TheNote
RSS 云博客 笔记
GooglePlay AppStore

RSS 云博客

cloud.google.com/blog 是 Google Cloud 的官方博客。它提供了 Google Cloud 产品和服务的新闻、更新和见解，以及云计算行业中的趋势和创新。 博客上有 Google Cloud 的专家、工程师和思想领袖撰写的文章，涵盖了人工智能、机器学习、数据分析、安全等广泛的主题。文章经常包括技术教程、案例研究和最佳实践，使博客成为开发者、IT 专业人士和对 Google Cloud 感兴趣的商业领袖的宝贵资源。 博客组织良好，文章按主题、产品和行业分类。访问者可以浏览最新的文章、搜索特定的主题或订阅博客的 RSS 订阅以跟踪最新的新闻和更新。 博客的一些关键特点包括： - 关于 Google Cloud 产品和服务的深入文章，如 Google Cloud Platform、Google Cloud Storage 和 Google Cloud AI Platform - 如何使用 Google Cloud 服务的技术教程和指南 - 来自 Google Cloud 客户的案例研究和成功故事 - 对行业趋势和创新见解和分析 - Google Cloud 的合作伙伴关系和协作的新闻和更新 - 与 Google Cloud 专家和思想领袖的采访 总之，Google Cloud 博客是任何对云计算、人工智能和相关技术感兴趣的人的宝贵资源。
Cloud Blog cloud.google.com
RSS cloudblog.withgoogle.com
RSS Hunter RSS Hunter • 2024年8月23日

笔记线程

在 Cloud Run 沙箱中安全运行 AI 生成的代码

Google Cloud 推出了 Cloud Run Sandboxes，这是一项现已进入公开预览阶段的新功能。这些沙箱为执行不可信代码（例如 AI 生成的脚本）提供了安全且快速的运行时环境。此前，开发人员需依赖复杂的底层架构或第三方解决方案才能实现类似的隔离。Cloud Run Sandboxes 设计轻量，可在现有的 Cloud Run 服务实例中快速启动。其关键应用场景包括用于数据分析的大语言模型（LLM）代码解释器、用于网络爬虫的无头浏览器，以及用户提交代码的安全执行。启用沙箱仅需在部署服务时添加一个标志。启用后，会挂载一个沙箱 CLI 二进制文件，使应用程序能够以编程方式启动沙箱。其安全架构强调零信任原则，隔离凭据与环境。默认情况下禁止网络出站流量，文件系统覆盖层为只读，并具备临时写入能力。Cloud Run Sandboxes 与 Agent Development Kit 和 ComputeSDK 集成，以简化代码执行。该功能运行在已分配的现有资源上，不会为用户产生额外费用。
Safely run AI-generated code in Cloud Run sandboxes cloud.google.com
CdXz5zHNQW_CD5sY2MVyG.gif
RSS Hunter RSS Hunter • 昨天

使用 AlphaEvolve 解决更复杂的难题，现已在 Google Cloud 上向所有人开放。

优化问题虽然具有挑战性，但随着人工智能的发展正变得愈发可控。传统编程在应对最优算法的庞大搜索空间时往往力不从心。由 Gemini 驱动的 AlphaEvolve 是一款代码优化与发现智能体，它通过系统性地探索解决方案来解决这一问题。目前，AlphaEvolve 已在 Gemini 企业智能体平台上全面可用。部署流程包含四个步骤：首先，定义问题，提供基准算法和上下文；其次，通过建立涵盖正确性、性能和约束条件的评分函数进行度量；接着，利用 AlphaEvolve 的智能体框架生成代码以进行优化；最后，将优化后的算法应用于生产环境。企业已观察到显著成效。巴斯夫（BASF）利用 AlphaEvolve 为其供应链构建了数字孪生，使规划与预测能力提升超过 80%。Coolblue 优化了电商需求预测，将 WMAPE 降低了 5%。FM Logistic 将仓库路径规划效率提升了 10.4%，节省员工差旅里程 1.5 万公里。英飞凌（Infineon）将其用于芯片设计；JetBrains 借此将 IDE 性能提升了 15% 至 20%。Kinaxis 将预测准确率提高了超过 22%，并将运行时间减少了 90%。Klarna 将机器学习训练管道的吞吐量翻倍，并提升了模型质量。Kuro Games 在服务器端工作负载中实现了显著的性能提升。橡树岭国家实验室（Oak Ridge National Laboratory）将 AlphaEvolve 部署于 Frontier 超级计算机上，以优化 GPU 内核。老道明大学（Old Dominion University）利用其建模生物衰老死亡率，重新发现了一个已知模型并改进了其他模型。PacBio 将 DNA 测序准确率提高了 30%。Pebble 将 GPU 性能建模误差降低了 56%。Qbraid 使用 AlphaEvolve 优化了量子计算编码。
Solve harder problems with AlphaEvolve, now available to everyone on Google Cloud cloud.google.com
CdXz5zHNQW_bOGGr5HEZK.png
RSS Hunter RSS Hunter • 昨天

