実行し、データと運用の主権を維持する能力が必要です。Google Cloudは、NVIDIAとの協力により、これらの課題に対応するための進歩を発表しています。NVIDIAのVera Rubinプラットフォームを搭載した新しいA5Xインスタンスは、高速コンピューティングとグローバルな利用可能性の拡大を提供します。Virgo Networkは、サイトをまたいだ大規模なGPUクラスタを可能にするスケールアウト機能を強化します。ストレージソリューションには、GPUへの直接データアクセスを可能にするNVIDIA GPUDirect Storageを備えたManaged Lustreが含まれるようになりました。A5Xインスタンス上の高度なKVキャッシングは、エージェント型ワークロードの長文コンテキストメモリを改善します。Google Kubernetes Engine (GKE) は、これらのA5Xインスタンスをオーケストレーションし、分散AIオペレーションを簡素化します。GemmaやMistralのようなオープンモデルのサポートは、Google CloudのSovereign Cloudポートフォリオ内で拡大しています。NVIDIAのNemotronモデルとCosmosシミュレーションは、カスタマイズと仮想世界生成のためにGeminiと統合されています。Sovereign AI機能は、Google Distributed Cloudを介してオンプレミス環境に拡張されています。これには、エアギャップデプロイメント向けのNVIDIA Blackwell Ultra GPUとGemini Flashモデルが含まれます。パブリッククラウドにおけるConfidential Computingは、Confidential G4インスタンスとConfidential Bare Metalオプションによって強化されています。これらのイノベーションは、ハードウェア強制セキュリティを通じて機密性の高い知的財産とユーザーデータを保護することを目的としています。NVIDIAのフルスタックプラットフォームと共同でエンジニアリングされたGoogle Cloud AI Hypercomputerは、AIのスケーリングのための統一された基盤を提供します。

Google Cloud and NVIDIA expand co-engineering collaboration to scale infrastructure for the agentic era cloud.google.com

RSS Hunter • 昨日

Claude Opus 5.5 および Claude Sonnet 5.5 が Google Antigravity で利用可能になりました。

Google Cloud は Antigravity を通じて Claude Opus 5.5 および Claude Sonnet 5.5 を提供開始し、開発者にさらに多くのモデル選択肢を提供します。Claude Opus 5.5 は複雑なタスクに優れており、Sonnet 5.5 は速度と費用対効果を提供します。管理者は、Antigravity 内で Google の Gemini モデルと並んでこれらのモデルを有効にすることができます。開発者はその後、さまざまな Antigravity ツールにわたるモデルピッカーから直接好みのモデルを選択できます。この統合により、モデル選択のための統一された請求およびセキュリティ環境が実現します。このプラットフォームは、コード品質の向上とコスト管理のためにマルチモデルエンジニアリングパターンをサポートしています。1 つのパターンでは、モデル固有のバイアスを防ぐために、実装と検証に異なるモデルを使用します。開発者は、実装のために Claude Opus 5.5 または Gemini 4 Argon を割り当て、検証のために別のモデルを割り当てることができます。別のパターンでは、強力な推論モデルと高速な「Flash」サブエージェントを組み合わせて効率化します。サブエージェントは、Gemini Flash のような特定のモデルティアを使用して、大量のタスクを処理するように構成できます。これにより、タスクを専門モデルに委任することで、ワークフローを最適化できます。管理者は、請求を構成し、組織のパートナーモデルを承認できます。開発者は、これらの新しいモデル機能を活用するために、Antigravity ツールを更新する必要があります。

Claude Opus 5.5 and Claude Sonnet 5.5 are now available in Google Antigravity cloud.google.com

RSS Hunter • 10月20日

TorchTPU はオープンソースになりました：TPU 上でネイティブ PyTorch を実行

PyTorch Conference 2026 では、Google Cloud およびその他のインフラストラクチャで PyTorch を実行するための新製品と統合が発表されました。Google TPU 用のネイティブ PyTorch スタックである TorchTPU が、GitHub でオープンソース化されました。これにより、vLLM、SGLang、Hugging Face のような使い慣れたツールを使用して、TPU 上でのモデルのシームレスなトレーニング、サービング、デプロイが可能になります。この統合により、ユーザーは一貫した運用モデルで、TPU、GPU、CPU を含むコンピューティングオプションを選択できます。TorchTPU は、最小限のコード変更と使い慣れた API で既存の PyTorch ワークロードを TPU 上で実行できるようにします。eager モードのデバッグをサポートし、torch.compile を通じて TPU の利用率とメモリを最適化します。Hugging Face モデルは、device_map="tpu" によるデプロイの簡素化により、TorchTPU 上でネイティブに実行できるようになりました。推論の最適化は、サービングエンジンとの TorchTPU 統合および TPU と GPU を横断するフリートルーティングによって実現されます。vLLM は、継続的なバッチ処理や量子化などの機能により、TPU 上で高スループットのサービングとメモリ効率を提供します。SGLang は、リクエスト間で KV キャッシュを再利用することで、TPU 上のエージェント型および構造化ワークロードを高速化します。CNCF Sandbox プロジェクトである llm-d 1.0 は、PyTorch サービングエンジンと Kubernetes を接続し、分散 LLM 推論を実現します。TorchTitan は、数千の TPU で検証された、PyTorch ネイティブの分散型高性能トレーニングを大規模に提供します。人気の RL フレームワークである VeRL には、スケーラブルなトレーニング後および強化学習ワークロード向けの TPU バックエンドが追加されました。Ray はネイティブの TorchTPU サポートを追加し、単一のワークフロー内でさまざまなアクセラレータにわたる AI パイプラインのオーケストレーションを可能にします。Google のオンデバイス AI 推論ソリューションである LiteRT が PyTorch エコシステムに参加し、PyTorch モデルをさまざまなデバイスで実行できるようになりました。TPU エージェントスイートも GitHub で早期プレビューされており、TPU 上の PyTorch モデルのオンボーディング、診断、パフォーマンスチューニングを自動化します。

TorchTPU is now open source: Run native PyTorch on TPUs cloud.google.com

RSS Hunter • 10月20日

llm-d 1.0を発表：Google Cloud TPUおよびGPU上でのエージェント向けオープン分散推論

本日、Google、Red Hat、IBMを含むコミュニティによって開発された、分散LLM推論のためのオープンソース、Kubernetesネイティブスタックであるllm-d 1.0がリリースされました。このプロジェクトは、進化する推論ニーズに対応するために、PyTorchとKubernetesコミュニティを統合します。現代のエージェントベースのワークロードは、単純なチャットインタラクションとは異なり、マルチステッププロセス、ツールの使用、およびバースト的なトラフィックパターンを伴います。これらを単一のマシンや基本的なロードバランサーで提供することは非効率的であり、計算の重複やインタラクティブユーザーの停滞につながります。llm-dは、クラスターを協調的なサービングプールに変え、1,000エージェントを単一のエンドポイントでデモンストレーションしました。主な機能には、エージェントのコンテキストとフロー制御を維持するためのキャッシュアウェアルーティングと階層化KVキャッシュ、トラフィックバースト中のインタラクティブリクエストを優先するためのフロー制御が含まれます。バージョン1.0は、優先度を考慮したフロー制御によるマルチテナントQoSと、堅牢化されたAPIによる安定した基盤を提供します。また、高可用性とゼロダウンタイムアップデートによる安全なアップグレード、およびコンテキスト再利用のためのエージェントアウェアサービング機能も可能にします。拡張されたTPU統合は、TorchTPUタイムスライシングによるネイティブPyTorchモデルサービングを提供し、スループットと利用率を向上させます。llm-dコンポーネントはコンポーザブルであり、ユーザーは必要なサービング要素のみを採用できます。このスタックは、Kubernetesプリミティブ、PyTorchサービングエンジン、およびアクセラレータアウェアスケジューリングを接続し、柔軟な本番環境を実現します。

Announcing llm-d 1.0: Open distributed inference for agents on Google Cloud TPUs and GPUs cloud.google.com

RSS Hunter • 10月20日

Google Public Sector Summit 2026 の発表とハイライト

Google は、公共部門のミッションがテクノロジーを通じて野心的な目標を達成する方法を議論するためのサミットを開催しています。公共部門のリーダーは、複雑さと限られたリソースの中で、スピードと効率に対する要求の高まりに直面しています。多くの機関がAIエージェントを採用していますが、レガシーデータサイロと統合の課題により、広範な採用が妨げられています。Google は、安全でスケーラブルなテクノロジーでこれらのプロセスを簡素化することを目指しています。同社は、既存のシステムと統合され、組織のセキュリティ管理に準拠した、さまざまな作業タスクのためのユニバーサルアシスタントである Gemini エージェントを導入しています。Gemini for government services は、公共部門のセキュリティとワークフローの要件に合わせて設計された新しいプラットフォームであり、データ移行なしで既存のシステムへの安全な接続を可能にします。Wiz エージェントは、FedRAMP 認定環境である Wiz for Gov で利用可能になり、Post-Quantum Cryptography のような重要な優先事項の修復を加速します。Wiz は、Scan for Good プログラムを通じて無料のセキュリティ評価も提供しています。エンタープライズ検索機能は、エアギャップ環境向けの Google Distributed Cloud 上の Gemini に提供され、インターネットの侵害なしに機密データの分析を可能にします。America.gov、SUNY、Department of Energy、U.S. Army、Department of War などの組織とのパートナーシップは、Google のテクノロジーがミッションインパクトをどのように推進しているかを示しています。これらの協力は、連邦サービスへのアクセスを簡素化し、研究を進歩させ、国家安全保障を強化し、ロジスティクスを改善することに焦点を当てています。Case Western Reserve University は、学習と研究を強化するために Gemini を使用しています。Google は、エージェンティック時代におけるミッションパートナーとしての役割を強調し、公共部門のエンティティが共にインパクトを構築し、創造することを奨励しています。

Announcements and highlights from Google Public Sector Summit 2026 cloud.google.com

RSS Hunter • 10月20日

管理されたRAG検索を主権境界内で実行：GDCエンタープライズ検索におけるGemini

機密報告書のような機密データを扱う組織は、安全なデータ分析ソリューションを必要とします。パブリッククラウドの検索機能は、データ主権の規定によりデータが外部に出ることを禁じているため、しばしば制限されています。以前は、分離環境向けに複雑で時間のかかるカスタムインフラ開発が必要でした。現在、Google Distributed Cloud(GDC)エアギャップドは、これらの課題に対応するためにGeminiによるエンタープライズ検索を提供しています。この完全管理型検索強化生成検索は、インターネットから切り離された安全な物理的境界内で完全に動作します。ユーザーはファイルをアップロードし、Geminiに情報の検索、要約、比較、翻訳を依頼できます。引用源や永続的な会話が記録されています。これにより、サイロを超えたデータ検索が可能になり、音声、映像、画像など様々な形式からの洞察を個別の文字起こしステップなしで解放できます。システムは既存のアイデンティティプロバイダーと連携し、必要な情報アクセスを実現し、プライバシーを確保しています。データは静止時および輸送時に暗号化され、政府基準に準拠したセキュリティ制御が施されています。Geminiのローカルコード実行エンジンは、構造化データからの分析クエリを安全に処理します。このソリューションは、セキュリティを損なうことなく主権データセンターに高度なマルチモーダルインテリジェンスをもたらします。

Managed RAG search inside the sovereign perimeter: Gemini on GDC enterprise search cloud.google.com

RSS Hunter • 10月20日

政府サービス向けのジェミニ導入

Googleは、公共部門組織向けに設計されたAIエージェントであるGemini for government servicesをローンチしました。このユニバーサルエージェントは、知識作業を処理し、質問に回答し、メディアを作成し、明示された目標に基づいてコードを実行します。データ移行なしで既存の機関システムに接続し、厳格な組織のセキュリティおよびコンプライアンス要件を遵守します。政府向けバージョンには、政策調査やFOIAディスカバリーのような公共サービス向けの専門スキルが含まれており、OracleやMicrosoft 365などのシステムと統合されます。カスタマイズと展開のために、事前に構築されたパートナーエージェントとシステムインテグレーターが利用可能です。Gemini for government servicesはGoogle Cloud上で動作し、データのプライバシーと米国内でのデータ居住性を保証します。ルーチンタスクを自動化し、公務員をより重要な業務に解放することを目指しています。プレビューバージョンは、Geminiを特定の業界向けにカスタマイズするというGoogleのより広範な戦略の一部です。この取り組みは、複雑な政府業務を加速し、市民サービスを改善することを目的としています。

Introducing Gemini for government services cloud.google.com

RSS Hunter • 10月20日

主権AIの次なる時代を可能にする：Google Distributed Cloudの最新イノベーション

エージェントシステムは企業にとってますます価値が高まっていますが、厳格なデータ主権の義務を持つ組織は、それらを展開する際に課題に直面しています。機密データをパブリッククラウドに送信することは多くの場合選択肢になく、プライベートAIスタックを構築することは時間がかかります。Google Distributed Cloud (GDC) のエアギャップイノベーションは、機密データが存在する場所に直接展開できるようにすることで、これらの課題に対応します。主な進歩には、Gemini を搭載したエンタープライズ検索、オープンウェイトモデルのサポート、ターンキーISVアプリケーション、および高速化されたインフラストラクチャが含まれます。GDC は、基盤モデルとオープンモデルからの柔軟性を持つ、孤立したインフラストラクチャを最新のエージェント型イノベーションプラットフォームに変革することを目指しています。GDC エンタープライズ検索上の Gemini は、主権境界内の広大なデータリポジトリを照会するための会話型インターフェイスを提供します。低レイテンシ推論と組み込みの検索拡張生成を備えたテキスト、オーディオ、ビデオなどのマルチモーダルデータをサポートします。GDC エアギャップは現在一般提供されており、Gemini 3.5 Flash および Gemma や Mistral のような主要なオープンモデルをサポートし、ワークロードの選択肢を提供します。このプラットフォームは、AI および従来のワークロードを一緒に実行するための、新しく強化されたインフラストラクチャ・アズ・ア・サービススタックを備えています。これには、高性能なエージェント型インフラストラクチャ用の NVIDIA Blackwell GPU を搭載した A4 Ultra マシンタイプと、回復力のあるマネージドネットワーキングソリューションが含まれます。拡大するISVパートナーエコシステムは、Teradata、Solo.io、Mattermost のような使い慣れたソフトウェアを GDC 上でネイティブに実行できるようにします。これらの統合により、組織はデータプライバシーを侵害したり、使い慣れたツールを置き去りにしたりすることなくAIを活用でき、コンプライアンスに準拠した安全で管理されたエアギャップ環境内で機密データを実行可能な洞察に変えることができます。

Enabling the next era of sovereign AI: The latest Google Distributed Cloud innovations cloud.google.com

RSS Hunter • 10月20日

誰が裁判官を裁くのか？ LLM評価者を監査するための3つの役立つ方法

一般的なテクノロジーに関する誤解は、AIが客観的な評価を提供するというものですが、LLMは人間と同様に主観的です。LLMの審査員は、冗長性バイアス、位置バイアス、ハロー効果など、いくつかのバイアスを示しており、明確なフォーマットがそれらを誤解させる可能性があります。また、同意性バイアスを示し、エラーを検出できず、自身の出力を優先する自己増強バイアスも見られます。したがって、LLMの審査員は客観的ではなく、それらを間違いがないと見なすことは、作業の質の低下を招くリスクがあります。LLM審査員の質を向上させるために、3つの柱からなる方法が提案されています。最初の柱は、同一の入力に対する複数回のパスでの一貫性をチェックすることによる内部安定性の測定です。2番目の柱は、偶然補正されたメトリクスを使用して人間の整合性を検証し、それらが寛大なスコアに同意するだけでなく、実際のエラーを特定していることを確認することを含みます。3番目の柱は、専門的なスコアリングのための分解されたプロンプティングを使用し、パフォーマンスを追跡し、逸脱を特定するために複数のモデルを同時に実行するマルチジャッジアンサンブルの使用を提唱しています。Deltaとの提携は、統計的に監査された評価パイプラインの実装に役立ちます。

Who judges the judge? Three helpful ways to audit your LLM evaluators cloud.google.com

RSS Hunter • 10月19日

Python UDF ロギングによるパイプラインオブザーバビリティの使用方法

BigQueryはPython UDFロギングをサポートするようになり、開発者はPython標準のロギングライブラリを使用して構造化ログをCloud Loggingに直接出力できるようになりました。この新機能は、外部プラグインなしで運用監視とデバッグを容易にし、特に耐障害性の高いデータパイプラインの構築に役立ちます。ワークフローには、Python UDF内でのインライン検証、ログベースのメトリクスに対するCloud Monitoringを介したリアルタイムアラート、およびSQLによるトリアージ/隔離されたデータの再生が含まれます。実用的な例として、eコマースイベント取り込みパイプラインが示されています。汎用Python UDFはJSONを解析し、無効なレコードの診断情報をログに記録し、クエリの失敗を防ぐためにNULLを返します。ロギングは、BigQueryセッションでSET @@udf.propertiesを介して有効になります。UDFエラーの特定のログフィルターを使用してCloud Loggingでリアルタイムアラートを設定できます。フォレンジック分析のために、リンクされた_AllLogsビュー上のBigQuery Log Analyticsにより、データエンジニアはSQLを使用して隔離されたペイロードを直接クエリできます。生のペイロードが保持されているため、問題のあるレコードを回復して本番テーブルに再取り込むことができ、データ損失を防ぎます。データ検証を超えて、このロギング機能は、安全な移行のためのシャドー実行、PIIのマスキング監査、およびML推論ドリフトの検出などのユースケースをサポートします。ベストプラクティスには、デバッグ出力の有効化、ログでの機密データの回避、および選択的ロギングによるロギングコストの管理が含まれます。この統合は、デバッグを合理化し、BigQuery内でのデータパイプラインの回復力を強化します。

How to Use Python UDF Logging for Pipeline Observability cloud.google.com

RSS Hunter • 10月19日

Google Cloud 上での完全仮想車両の構築：AAOS から最小の MCU まで

自動車業界は、コア機能を物理的なハードウェアからデジタルシステムへと移行させ、ソフトウェア定義型車両へと急速に移行しています。インフォテインメントや高性能コンピューティングシステムはクラウドネイティブな手法で開発されることが多いですが、多くの重要なマイクロチップや制御モジュールは依然としてハードワイヤードです。これにより、製造後のアップデートや拡張が困難になり、コストのかかる欠陥解決が開発サイクルの終盤に押しやられるという大きなボトルネックが生じています。Googleは、RemotiveLabsやそのHorizonプラットフォームとのパートナーシップを通じて、これらの非効率性に対処することを目指しています。Android Automotive OS (AAOS)は、すでにArmベースのGoogle Cloudインスタンス上でCuttlefishのような仮想テスト環境を活用し、シームレスなコックピットソフトウェア開発を実現しています。RemotiveTopologyは、この仮想モデルを車両全体の電気・電子 (E/E) アーキテクチャに拡張します。RemotiveTopologyは、車両ネットワークを「コードとしての車両」に変換することで、AAOSを他の車両システムに接続する完全なシミュレーションされたE/Eアーキテクチャを作成します。これにより、開発者はオンデマンドで完全な仮想車両を起動でき、継続的な信号およびクロスドメインの可視性を実現します。標準的なLinuxツールに基づいたこのシステムは、ラップトップからGoogle Cloudまで、さまざまなプラットフォームで実行されます。このアプローチは、物理的なハードウェアが関与する前に、仮想環境内で全ての車載システムを早期に統合することを可能にします。ADASイベントがインフォテインメントクラスターに表示されるような、クリティカルでマルチドメインな相互作用を、最初から継続的にテストできます。この早期統合により、開発プロセスの後半で欠陥を発見する可能性とコストが大幅に削減されます。最終的な目標は、最小の車両コンポーネントであってもスケーラブルなソフトウェア開発を可能にし、完全にソフトウェア定義型車両へのギャップを埋めることです。Google CloudのArmベースのインフラストラクチャ、特にAxionのベアメタルC4Aインスタンスは、クラウドで開発されたソフトウェアと実際の車両制御モジュールとの間の同等性を保証します。このホリスティックなシステムにより、初めて、車両システム全体の開発と統合テストをクラウドで行い、物理的な車両に直接転送することが可能になります。そのメリットは大きく、初期の顧客エンゲージメントで測定された統合サイクルの10倍以上の高速化が含まれます。仮想システムは、車両ソフトウェアを迅速に生成、テスト、洗練するAI支援ワークフローに追いつくために不可欠です。RemotiveTopologyは、このアーキテクチャをアクセス可能にし、GitHubでオープンソースの簡略化された車両を提供しており、新しいサードパーティ製ツールなしで即座に使用できます。メーカーは既存のツールチェーンを活用し、ArmベースのGoogle Cloud環境にRemotiveTopologyを容易に統合できます。現在、仮想開発をコックピットに限定している企業は、この革新的なアプローチを通じて、クラウド全体に車両全体を拡張する時期に来ています。