带有 GKE 托管 DRANET 的自动驾驶集群：GPU 和 TPU

本文详细介绍了如何配置带有托管 DRANET 的 Google Kubernetes Engine (GKE) Autopilot 集群以支持 GPU 和 TPU。GKE Autopilot 通过管理节点、扩缩容和安全简化了 Kubernetes 管理，而托管 DRANET 则允许为 Pod 请求网络资源，包括用于 TPU 和启用 RDMA 的 GPU 的 Pod。该设置涉及创建虚拟私有云 (VPC)、部署 Autopilot 集群，然后配置自定义 ComputeClasses 和 ResourceClaimTemplates。在继续之前，请配置必要的变量，包括区域、集群名称、网络、子网、预留 URL 和 Hugging Face 令牌。首先，部署一个 Autopilot 集群，提供一个完全托管的环境。接下来，创建一个自定义 ComputeClass 以指定加速器类型（GPU 或 TPU），可选择引用预留以进行资源分配。随后，建立一个 ResourceClaimTemplate，区分启用 RDMA 的 GPU（使用 deviceClassName: mrdma.google.com）和非 RDMA TPU（使用 netdev.google.com）。最后，部署一个工作负载，引用自定义 ComputeClass 和 ResourceClaimTemplate。这一关键步骤会触发 GKE Autopilot 配置指定的节点类型并设置托管 DRANET 网络。资源声明随后充当桥梁，直接将 Pod 绑定到已配置节点上的加速器，确保工作负载具有正确的网络设置。此完整流程统一适用于 GPU 和 TPU 部署。提供了额外资源以供进一步探索。
Autopilot Clusters with GKE managed DRANET: GPUs and TPUs cloud.google.com
RSS Hunter RSS Hunter • 昨天

C4N 现已通用可用：为 x86 工作负载提供云中最高的每 vCPU 网络与块存储 I/O 性能”

Google Cloud 的 C4N 实例是一项新推出的产品，旨在解决高需求企业应用中的网络与块存储性能瓶颈。这些实例基于 Google 自研的 Titanium 卸载架构构建，将网络与存储任务卸载至专用硬件。C4N 实例可提供高达 400 Gbps 的网络带宽及每秒 9500 万个数据包（MPPS），相比同类基于 Intel 的解决方案实现显著提升。该性能使其非常适合网络密集型应用，如虚拟设备、大规模数据分析以及 AI/ML 工作负载。与 Hyperdisk Extreme 搭配使用时，C4N 可提供 Compute Engine 最高的块存储性能，吞吐量最高可达 25 GiB/s，IOPS 最高达 100 万。这些实例搭载第五代 Intel Xeon 可扩展处理器，提供可预测的高吞吐 I/O 性能。C4N 实例可提升虚拟机之间及虚拟机到互联网的网络带宽与数据包处理能力，并为更小型的虚拟机规格提供优化的 I/O，同时无需附加组件即可实现更快的 Google Cloud Storage 传输。C4N 实例与 Hyperdisk 结合使用时，支持对存储性能、延迟和吞吐量进行动态调优。早期客户采用情况表明，C4N 为各类数据密集型工作负载带来了显著的性能提升与总拥有成本（TCO）优势。
C4N, now GA: Delivering cloud’s highest per vCPU network and block storage I/O for x86 workloads cloud.google.com
RSS Hunter RSS Hunter • 7月8日

保持 Google Cloud 认证最新并提升职业发展的新途径

Google Cloud 认证价值显著，能够提升招聘方回应率、晋升机会及薪资水平，81% 的组织更信任持有认证资格的候选人。然而，云技术快速迭代导致技能半衰期缩短，使得重新认证至关重要。Google Cloud 正通过新技术手段简化这一流程，摒弃传统重新认证中压力大、耗时的考试模式。如今，您可通过 Google Skills 和技能徽章更新 Google Cloud 认证资格。Google Skills 允许您选择与当前角色及职业目标相关的课程与徽章；修读更新课程有助于巩固对新主题的知识。 Alternatively，技能徽章则为已在工作中应用新技术的人员提供了一条通过动手实验室快速更新的路径。此次更新的重新认证流程适用于云数字领袖（Cloud Digital Leader）、助理云工程师（Associate Cloud Engineer）、专业云架构师（Professional Cloud Architect）和专业数据工程师（Professional Data Engineer）认证。在认证有效期内完成所需活动，即可自动将认证有效期延长一年。该方式确保您的认证始终作为“活态”凭证，向雇主证明您当前的就绪状态。
New ways to keep Google Cloud certifications current and boost your career cloud.google.com
RSS Hunter RSS Hunter • 7月8日