Building full virtual vehicles on Google Cloud: From AAOS to the smallest MCU cloud.google.com

RSS Hunter • 10月19日

GeminiにおけるMCPアプリの実装に関する開発者向けガイド

エンタープライズアシスタントは主にテキストを使用しており、頻繁な調整を必要とする視覚的で多段階のタスクには非効率的です。MCP Appsは、Model Context Protocolの拡張機能であり、Gemini Enterpriseチャットフロー内に直接レンダリングされるライブユーザーインターフェイスとツールをペアにすることでこれを解決します。サンドボックス化されたiframeに埋め込まれたこれらのインタラクティブUIは、フルスクリーンまたはサイドパネルに拡張できます。編集はローカルで処理され、ワークスペースとアシスタント間の同期が維持されます。このアプローチは、認証、データアクセス、およびデフォルトのアシスタントにGemini Enterpriseを活用することで、コアインフラストラクチャを再構築する必要性を排除します。ユーザーは、MCPサーバーをプライベートCloud Runサービスにホストします。世代を通じて、エンタープライズアシスタントは、静的なテキストチャットボットからライブAPIを呼び出すものへ、そして現在ではライブワークスペースを備えたインタラクティブなMCP Appsへと進化しました。MCP Appsは、応答性の高いユーザーエクスペリエンス、目的に特化したワークフロー、エンタープライズグレードのセキュリティ、ヒューマンインザループガバナンス、および幅広い接続性を提供します。アーキテクチャは、クライアントブラウザ、Gemini Enterprise、およびユーザーのGoogle Cloudプロジェクトの3つの分離されたティアで構成されます。セキュリティは、Cloud Run IAMとアプリ内OAuthの2層の認証によって強制されます。MCP Appの構築には、サーバーとHTMLウィジェットの作成、Cloud Runへのデプロイ、およびGemini Enterprise内での登録が含まれます。登録されると、MCPツールはアクションとしてインポートされ、有効化してGemini Enterpriseアプリに接続することで、シームレスな統合が可能になります。

Developer’s guide to implementing MCP apps in Gemini cloud.google.com

RSS Hunter • 10月19日

Google、2026 IDC MarketScape for Agentic AI Platformsでリーダーに選出

組織は、AIエージェントをビジネス全体に展開する上で、生のモデル知能よりも品質、統合、セキュリティ、ガバナンスを優先するという大きな課題に直面しています。GoogleのGeminiは、これらの展開のハードルに対処するために設計された基盤プラットフォームとして提示されています。これにより、エージェントはGoogle WorkspaceやMicrosoft 365のような使い慣れたユーザー環境内で、一貫したメモリと権限を維持しながら動作できます。Geminiはまた、200以上のモデルの選択肢と、SalesforceやSAPなどのエンタープライズデータソースとの直接統合を提供する、ラディカルなオープンネスを推進しています。このプラットフォームは、スマートトークンエコノミクスを採用し、各タスクに適切なモデルを選択し、再利用可能なスキルを可能にすることでコストを最適化します。このアプローチは、効率を高め、冗長な処理を削減します。さらに、Geminiは、専用のエージェントID、分離されたサンドボックス、自動ポリシー施行を含む、組み込みのガバナンスとセキュリティ機能を組み込んでいます。これらの保護措置は、機密データとインフラストラクチャを保護します。このプラットフォームは、ビルダーに信頼性が高くオープンな環境を提供し、AI展開への信頼を育むことを目指しています。エージェンティックAIプラットフォームの最初のIDC MarketScapeにおけるGoogleのリーダーシップは、エンタープライズAIのニーズを満たすGeminiの能力を強調しています。Geminiのデザインは、AI統合のための選択肢と堅牢なセキュリティでチームを強化することに焦点を当てています。

Google named a Leader in the 2026 IDC MarketScape for Agentic AI Platforms cloud.google.com

RSS Hunter • 10月19日

Google Cloud上のReflectionのBeamのDay 0サポート：llm-dとNVIDIA Dynamoによる5倍高速なパフォーマンス

Reflectionは、高度なソフトウェアエンジニアリングと長期間のエージェントタスク向けに設計されたオープンウェイトモデルであるBeamをローンチしました。BeamはApache 2.0ライセンスで提供され、そのパラメータクラスのモデルとしては印象的な推論効率を実現しています。Google Cloudは、AI HypercomputerおよびNVIDIA AI Infrastructure上でのデプロイメントレシピを提供し、Beamの即時サポートを発表しました。Reflectionと共に、Google Cloudはllm-dとNVIDIA Dynamoを使用してBeamのパフォーマンスを最適化し、サービングを強化しました。Google Cloud上でのBeamのデプロイメントは、エージェントワークロードにおいて大幅に高いパフォーマンスと低いレイテンシをもたらしました。このリリースは、モデルとシステムの効率の複利効果を強調し、エージェントのスループット向上とレイテンシ削減につながります。高効率なマルチターンサービングは、KVキャッシュ対応ルーティングやスペキュラティブデコーディングなどの高度な技術によって実現されます。開発者は、エージェントワークロード向けのターンキー最適化デプロイメントの恩恵を容易に受けることができます。エージェントタスクの推論をスケーリングするには、モデルとサービングシステムのレイヤーの両方で最適化が必要です。Beamのユニークなアーキテクチャは、トークンごとにパラメータのごく一部しかアクティブにしないため、コンピューティング要件を劇的に削減します。サービングスタックは、長コンテキストシナリオにおけるプリフィルコンピューティングやKVキャッシュ容量などのボトルネックに対処します。この共同開発ソリューションは、強力で効率的なAIツールを開発者に提供することを目的としています。

Day 0 support for Reflection’s Beam on Google Cloud: 5x faster perf with llm-d and NVIDIA Dynamo cloud.google.com

RSS Hunter • 10月16日

SAVEメソッド：信頼できる生成メディアをエンジニアリングするための基本を学ぶ

Google Cloud Consultingは、信頼性が高くブランドに沿った生成メディアを作成するために、SAVEと呼ばれる4段階の方法を提供しています。このアプローチは、複雑なプロンプトを超えて、一貫した結果を保証します。最初のステップであるSeparateは、プロンプトを研究者とストーリーテラーの明確な役割に分割することを含みます。研究者はソースドキュメントから検証済みの事実を抽出し、ストーリーテラーはそのキュレーションされた情報を使用して創造的な表現に焦点を当てます。検証済みの事実のみを承認する第2ステップは、生成モデルが生の編集されていないファイルにアクセスしてはならないことを意味します。代わりに、明示的な制約を伴う承認済みのステートメントとコンテキストパッケージのみを受け取る必要があります。レンダリング前に検証する第3ステップは、メディア生成前にスクリプトとストーリーボードを確認することを強調します。これにより、テキストベースのコンテンツの編集が容易になり、早期にエラーを検出して時間とリソースを節約できます。最後のステップであるEngineerは、プログラムによるガードレールと独立した安全ゲートをシステムに組み込むことを含みます。これにより、プロンプトの遵守にのみ依存するのではなく、単語数やブランドコンプライアンスなどのルールが決定論的に強制されます。SAVEを実装することにより、組織は偽の詳細のリスクを軽減し、生成メディアの精度を確保できます。この方法は、精度に対する責任をシステムのアーキテクチャ内に配置します。SAVEを適用することは、Google Cloudツールを使用して生成メディア全体にわたって信頼性を構築するのに役立ちます。

The SAVE method: Learn the fundamentals to engineer trustworthy generative media cloud.google.com

RSS Hunter • 10月16日

自律性のアーキテクチャ設計：高計算量、管理されたバイオテクノロジーエージェントのためのデザインパターン

現代のAIエージェントは、プロンプトとAPIコールを迅速に処理する単純なディスパッチャーとして機能します。しかし、タンパク質フォールディングや化合物スクリーニングのようなバイオテクノロジーのタスクは、高速なAPIルックアップとは異なり、複雑で持続的なシミュレーションです。標準的なAIパラダイムは、タイムアウトやIP公開のリスクのため、これらの要求の厳しいワークフローでは失敗します。エンタープライズグレードの研究開発エージェントを構築するには、モノリシックなアシスタントを超えた新しいアプローチが必要です。これには、認知オーケストレーション、計算実行、エンタープライズガバナンスを分離する3層アーキテクチャが含まれます。実行レイヤーは、専用GPUまたはマネージドクラウドエンドポイントで実行されるワークロードで、重い科学計算を処理します。GPUのコールドスタートペナルティを軽減するために、ウォームプールを維持し、重みをプリロードすることが応答性のために重要です。コンテナ化されたNVIDIA Inference Microservices (NIMs)は、独自の化学情報の厳格なデータ分離を維持しながら、迅速なプロトタイピングを保証します。認知レイヤーは、階層的なマルチエージェント構造を使用してエージェントワークフローをオーケストレーションします。主要なオーケストレーションパターンには、速度のためのインプロセスネイティブエージェントハンドオフや、コンテキストウィンドウをコンパクトに保つためにクラウドストレージ経由で参照によってバルキーなペイロードを渡すことが含まれます。ワークフローロジックは生化学的推論から分離され、計画は一般的なLLMに、ドメインの専門知識は専門モデルに割り当てられます。評価は、厳格なカットオフではなく、コンテキスト駆動の評価を組み込み、薬剤候補評価における動的なリスク許容度を可能にします。パフォーマンスのベストプラクティスは、生のトークン速度よりもI/Oとペイロードサイズの最適化を強調します。クライアントサイドの同時実行性をバックエンドのメカニクスと整合させ、ディープツールチェーンを回避することも重要です。参照によって重いペイロードを渡し、中間ステージ完了をストリーミングすることで、可視性と効率が向上します。エンドツーエンドのパイプラインを単一のクリーンなインターフェイスの背後にラップすることで、コンピューティングが簡素化されます。Geminiプラットフォームは、エージェントID、セキュアなインバウンド/アウトバウンドのためのエージェントゲートウェイ、承認済みツールのためのエージェントレジストリを備えたエンタープライズガバナンスを提供します。Model Armorは、セキュリティのためにプロンプトとペイロードを検査します。非対称自律性は、人間の承認を必要とするゲート付きの不可逆的な操作と、元に戻せる自動化された操作のバランスを取ります。この分離されたアーキテクチャは、将来の複雑なシミュレーションのためのスケーラブルでセキュアで監査可能な研究システムを保証します。

Architecting autonomy: A design pattern for high-compute, governed agents in biotech cloud.google.com

RSS Hunter • 10月16日

エージェントプラグイン構築から得られた4つの評価エンジニアリングの教訓

エージェントシステム構築における真の課題は、構築そのものではなく、測定にある。評価エンジニアリングは、体系的で再現可能なテストを実装することにより、信頼できるAIシステムを作成するために不可欠である。Google Cloud Developerプラグインの開発は、これらの評価原則に関する実世界での洞察を提供した。重要な教訓の一つは、最終的な要約だけでなく、実行ステップを評価することである。LLMジャッジにエージェントのテキスト応答を採点させることに頼るよりも、生のツール呼び出し軌跡を評価し、実行されたコマンド、検証されたコマンド、スコープされたコマンドを確認する方が正確である。もう一つの教訓は、非同期操作のための評価を設計することを強調している。テレメトリでターン構造を維持することは、同時ツールディスパッチを理解し、アクションが実行された後にガイダンスが処理されるような問題を回避するために不可欠である。ライブ実行と「ドライラン」を並行してテストすることも重要である。ライブ実行は実際の実行と安全性を検証する一方、プランのみの実行は、権限エラーなしにモデルの推論を明らかにする。この2つの差は、重大な認知上の欠陥を露呈させる可能性がある。最後に、耐久性のあるベースラインとして「ゴールデンセット」を使用することが推奨される。これらのセットは、専門家によってキュレーションされた理想的なパスを表し、モデルとハーネスの進化に対するセーフティネットとして機能する。これらの評価スイートは、マルチステップのやり取りや権限を処理するエンタープライズグレードのエージェントにとって不可欠である。信頼性の高いエージェントを構築し、出荷するには、期待される動作を保証するために、評価にもっと多くの作業が必要となる。ストレステストされた評価スイートの耐久性は、最終的にモデルの変更よりも長持ちする。

Four evaluation engineering lessons learned from building agent plugins cloud.google.com

RSS Hunter • 10月16日

GKE向けWiz Runtime Sensorアドオンを発表：Kubernetes向けターンキー脅威検出

AIの時代はセキュリティ脅威を加速させ、アクティブな攻撃に対して従来のスキャンでは不十分になっています。Wizは、Google Kubernetes Engine（GKE）向けのRuntime Sensorアドオンをプレビューで導入します。この統合により、WizのeBPFランタイム脅威検出のためのロータッチデプロイメントと自動管理が提供されます。これは、複雑なインストールや認証情報のセキュリティリスクといった一般的なデプロイメントの課題に対処します。GKE向けのWiz Runtime Sensorは、センサーのライフサイクル管理を簡素化するファーストパーティのマネージドアドオンとなりました。これは、GKEのSecret Managerとシームレスに統合され、安全な認証情報の取り扱いを実現します。プラットフォームオペレーターは、gcloud CLIまたはGKE APIを使用してセンサーを有効化し、デプロイメントを簡素化できます。組織ポリシー制約を通じて、センサーのないクラスターを防ぐことで、フリート全体でのガバナンスが強制されます。センサーは、システムコールとネットワークアクティビティを監視し、最小限のオーバーヘッドでカーネルレベルの可観測性を提供します。また、独立して自動更新されるため、新たな脅威に対する継続的な保護が保証されます。Wiz AI Application Protection Platformとのこの統合により、リアルタイムのリスク評価と脅威検出が提供されます。

Announcing Wiz Runtime Sensor add-on for GKE: Turnkey threat detection for Kubernetes cloud.google.com

RSS Hunter • 10月16日

Gemini向けイノベーションにより、ボーダーレスなレイクハウスをエージェンティック時代へ

エンタープライズはAIをチャットボットから自律型エージェントへと移行させていますが、散在するデータに苦労しています。このボトルネックにより、エージェントはセキュリティリスクなしに真の行動システムになることができません。ボーダーレスなLakehouseと統合されたGeminiは、現在ソリューションを提供しています。この統合により、Geminiはデータの移動なしに、クラウド、SaaSプラットフォーム、オンプレミスシステム全体にわたるデータにアクセスし、推論することができます。ビジネスユーザーは自然言語を使用して多様なデータソースをクエリできます。AIエージェントは、このデータを根拠のある推論とコード生成に活用できます。ボーダーレスなLakehouseの新しい進歩には、クロスクラウドサポートとApache Iceberg互換性が含まれます。専用ネットワーク接続とキャッシングにより、ペタバイト規模の推論のパフォーマンスが向上します。Icebergメタデータの最適化により、クエリエンジンの効率が向上します。読み書きの相互運用性により、共有Icebergテーブルでのシームレスな作業が可能になります。AlloyDBレイクハウスフェデレーションにより、データベースとウェアハウスのデータを一緒にクエリできます。レイクハウスランタイムカタログは、エンタープライズデータを統合し、エージェントにコンテキストを提供します。SaaSアプリケーションとのゼロコピーデータ統合が拡張されました。Databricks Delta Lakeアセットをレイクハウスに同期できます。実際の例は、大幅なパフォーマンス向上とモダナイゼーションを示しています。レガシーシステムからボーダーレスなLakehouseへの移行が、現在合理化されています。

Bringing the borderless Lakehouse into the agentic era with innovations for Gemini cloud.google.com

RSS Hunter • 10月15日

ViskoがGoogle Cloud TPUでリアルタイムの世界モデルをストリーミングする方法

生成AIスタートアップは、静的なクリップだけでなく、インタラクティブでリアルタイムな世界を開発しています。ViskoはGoogle Cloud TPUエンジニアと協力し、わずか30日でライブワールドモデル「Orbis」をCloud TPUにデプロイしました。ライブワールドモデルの提供は、オフラインのビデオ生成とは異なり、厳格なリアルタイムクロックに打ち勝つという独自の課題を提示します。世界がフリーズするのを避けるために、すべてのビデオとオーディオのチャンクは、前のチャンクが終了する前にレンダリングされる必要があります。ViskoのOrbisは、単一のプロンプトからライブビデオをストリーミングし、視聴者がリアルタイムでシーンを動的に操作できるようにします。チームは、ビデオ生成、アップスケーリング、オーディオを含むViskoのエンドツーエンド推論パイプラインを、単一のCloud TPUスライスに正常にデプロイしました。アーキテクチャの最適化と精密なエンジニアリングにより、1.07倍の再生速度でエンドツーエンドの生成を達成しました。この技術的な詳細な分析では、Google Cloud上で超低遅延の生成AIを構築するスタートアップ向けの最適化と実践的な教訓を探ります。ライブワールドモデルは、バッチサイズが1であり、厳格な逐次依存関係があるため、標準的なバッチ推論とは根本的に異なります。Viskoのパイプラインは、1つのCloud TPUスライス上で3つの生成モデルをチェーンし、各チャンクのハードウェアを共有します。

How Visko streams real-time world models on Google Cloud TPUs cloud.google.com

RSS Hunter • 10月15日

Geminiエージェントがスタートアップにとって意味すること

Google for Startups は、リーンスタートアップチームが運用上のオーバーヘッドを克服し、コアプロダクト開発に集中できるよう支援するために Gemini エージェントを導入しました。この統一され、遍在し、永続的なエージェントは、パーソナルアシスタントおよび専任チームメンバーとして機能します。ライティング、コーディング、データ分析などの多様なタスクを処理し、複雑なジョブのために動的にサブエージェントを作成します。Gemini エージェントは、日々のツールやクラウドサービス全体に統合され、長くて多段階のプロセスでコンテキストを維持します。創業者たちは、市場調査からピッチデッキ作成までのタスクを自動化するデジタルチーフオブスタッフのように活用できます。スタートアップにとっての主なメリットには、同僚エージェントや再利用可能なスキルによるアウトプットのスケーリングが含まれます。ベンダーロックインなしでコストを最適化できるさまざまなAIモデルから選択できます。エージェントは既存のエンジニアリング、データ、ビジネスツールとシームレスに接続し、カスタムコネクタの必要性を減らします。エージェントIDや分離されたサンドボックスを含む、組み込みのエンタープライズグレードのセキュリティおよびガバナンス機能は、B2Bスタートアップが調達のハードルをクリアするのに役立ちます。リアルタイムのコスト管理と支出キャップは、予期しない請求の驚きを防ぐことでランウェイを保護します。Whenere のような早期採用者は、すでに Gemini プラットフォームを使用して効率的にアセットを作成しています。スタートアップは、これらの機能の詳細について Google for Startups に問い合わせることができます。

What the Gemini agent means for startups cloud.google.com

RSS Hunter • 10月15日

境界セキュリティの近代化：VPC Service Controlsによるスケーラブルな境界

クラウドオペレーションにおける自律エージェントは、その非人間的なアイデンティティと大規模なアクションを実行する能力により、新たなセキュリティ上の課題を提示します。従来のネットワーク境界は、マシン速度の攻撃に対しては不十分であり、制限的すぎたり、許可的すぎたりする可能性があります。強化されたVPC Service Controls（VPC-SC）は、現在、境界の作成、保守、スケーリングを容易にします。VPC-SCのフォルダメンバーシップにより、フォルダ内のプロジェクトはセキュリティポリシーを自動的に継承できます。拒否されたアクセスに対する詳細な例外とガイダンス付きの修復が利用可能になりました。これにより、データはデフォルトで保護され、自律エージェントを安全にスケーリングできるようになります。VPC-SCは、データ窃盗や内部脅威に対して、コンテキストを認識したネットワークセキュリティ境界を提供します。イングレス/エグレスルールにおけるフォルダおよび組織のサポートは、管理を簡素化し、ルールを簡潔に保ちます。Private Service Connectエンドポイントは、より正確なポリシー作成のために、現在イングレス/エグレスルールで使用できます。サービスパターンを通じて、特定のURLパターンを許可することで、Google APIアクセスに対する詳細な制御が提供されます。ガイダンス付きの違反修復は、正当なアクセス要求の承認プロセスを合理化し、解決時間を大幅に短縮します。

Modernizing perimeter security: Scalable perimeters with VPC Service Controls cloud.google.com

RSS Hunter • 10月15日

Cloud Run 上の Temporal Serverless Workers: 需要に先駆けてワーカーをスケーリング

Temporal実行プラットフォームは、分散システムとAIエージェントにとって重要ですが、ワーカーのデプロイとスケーリングにおいて課題に直面しています。従来の Kuberntes や VM の管理は、継続的なコストとスケーリングの遅延につながります。Temporal Cloud は現在、Cloud Run 上の Serverless Workers を提供し、これらの問題を解決しています。これらのワーカーは、Temporal が自動的にスケーリングする「ワーカープール」としてデプロイされ、アイドル時にはゼロまでスケールダウンされます。これにより、クラスターやオートスケーラーの管理が不要になり、ワーカーコードは変更されません。Cloud Run ワーカープールは、Temporal ワーカーの動作方法に沿って、継続的なバックグラウンドタスク向けに設計されています。Temporal Cloud はタスクキューを監視し、Cloud Run Admin API を介してワーカープールサイズを調整します。ワーカーの各ビルドバージョンは独自のプールで実行され、古いバージョンは必要になるまでゼロにスケールダウンできます。このテクノロジーにより、AI 用の自動スケーリングされたエージェンティックワーカーが可能になり、長時間実行されるワークフローを効率的に処理し、コスト削減でバースト的なバッチ処理をサポートします。以前は、Cloud Run 上で Temporal ワーカーを実行するには、ポートリスナーとインスタンス課金のための回避策が必要でした。ワーカープールはこれらを削除し、エンドポイント管理なしで、より低コストで安定した CPU を提供します。スケーリングはリビジョンチャーンを引き起こさず、Temporal はタスクバックログのレイテンシを監視して成長を管理します。可用性を確保するためにスケールインはより保守的であり、ワーカーの構成可能なグレースフルシャットダウンが可能です。Cloud Run 上の Temporal Serverless Workers は、ステートフルで決定論的なワークフローにとって重要な機能である Temporal Worker Versioning も強制します。新しいコードのデプロイには、バージョンごとに個別のワーカープールを作成することが含まれ、実行中のエラーを防ぎます。ワークフローは元のバージョンにとどまるか、ワークフローの種類に応じて自動アップグレードが構成されます。セットアップには、ワーカーのコンテナ化、Cloud Run ワーカープールとしてのデプロイ、Temporal Cloud への権限の付与、および Worker Deployment Version の作成が含まれます。この新機能は現在プレビュー中です。

Temporal Serverless Workers on Cloud Run: Scale workers ahead of demand cloud.google.com

RSS Hunter • 10月15日

アーモリーキャッスルは信頼を超えた悪用をする

BeyondTrustは、そのRemote Supportアプライアンスに、任意のファイルアップロードを可能にする脆弱性、CVE-2026-102764を開示しました。Mandiantは、中国とつながりのあると疑われるアクターARMORY CASTLEが、2026年8月下旬にこれをゼロデイとして悪用したことを発見しました。アクターは、SAWFLYと呼ばれるカスタムPHPウェブシェルを使用して足場を確立し、これは暗号化されたC2経由で通信しました。システムバイナリのSUID権限を操作することで、rootへの権限昇格が達成されました。その後、ARMORY CASTLEは、独自のbt-secrets CLIユーティリティを使用して認証情報を収集しました。長期的な永続化のために、アプライアンスの設定テンプレートを変更して、サービスアカウントへのパスワードなしのrootアクセスを付与しました。脅威アクターは、検出を回避し、フォレンジック分析を妨害するために、積極的にログを削除しました。また、侵害された管理者認証情報を悪用して、BeyondTrustウェブポータルへのアクセスを取得しました。さらに、ARMORY CASTLEは、下流システムへの無制限のリモートアクセスを永続的に取得するために、ユーザー権限を変更しました。最後に、カスタムトンネラーであるBARECLAWを使用して、データを外部に流出し、ネットワーク内で横方向に移動しました。

ARMORY CASTLE Exploits BeyondTrust cloud.google.com

RSS Hunter • 10月15日

一時的なサプライチェーン改ざんの調査

Google Threat Intelligence GroupとMandiantは、AOMEI Technologyに対するソフトウェアサプライチェーン攻撃を調査しました。脅威アクターであるUNC7017は、5分から10分という非常に短い時間枠でAOMEIのアップデートサーバーを繰り返し改ざんしました。この戦術は、従来のセキュリティ検出方法を回避するように設計されていました。このキャンペーンでは、CROSSROADダウンローダーとSHINYROADバックドアを含む多段階ペイロードが配信されました。UNC7017は、インフラストラクチャをクラウドプロバイダーから専用ドメインとクラウドストレージへと戦略的に移行しました。この機会主義的なキャンペーンは、複数の国のさまざまなセクターの組織に影響を与えました。ManagedEngine Threat Analysis Lab (METAL)は、EDRテレメトリを通じてこの活動を最初に検出しました。その後、GTIGは影響を受けた組織に通知し、AOMEIと知見を共有し、AOMEIは是正措置を講じました。この攻撃は、down_html.iniやNotifycfg.iniなどの設定ファイルを変更することにより、AOMEIのアップデートおよび通知ロジックを悪用しました。UNC7017は、目に見えないポップアップを使用したサイレントWebDAV認証情報強制技術も使用しました。マルウェア配信には、カスタムローダーと、変更されたRadmin Serverバックドアを含むポストエクスプロイトフレームワークが含まれていました。CROSSROADダウンローダーは、環境を検証し、エンドポイントをクリーンアップし、二次ペイロードをステージングし、永続性を確立しました。

Investigating Ephemeral Supply Chain Tampering cloud.google.com

RSS Hunter • 10月15日

BigQueryにおける予測可能なAI支出：生成AI機能のコスト管理の導入

BigQuery の生成 AI 関数により、ユーザーは大規模言語モデルを SQL クエリに直接統合して、分類や感情分析などのタスクを実行できます。これらの関数はトークンごとに課金されるため、大規模な使用にはプロアクティブな予算管理が不可欠です。Google Cloud は、IAM を介して管理される日次クォータを通じて、これらの関数に対するトークンベースのコスト管理を導入しました。日次クォータは 4 つあります。AI 入力トークン/日、AI 入力トークン/日/ユーザー、AI 出力トークン/日、AI 出力トークン/日/ユーザーです。これらのクォータはグローバルに適用され、埋め込み関数を除く BigQuery の特定の生成 AI 関数を対象とします。管理者は、Google Cloud コンソールで直接、または API を介してプログラムでクォータを表示および調整できます。コストを効果的に管理するために、ユーザーはクォータをすぐに引き下げたり、増加をリクエストしたりできます。増加は多くの場合自動承認されます。クォータとシステム制限ページで使用状況を監視すると、急増を検出し、予算を適切に設定するのに役立ちます。トークンクォータは、より広範な Cloud Billing の支出上限とは異なる、予防的な AI 固有のガードレールとして機能します。実施には、クォータに達したときに処理を停止することが含まれます。クエリを事前に拒否するか、クエリの途中で LLM 呼び出しを停止します。AI.COUNT_TOKENS 関数は、追加費用なしで入力トークン使用量を推定するのに役立ちます。トークン価格を理解し、使用量を推定することで、管理者は予算目標に合わせた適切なクォータ値を設定できます。ベストプラクティスには、ユーザーごとのクォータから始めること、AI.COUNT_TOKENS を使用して入力データを測定すること、出力トークンの高コストに注意すること、および観測された使用状況に基づいて制限を反復的に調整することが含まれます。これらのトークンベースのガードレールを実装することで、BigQuery の生成 AI のコスト予測が可能になります。

Predictable AI spend in BigQuery: Introducing cost management for generative AI functions cloud.google.com

RSS Hunter • 10月14日

クラウドCISOの見解：新しいGemini NotebookがCISOと政策立案者のPQCへの準備を支援

Google Cloudは、CISOsや経営陣がポスト量子暗号（PQC）に備えるのを支援するため、公開版Gemini Notebookをローンチしました。このツールは、GoogleのPQCに関する研究、エンジニアリングの知見、移行に関するアドバイスを、アクセスしやすい形式で統合したものです。量子コンピューティングは急速に進歩しており、現在の暗号化は「今保存して後で復号する」といった将来の攻撃に対して脆弱になっています。Googleは、一般的な暗号化方式を解読するには、相当数の量子コンピュータ部品が必要になると推定しています。同社は2029年までにPQCへの移行を計画しており、他の組織にも同様の対応を求めています。Gemini Notebookは、音声概要、フラッシュカード、PQCに関する特定の質問への回答を提供します。CISOsは、脆弱な暗号化を特定し、リスクを優先順位付けし、計画にクリプトアジリティを組み込むことが推奨されます。GoogleはすでにChromeやAndroidなどの製品でPQCを展開しており、Post-Quantum Cryptography Allianceの共同設立者でもあります。組織は、信頼できる情報源をキュレーションし、中立的なプロンプトを使用することで、独自のPQCノートブックを作成できます。この記事では、AI時代の脆弱性の傾向やネットワークアプライアンスの悪用など、最近のセキュリティアップデートや脅威インテリジェンスも取り上げています。Google Cloudのポッドキャストでは、ブラウザパッチングにおけるAIや脆弱性研究について議論しています。

Cloud CISO Perspectives: New Gemini Notebook can help CISOs and policymakers prepare for PQC cloud.google.com

RSS Hunter • 10月14日

オープンスタンダードによるクロスクラウド会話分析の簡素化

組織は、複数の専門プラットフォームやクラウドに分散した断片的なデータにしばしば苦慮しています。以前は、これには複雑なデータパイプラインを構築するか、不完全なレポートを受け入れるかのいずれかが必要でした。従来の方法では、データを中央ウェアハウスにコピーしていましたが、これは同期の問題、ストレージコスト、スキーマ変更時のパイプラインの破損につながっていました。Google CloudのApache Iceberg上に構築されたボーダレスLakehouseは、コンピューティングとAIが異なるプラットフォーム間でデータをその場でアクセスできるようにすることで、解決策を提供します。このアーキテクチャは、メタデータを同期しながらデータファイルへの直接アクセスを可能にします。Databricks、Snowflake、AWS Glueからのデータをデータ移行なしでBigQueryにフェデレートすることをサポートしています。BigQueryのフェデレートクエリは、これらの外部カタログ間でデータにアクセスするために4部構成のパスを使用します。この統合により、異なるデータセットの統合されたクエリと分析が可能になります。さらに、フェデレートテーブルは、BigQueryの会話型分析と組み合わせて、自然言語を使用した探索に利用できます。運用上の考慮事項には、バックグラウンド更新のタイミングの管理、クエリキャッシュの理解、データレジデンシーコンプライアンスの確保が含まれます。ボーダレスLakehouseは、高コストな移行と複雑なパイプラインを排除することで、データアクティベーションを簡素化することを目指しています。

Cross-cloud conversational analytics made simple with open standards cloud.google.com

RSS Hunter • 10月13日

Google Cloudで利用可能なGemini 4 Argonは、ビジネスにおける最も困難な問題を解決するために構築されています。

Gemini Enterprise は、仕事のために設計されたユニバーサル AI アシスタントである Gemini エージェントで更新されました。このエージェントは、単一のプロンプトから質問に答えたり、コードを作成したり、複雑なタスクを完了したりするために常に利用できます。これを支えるのは、Google Cloud で利用可能になった Google の新しいフロンティアモデルである Gemini 4 Argon です。Argon は、深さと精度でトレーニングされており、長くて複数ステップのタスク全体でコンテキストを維持することに長けており、ソフトウェアビルド、金融、法務、サイバーセキュリティなどの分野で優れています。テキスト、表、グラフ、画像を含むドキュメントを処理し、構造化されていない入力をまとまりのある出力に変換します。Argon は、財務照合、検証済みの引用を含む法務調査を自動化し、HR やカスタマーサービスなどの分野でのタスク成功率を向上させることで、正確で検証可能な結果を提供します。このモデルは、目標を分解し、進捗状況を追跡し、ファイルを同時に更新することで、製品の構築と出荷をより迅速に行うのに役立ち、コード開発とアーキテクチャのリファクタリングにおけるパフォーマンスを大幅に向上させます。サイバーセキュリティでは、Argon は、脆弱性を見つけて修正するための CodeMender のようなツールを通じて防御機能を提供し、プロンプトインジェクション攻撃に対する回復力を示します。Gemini 4 Argon は、Gemini for business を通じて、また開発者向けの API を通じてアクセスできます。紹介価格は 2026 年 11 月 30 日まで利用可能です。

Gemini 4 Argon available on Google Cloud, built to help solve your business’ hardest problems cloud.google.com

RSS Hunter • 10月13日

1つのエージェント開発キット、5つの言語

最新のエージェントは、Pythonだけでなく様々な言語で構築可能ですが、多くのフレームワークはPythonのみのスタックを前提としています。GoogleのAgent Development Kit (ADK)は、Python、Go、TypeScript、Java、Kotlinをサポートすることで、この状況を解消することを目指しています。各ADKバージョンは、統一されたアーキテクチャとオープンプロトコルによる相互運用性を共有しながら、それぞれのランタイムに合わせて調整されています。どの言語にも搭載されているModel Context Protocol (MCP)クライアントにより、カスタムツールを普遍的に呼び出すことができます。マルチエージェントシステムでは、Agent2Agent (A2A)プロトコルにより、異なる言語で書かれたエージェント間の通信が可能になります。開始するには、一度だけのセットアップと、デプロイメント構成を含むプロジェクトのスキャフォールディングが必要です。ADKは、Pythonの広範な統合と評価ツールから、Goのプロダクション効率と並行性まで、各言語に独自の利点を提供します。TypeScriptはZodを活用して型安全性を実現し、ブラウザで直接実行できます。Javaは既存のMaven、Gradle、Spring Bootエコシステムと統合されます。KotlinはKSPコンパイラプラグインによるビルド時の安全性を優先し、オンデバイスでのAndroidエージェント開発を可能にします。ADKのマルチ言語サポートにより、組織は妥協することなく、各コンポーネントに最適な言語を選択できます。

One Agent Development Kit, five languages cloud.google.com

RSS Hunter • 10月13日

BigQueryにおける多変量時系列予測を備えたTimesFM 3.0の紹介

BigQuery は、SQL 内で直接多変量時系列予測のための新しい基盤モデルである TimesFM 3.0 を導入します。以前は、AI.FORECAST は単変量予測のみをサポートしていました。Google Research によって開発された TimesFM 3.0 は、多変量予測に優れており、GIFT-Eval のような公開リーダーボードで高い評価を得ています。複数の相関するターゲット列を同時に予測できます。このモデルは、過去と将来の既知の値の両方を使用して、共変量予測もサポートします。これにより、天気やプロモーションなどの外部ドライバーを組み込むことで、より正確な予測が可能になります。既存の単変量予測および異常検知ワークフローは、モデル仕様を更新するだけで TimesFM 3.0 の恩恵を受けることができます。BigQuery での多変量予測には、履歴行と将来のホライゾン行を含む特定の入力テーブル形式が必要です。ユーザーは、BigQuery Conversational Analytics で自然言語プロンプトを活用して多変量予測を行うこともできます。この新しい機能により、エンタープライズグレードの予測のための複雑なデータパイプラインとモデルインフラストラクチャの必要がなくなります。

Introducing TimesFM 3.0 with multivariate time-series forecasting in BigQuery cloud.google.com

RSS Hunter • 10月12日

「サイト信頼性エンジニアリング」第2版発表：SREブック刊行10周年

オリジナルリリースから10年後、Googleはサイト信頼性エンジニアリング（SRE）の書籍の完全に書き直された第2版を出版します。この更新は、AI、マイクロサービス、マルチクラウドの台頭を含む、コンピューティング環境における深刻な変化のために必要とされています。初版は初期のクラウド採用とモノリシックアーキテクチャに焦点を当てていましたが、新版は複雑でモダンな、グローバルにスケーリングされたシステムの信頼性を維持する課題に対処しています。SLO、モニタリング、自動化、信頼性テストなどのプラクティスは、過去10年間で著しく成熟しました。例えば、SLOは基本的な可用性メトリクスから、自動化された実施を備えたユーザー中心のマルチティアシステムへと進化しました。モニタリングは静的なダッシュボードから、OpenTelemetryと分散トレーシングを活用した迅速な根本原因分析へと変貌しました。自動化はカスタムスクリプトから、コードとしての宣言型インフラストラクチャと内部開発者プラットフォームへと移行しました。信頼性テストには、継続的なレジリエンスチェックとライブ本番環境でのカナリア検証が含まれるようになりました。キャパシティ管理は、動的な自動スケーリングとクラウドFinOpsの連携へとシフトしました。SREの組織モデルも、専任チームを超えて多様化しています。新版では、SREとAIの二重の役割についても掘り下げ、SREがAIインフラストラクチャをどのようにサポートし、AIが運用信頼性をどのように向上させるかを説明しています。大規模言語モデルの運用や、インシデントトリアージとポストモーテム生成の改善のためのAIツールの使用についても扱っています。技術の進歩にもかかわらず、SREのコア原則と信頼性に焦点を当てた文化の重要性は変わっていません。この書き直された版は、次世代の本番システムのための決定的なロードマップとして意図されています。

10 Years of the SRE book: Announcing the second edition of "Site Reliability Engineering” cloud.google.com

RSS Hunter • 10月12日

Data Agent Kit によるエージェント型データサイエンス

支払いの遅延により、コンプライアンスチームは不正行為を疑い、データサイエンティストが調査対象のトランザクションを特定する必要が生じました。このプロセスには、生のトランザクションログの取り込みとクリーニング、不正検出モデルのトレーニング、新しいトランザクションのスコアリング、ワークフローの自動化が含まれます。Antigravity IDE内のData Agent Kitは、このエンドツーエンドのプロセスを簡素化します。このキットは、MCPツールとMarkdownスキルを提供し、エージェントをGoogle Cloudデータサービスに接続し、データスタックとのやり取りに関するガイダンスを提供します。また、ユーザーはIDEから直接GoogleのAgentic Data Cloudを管理できます。当初、トランザクションログは、エージェント生成のノートブックを介してSparkを使用してBigQueryにロードされます。データロードの後、BigQueryデータをクリーニングおよびエンリッチするためのdbtプロジェクトが作成され、重複の処理や参照情報との結合が含まれます。このdbtプロジェクトには、トランザクションのユニークネスチェックも含まれます。次に、既知の不正ラベルを持つ履歴データを使用してRandom Forest不正検出モデルを構築するためのトレーニングノートブックが生成されます。トレーニングされたモデルは、次に推論ノートブックで使用され、ラベル付けされていないトランザクションをスコアリングします。50%などの指定されたしきい値を超える不正確率を持つトランザクションは、レビューのためにSpannerテーブルに送信されます。このプロセスにより、コンプライアンスチームが調査するためのトランザクションのショートリストが作成されます。最後に、Managed Service for Apache Airflowが利用され、ワークフロー全体が自動化され、毎日実行されることが保証されます。エージェントは、データロード、変換、スコアリングのステップをオーケストレーションするAirflow DAG定義とデプロイメント構成を生成します。この自動化されたパイプラインは、不正の可能性のあるトランザクションをレビューキューに継続的に投入します。

Agentic data science with the Data Agent Kit cloud.google.com

RSS Hunter • 10月12日

Looker搭載のエージェント型データクラウドのための信頼できるデータアプリ

ビジネスインテリジェンスのユーザーは、標準化されたダッシュボードや限られたグラフオプションに苦労することが多く、より深い分析のために煩雑なCSVエクスポートが必要になります。エグゼクティブブリーフィングやカスタマーポータルのような特定のニーズを満たすカスタムダッシュボードの設計も、典型的なグリッドベースのツールでは困難です。以前は、これらはカスタムアプリケーションの構築につながっていましたが、AIによってプロセスは高速化されたものの、本番環境へのデプロイメントの問題によって依然として妨げられていました。これらの問題には、ガバナンスされたデータの欠如、行レベルのセキュリティ、および明確なセキュリティレビューパスが含まれます。これに対処するため、LookerはLooker Data Appsをローンチします。これは、AIのスピードとLookerのガバナンスフレームワークを組み合わせたものです。データアプリは、Looker内でホストされるAI生成のインタラクティブなWebアプリケーションであり、特定のオペレーショナルワークフロー向けに設計されています。これらは、カスタムレイアウトを提供し、シナリオテストやシミュレーションのためのユーザー入力を可能にし、レコードの更新やイベントのディスパッチのような実行タスクに分析を接続します。これらのアプリは、Lookerのセマンティックレイヤーに基づいたAI開発者ツールを使用して構築されます。これらは、アクティブな実行とカスタムWebコンポーネントを可能にすることでダッシュボードを拡張し、ダッシュボードの集計された可視性と標準化されたグラフとは異なります。Looker Data Appsは、セマンティックレイヤーを通じて正確性と一貫性を確保する、ガバナンスされたデータに基づいています。これらは、カスタマイズ可能なマルチページWebアプリ体験で分析を行動に変えます。エンタープライズ向けに設計されたこれらのアプリは、既存のセマンティックモデル、行レベルのセキュリティ、およびアクセス制御を継承します。これらは、エージェント生成アプリケーションのゼロコードデプロイメントを提供し、エンドユーザーインタラクションのためのランタイムトークンコストはかかりません。データアプリのデプロイメントは、ダッシュボードの埋め込みと同じくらい簡単であり、外部ポータルへのシームレスな統合を可能にします。Looker Data Appsは、プロトタイプから本番グレードのツールへの移行を数分で可能にし、基本的なダッシュボードと複雑なカスタムシステムとの間のギャップを埋めます。

Trusted Data Apps for the Agentic Data Cloud, powered by Looker cloud.google.com

RSS Hunter • 10月12日

非構造化データワークフローのモダナイゼーション：Alteryx Live QueryとGoogle Cloud BigQueryの連携

Alteryx One Live QueryとGoogle Cloud BigQueryは、複雑なデータを処理するための強力なソリューションを提供します。この統合は、SQLプッシュダウンと呼ばれる概念により、BigQuery内でネイティブに変換を実行することでデータ移動を最小限に抑えます。Live Queryは、データパイプラインを構築するためのノーコードのブラウザベースのインターフェースを提供します。PDFなどの非構造化ドキュメントからインテリジェンスを抽出するために、GeminiのようなGoogleのAIモデルをシームレスにオーケストレーションします。このアプローチは、一貫性のないベンダー請求書を扱う財務およびオペレーションチームにとって特に有益です。従来、請求書処理には手作業や断片化されたツールが関与し、エラーや遅延につながっていました。AlteryxとBigQueryの統合は、抽出から標準化まで、このライフサイクル全体をBigQuery内で直接自動化します。これにより、機密情報がウェアハウス内に保持されるため、データガバナンスとセキュリティが確保されます。ワークフローは、AIモデルを使用してPDFから構造化フィールドを抽出することから始まります。次に、結果を標準化し、BigQuery内の既存の履歴請求書データと比較します。この照合プロセスにより、潜在的な重複が迅速に特定され、例外処理が迅速化されます。システムはビジネスルールを適用してさらなる異常をフラグ付けし、ガバナンスされた運用出力につながります。このGoogle Cloudネイティブパターンは、データをBigQuery内に保持し、そのセキュリティと制御機能を活用します。ブラウザはオーサリングレイヤーとして機能し、Alteryx One Platform Servicesは調整を管理し、Google Cloudはガバナンスされたデータと実行レイヤーとして機能します。

Modernizing Unstructured Data Workflows: Alteryx Live Query meets Google Cloud BigQuery cloud.google.com

RSS Hunter • 10月9日

アイルランドにおけるイノベーション：アイルランドのブランドはGemini Enterpriseでどのようにスケールアップするか

アイルランドは、様々なセクターの組織がAIを採用するようになり、重要なグローバルテクノロジーハブとなっています。企業はAIプロトタイプから、Gemini Enterpriseを使用した本番稼働可能なデプロイへと移行しています。この進歩は、アイルランドの欧州における競争力を強化し、その国家デジタル・AI戦略と一致するものです。Googleの現地チームは、業界リーダーと協力して、様々なAI搭載ソリューションのためにGemini Enterpriseを導入しています。アイルランドにおけるGoogleの事業は、AIおよびクラウドサービスを通じて、2025年にGDPに推定100億ユーロを貢献しました。Ryanairは、35,000人の従業員のために運用とインフラストラクチャを近代化し、意思決定と生産性を向上させています。Smyths Toysは、CodieというAIエージェントでカスタマーサポートを強化し、ウェブ問い合わせの60%以上を解決しています。Irish Revenue Commissionersは、安全なデータ分析のために統合AIアーキテクチャへの移行により、公共サービスを改善しています。Virgin Media Irelandは、ワークフローを加速し、AIエージェントをデプロイすることで、ワークロードのデプロイを迅速化しています。多くのアイルランドのスタートアップも、Google CloudとGemini Enterpriseを活用して競争力のある国際サービスを構築しており、スポーツ分析、ヘルスケア、炭素オフセットなどの分野に影響を与えています。

Innovation in Ireland: How Irish brands scale with Gemini Enterprise cloud.google.com

RSS Hunter • 10月8日

Gemini at Work 2026へようこそ：Geminiエージェントの紹介

Google Cloudは、業務プロセスを効率化するために設計されたユニバーサルエージェントであるGeminiを発表しました。このエージェントは、単一のインターフェースから質問に答え、ナレッジワークを処理し、メディアを作成し、コードを記述して実行します。GmailやDocsなどのGoogle Workspaceアプリケーションに直接統合され、すべてのプラットフォームでコンテキストと制御を維持します。新しいデータおよび分析スキルにより、技術ユーザーとビジネスユーザーの両方が平易な言葉で運用上の洞察を抽出できるようになります。Geminiは、金融および法務チーム向けの業界固有のツールも提供し、専門性を高めます。セキュリティは最優先事項であり、ID、ポリシー管理、サンドボックスによる堅牢なガバナンスが提供されます。コスト管理は、マルチモデルオーケストレーションとリアルタイムの支出上限によって管理されます。主要企業はすでにGemini Enterpriseを活用しており、Fortune 100企業の約90％が利用しています。このエージェントは、ツールレジストリを介して既存のシステムに接続し、再利用可能なスキルと包括的なメモリシステムを通じて学習します。Geminiは、インタラクション、ユーザー、および組織のコンテキストから学習することで、支援をパーソナライズします。この統合エージェントは、実験を超えて運用展開へと移行し、作業の開始と実行の方法を変革することを目指しています。

Welcome to Gemini at Work 2026: Introducing the Gemini agent cloud.google.com

RSS Hunter • 10月8日

Google Public SectorとSUNY、大学の研究を加速するAI搭載プラットフォームをローンチ

公立研究大学は、先進技術を採用することで発見を加速するという課題に直面しています。エージェンティックAIの出現は、膨大なデータセットと複雑なワークフローを処理し、科学的進歩をスピードアップする機会をもたらします。Google Cloudは、ニューヨーク州立大学（SUNY）と協力して、SUNY AI Platformを立ち上げました。このプラットフォームは、AIと高性能コンピューティングのための安全な環境を提供し、当初は9つの研究集約型SUNYキャンパスをサポートします。研究者は、統合されたエコシステム内で、ストレージ、コンピューティング、Gemini Enterpriseを含むGoogle Cloudの高度な機能を利用できます。このプラットフォームは、データ分析を簡素化し、コラボレーションを促進し、機関全体で責任あるAIの実践を確保することを目的としています。テクノロジーを超えて、SUNYはGoogleのセルフペースAI資格情報への無料アクセスを通じて、コミュニティにAI対応スキルを装備させています。これらのコースは、すべての経験レベル向けに設計されており、プロンプト作成や責任あるAIツールの使用などの実践的なスキルに焦点を当てています。SUNYはまた、学生の雇用可能性を高めるために、Googleキャリア証明書を学術プログラムに統合しています。このイニシアチブは、テクノロジーへのアクセスと、責任あるAI実装に必要なスキルおよび制度的サポートを組み合わせています。このパートナーシップは、学生、教職員、ニューヨークの労働力に利益をもたらす、実世界への影響を持つ研究を加速することを目的としています。

Google Public Sector and SUNY launch AI-enabled platform to accelerate university research cloud.google.com

RSS Hunter • 10月8日

GeminiでSMBがより多くのことを達成できるよう支援する

Googleは、中小企業の効率性と成長を強化するために設計された新しいユニバーサルエージェントであるGeminiを発表しました。Geminiは、パーソナルアシスタントおよびチームメンバーとして機能し、既存のツールやデータと統合して、質問への回答からコードの作成まで、さまざまなタスクを処理します。Asana、Salesforce、Slackなどの一般的なSMBプラットフォームに接続し、使用するにつれて学習および改善されます。Geminiはモデルの選択を提供し、各ジョブに最適なモデルを活用して、精度とコストを最適化できます。このエージェントは、Web、モバイル、デスクトップアプリケーション全体でアクセス可能であり、幅広い使いやすさを保証します。コスト管理機能が統合されており、マルチモデルオーケストレーションや支出上限などの機能により、費用を効果的に管理できます。早期アクセス顧客はすでに、トラブルシューティング時間の短縮やプロジェクト管理の自動化など、大きなメリットを報告しています。例としては、Aerotechが生産能力を向上させ、Angelusが研究開発を合理化しています。EdSpan Globalは学習オブジェクトの標準化を自動化し、Eficodeはカスタマーサポートを強化します。KLog.coはデータ入力エラーを劇的に削減し、ドキュメント処理を増加させます。Koufuは販売レポートを自動化し、La Maison du Whiskyはマーケティングコピーを作成します。NEEOHはキャンペーン生成のためのAI使用を標準化し、Quadrant Health Groupはバックオフィス業務を自動化します。Salt ProductionsとPinch Creativeは、アクセスを容易にするために断片化されたファイルを統合します。Sep 2は脅威監視のためにAIエージェントをデプロイし、Stratagemは管理ワークフローを自動化します。Sunhouseはアーカイブされたデザインワークへのアクセスを改善し、貴重な時間を節約します。Googleはまた、SMBのAI導入をサポートするための無料トレーニングプログラムとパートナーネットワークを提供しています。

Empowering SMBs to do more with Gemini cloud.google.com

RSS Hunter • 10月8日

Google CloudのU4コンピューティングのご紹介：超低レイテンシ取引の実現

キャピタル・マーケットは予測可能なパフォーマンスと低レイテンシーを要求しますが、従来のデータセンターでは限界に直面しています。Google Cloudは、これらの課題に対処するためにUltra Low Latency（ULL）ソリューションをローンチしました。このソリューションは、コロケーションのスピードとクラウドのスケーラビリティおよび自動化を組み合わせています。これにより、クラウド上での高頻度取引ワークフローに対して、超低レイテンシーのネットワーキングと俊敏性を提供します。ULLソリューションは、データ配信のためのハードウェアレベルのネットワーキング、分析のための高度なネットワーキングオブザーバビリティ、および実行のための決定論的な高性能コンピューティングという3つの主要な柱に基づいています。これらの柱は、ベアメタルパフォーマンス、高性能ストレージ、物理的なトラフィック分離などの機能を提供します。ハードウェアアクセラレーテッドマルチキャスト配信は、従来の仮想スイッチをバイパスして、マーケットデータの直接ストリーミングを可能にします。アクセラレーテッドパケット処理とUTC同期による高精度タイミングは、正確で予測可能なデータ処理を保証します。組み込みテレメトリは、パフォーマンスに影響を与えることなく、コンプライアンスと分析のために継続的な低レイテンシーパケットキャプチャを提供します。U4P、U4C、U4Sシリーズを特徴とするU4マシンファミリーは、専用ベアメタルと高性能VMを備えたULLソリューションを強化します。このアーキテクチャにより、コア取引所システムと取引戦略を、必要な速度と一貫性でクラウド上で実行できます。ストレージオプションには、ロギング用の高速ローカルTitanium SSDと、アーカイブ用のスケーラブルなHyperdiskが含まれます。ULLソリューションは、一部のGoogle Cloudリージョンで利用可能であり、今日の金融市場と将来のAI駆動型取引にクラウドのメリットをもたらします。

Introducing Google Cloud’s U4 compute: Enabling ultra-low latency trading cloud.google.com

RSS Hunter • 10月7日

MCP Toolbox Java SDK v1.0を発表：エンタープライズ向けエージェント型データアクセス

Google は、エンタープライズ Java のエージェントオーケストレーションを強化する MCP Toolbox Java SDK バージョン 1.0 のリリースを誇りを持って発表します。この SDK は、Java の並行処理と状態管理機能により、ミッションクリティカルな AI デプロイメントに不可欠な型安全なエージェント管理を提供します。Model Context Protocol (MCP) は、AI モデルをデータソースから切り離すことで統合を簡素化するユニバーサルインターフェイスとして機能します。これにより、多数のカスタム接続の必要がなくなり、セキュリティリスクとメンテナンスのオーバーヘッドが削減されます。Java SDK v1.0 の主な改善点には、柔軟なネットワーク実装のためのトランスポートレイヤー抽象化と、セキュリティコンプライアンスを強化するための分離されたクライアント認証が含まれます。デフォルトパラメータのネイティブサポートによりペイロードサイズが削減され、バインドパラメータのプルーニングにより LLM への機密データの公開が防止されます。標準化されたバージョン選択と堅牢なセッション追跡により、プロトコルの整合性が確保されます。開発者は、カスタムヘッダーを送信リクエストに簡単にアタッチして、追加のメタデータを付与できます。実際の例として、AlloyDB と Spring Boot を使用した自律型トランジットコンシェルジュアプリケーションが紹介されています。このエージェントは、構造化されたスケジュールと予約機能に非構造化されたペットポリシーを統合することで、複雑な旅行の問い合わせに対応します。MCP Toolbox は、tools.yaml 設定を介して、自然言語のインテントを安全な SQL クエリにマッピングします。ステートフルエージェントアーキテクチャは、Spring Boot と LangChain4j を使用して実現され、HTTP セッション内で会話メモリを管理します。このアーキテクチャにより、宣言型エージェントインターフェイスとツール実行サービスによる関心のクリーンな分離が可能になります。SDK は、セッション管理を簡素化し、エージェントのペルソナを定義し、型安全なツール実行を可能にします。認証は、Application Default Credentials (ADC) を使用してデフォルトで保護され、ハードコードされたキーが不要になります。実行時の警告により、開発者はプレーンテキスト HTTP を介した認証情報の公開の可能性について通知されます。MCP Toolbox と Spring Boot エージェントの分離された性質により、Google Cloud Run での独立したスケーリングが可能になります。開発者は、Maven または Gradle プロジェクトに SDK 依存関係を簡単に追加できます。GitHub リポジトリやデモアプリケーションなどのリソースが、開始のために利用可能です。

Announcing MCP Toolbox Java SDK v1.0: Agentic data access for the enterprise cloud.google.com

RSS Hunter • 10月6日

大規模なApache Icebergの管理：SpannerがLakehouseランタイムカタログをどのように支えるか

顧客は、AIネイティブソリューションのための共有データエステートを作成するために、Apache Icebergのようなオープンフォーマットに標準化し、レイクハウスアーキテクチャを採用しています。重要なコンポーネントは、テーブルポインタ、アトミックコミットを管理し、単一の真実の情報源として機能するApache Iceberg REST Catalogです。企業は、AIエージェントからの大量の小規模で繰り返し実行されるクエリをサポートするために、非常にスケーラブルで可用性が高く、管理されたカタログを必要としています。このようなカタログは、アトミックコミット、高可用性、データベースのスケーリング、テーブルメンテナンス、堅牢なガバナンスといった課題に対処する必要があります。Spannerを搭載したGoogle Cloudのサーバーレスレイクハウスランタイムカタログは、これらの課題に対するソリューションを提供します。このカタログは完全にサーバーレスで高可用性があり、メタデータを統合し、Apache Iceberg REST Catalog仕様をネイティブに実装しています。主な利点には、オープンAPI、マルチエンジン相互運用性（BigQuery、Managed Spark）、およびIcebergテーブルの読み書き機能が含まれます。オブジェクトストレージ内の既存のデータに直接ポインタを指すことで、エンタープライズグレードの機能とゼロデータコピーを備えた完全に管理されたIcebergストレージを提供します。このカタログは、クラウド間（Databricks Unity、Snowflake Horizon、AWS Glue）の双方向フェデレーションと、クレデンシャルベンディングを使用したセキュアなアクセスもサポートしています。AIによるコンテキストとガバナンスのためにKnowledge CatalogおよびCloud IAMと統合され、テーブルレベルのセキュリティ、検索、およびリネージを提供します。特に、Googleの惑星規模のインフラストラクチャとSpannerに支えられた、アトミックコミット、同時実行制御、高可用性、およびスケーラビリティを保証します。Spannerは、読み書きのための水平スケーラビリティの高い弾力性を持つ完全なリレーショナルSQLセマンティクスを提供し、リージョン構成を通じて高可用性を実現します。データ量とクエリ負荷を動的に監視しながら、コンピューティングとストレージを自動的にスケーリングします。この基盤により、シリアライズ可能なトランザクションが可能になり、エージェント規模の操作に対して業界をリードする一貫性保証を提供します。レイクハウスランタイムカタログは、Knowledge Catalogと統合され、Spannerのフルテキストおよびネイティブベクトル検索を活用して、Icebergテーブルの効率的な検出とより良いリコールを実現します。この統合アプローチは、運用オーバーヘッドを削減し、AIエージェントユースケースの市場投入までの時間を短縮します。Google Cloudのボーダーレスレイクハウスは、データ、ガバナンス、AIコンテキストを統合し、運用上の総所有コストを削減します。

Managed Apache Iceberg at scale: How Spanner powers Lakehouse runtime catalog cloud.google.com

RSS Hunter • 10月6日

AI推論モデルサービングのためのネットワーキング - GKEのみ、およびその他のすべてのバックエンド向け

エンタープライズは、複数のAI推論モデルを実行することが多く、呼び出しの簡素化と中央集権的なガバナンスのためのアーキテクチャが必要となります。AI推論モデルサービングのネットワーキングのための2つのリファレンスアーキテクチャが提示されています。1つはGoogle Kubernetes Engine (GKE) 用、もう1つはその他のすべてのバックエンドタイプ用です。両方のアーキテクチャは、セキュリティと効率を向上させるために設計された共通のサービスを共有しています。Cloud Load BalancerまたはInference Gatewayのいずれかであるエントリポイントは、推論呼び出しのための安定したセキュアなフロントエンドを提供します。このエントリポイントは、TLS終端を処理し、API管理と統合し、サービス拡張機能で機能を拡張できます。両方の設計に共通するサービスには、コンシューマーVPCネットワーク内にエントリポイントをアンカーするためのPrivate Service Connect推論エンドポイントが含まれます。Apigee API Managementは、クライアントID検証、レート制限、クォータ強制のためのオプションサービスです。Model Armorは、プロンプトと出力をスクリーニングするインラインAIセーフティチェックポイントとして機能します。GKE固有の設計は、特殊なイングレスエンジンとして機能するGKE Inference Gatewayを利用します。このゲートウェイは、HTTPRouteルールに基づいて適切なモデルサービングターゲットにクエリをルーティングします。モデルレプリカの論理的なグループである推論プールが使用され、ゲートウェイはモデル識別子に基づいて正しいプールを選択します。モデルレプリカセットは、さまざまなノードプールにデプロイされた個々のモデルレプリカの均一なグループを表します。複数のバックエンドタイプをサービングするアーキテクチャでは、リージョナル内部Application Load Balancerが中央ルーティングプロキシとして機能します。Service Extensionとして実装されたInference Payload Processorは、受信リクエストペイロードを検査してターゲットモデル識別子を抽出します。Network Endpoint Groups (NEGs) は、この識別子に基づいて異種バックエンドへの柔軟なルーティングを提供します。

Networking for AI inference model serving - GKE only and for all other backends cloud.google.com

RSS Hunter • 10月6日

AlloyDB: ハイブリッド検索のための統合データベースエンジン

現代のAIおよびRAGアプリケーションで高い検索関連性を達成するには、セマンティックコンテキストのためのベクトル検索とキーワードの精度を高めるための全文検索（FTS）を組み合わせる必要があります。AlloyDB for PostgreSQLは両方をサポートしていますが、それらの結果を管理およびマージするには、従来は複雑なSQLまたはカスタムアプリケーションロジックが必要でした。これにより、多くの場合、フュージョン、スコア正規化、および再ランキングのために別々のシステムが必要となり、脆弱なロジック、レイテンシの増加、および高い運用負荷につながっていました。AlloyDB AIのハイブリッド検索は、これらのステップをReciprocal Rank Fusion（RRF）によって強化された単一の高性能SQL関数に統合することで、これを簡素化します。RRFは、本質的にランクベースであるため、スコア正規化を回避し、プロセスを簡素化します。ai.hybrid_search()関数は、ワークフロー全体をネイティブに実行し、オーバーヘッドを最小限に抑え、トランザクションの一貫性を確保します。FTSの最適化のために、RUM拡張機能は単語の位置をインデックスに直接格納し、標準のGINインデックスとは異なり、低レイテンシの関連性ランキングと効率的なフレーズマッチングを可能にします。AlloyDB AIはまた、優れた、すぐに使用できるキーワードベースのスコアリングのためにBM25インデックスを導入しています。汎用性を拡大するために、新しい外部検索Foreign Data Wrapper（FDW）により、AlloyDBを離れることなくElasticsearch、OpenSearch、およびSolrのような専門的なクラスターをクエリできます。この統一されたアーキテクチャは、ハイブリッド検索を簡素化し、RUMまたはBM25のようなオプションでFTSを最適化し、外部検索統合を通じて汎用性を向上させます。

AlloyDB: A unified database engine for hybrid search cloud.google.com

RSS Hunter • 10月6日