Google Cloud 在 2026 年 Gartner® AI 基础设施魔力象限™中被评为领导者

AI 代理时代需要支持推理与行动的基础设施，而不仅仅是响应。Gartner 已认可 Google 在 AI 基础设施领域的领导地位，凸显其卓越的执行力与前瞻性愿景。这一成功建立在 Google 与 Google DeepMind 合作设计硅基芯片与软件超过十年的基础之上，服务于 Gemini 等应用。Google 的定制 TPU 在此过程中居于核心地位：TPU 8t 优化训练，TPU 8i 增强代理的推理能力。Google 还与 NVIDIA 合作，提供 A5X 实例，并将 GPU 集成至 Google Cloud 服务中。Google 积极贡献于开源项目，并为 PyTorch 开发者提供 TorchTPU。其 AI 超算通过软硬件一体化实现每美元性能的提升。关键组件包括高带宽存储系统和用于大规模计算连接的 Virgo 网络。GKE 推理网关通过低延迟和降低成本来优化模型扩展。该基础设施支持弹性扩展，借助 Cluster Director 和 GKE，可实现高达 130,000 个节点的训练。GKE Agent Sandbox 提供安全、低延迟的代理执行及成本优化。最后，跨云网络与 Cloud WAN 确保在多云和混合环境中保持一致的性能表现。
Google Cloud named Leader in the 2026 Gartner® Magic Quadrant™ for AI Infrastructure cloud.google.com
CdXz5zHNQW_ipuxr9KSlD.png
RSS Hunter RSS Hunter • 7月8日

Tambellini StarChart™ 2026 行政效率 AI 代理——代理平台”将 Gemini Enterprise for Education 评为指挥官

代理人工智能时代正在重塑高等教育，提升效率并推动创新。Tambellini Group 将 Gemini Enterprise for Education 评为“指挥官”（Commander），这是专注于行政效率的 AI 代理的最高类别，其在创新性和易用性方面均位列第一。此举认可了 Google 在人工智能领域的领导地位，以及 Gemini 模型及其代理平台的能力。Gemini Enterprise for Education 独特地整合了 Gemini 模型、代理构建工具、企业搜索、治理控制以及 Google Cloud 基础设施。这种集成方法简化了机构大规模开发和管理 AI 服务的流程。该平台基于 Google Cloud 提供灵活且统一的底层架构，支持构建定制化、一体化的系统，而非孤立的 AI 应用。机构可借此自动化复杂的校园运营，将重心从手动任务转向战略监督，支持如学术 advising 和学生服务等应用场景。通过企业搜索和深度研究（Deep Research）能力将代理锚定于机构数据，安全且受管制的 AI 代理能够为师生及研究人员提供全天候自适应支持。行政控制功能和基于角色的访问权限等特性，确保了数据保护与可管理性，并支持技术在规模化过程中的稳健运行。此项认可印证了 Google 在人工智能、安全及云计算技术方面对教育领域的重大投入。
Gemini Enterprise for Education named a Commander in Tambellini StarChart™: 2026 AI Agents for Administrative Efficiency—Agent Platforms cloud.google.com
CdXz5zHNQW_Tjbujicdq7.png
RSS Hunter RSS Hunter • 7月8日

Meet the 33 cybersecurity startups joining the Gemini Startup Forum

Google 宣布选定 33 家初创企业加入其 Gemini 初创企业论坛，该论坛专注于 AI 原生网络安全。这些初创企业致力于开发创新解决方案，以应对复杂的网络安全挑战，并将有机会与 Google DeepMind、Google Cloud 和 Wiz 的 AI 及网络安全专家合作。初创企业被划分为六个重点领域，包括自主代理保护、应用安全、云与网络安全、端点安全、SOC 自动化以及安全基础设施。每家初创企业都在开发独特的解决方案，例如 Capsule Security 针对自主 AI 代理的运行时保护，或 Aisy 的漏洞修复平台。Gemini 初创企业论坛是 Google for Startups 计划的一部分，旨在支持下一代 AI 原生网络安全初创企业。通过与这些初创企业合作，Google 致力于构建更安全、更具韧性的数字基础设施。该计划为初创企业提供 API、工具、培训和技术资源，助力其借助 AI 实现规模化发展。威胁格局不断演变，Google 对支持网络安全初创企业的承诺对于应对这一挑战至关重要。入选的初创企业有望在网络安全行业产生重大影响，其创新将帮助定义下一代主动式数字防御。总体而言，Gemini 初创企业论坛是一项重要举措，汇聚了创新初创企业与行业专家，共同应对最紧迫的网络安全挑战。
Meet the 33 cybersecurity startups joining the Gemini Startup Forum cloud.google.com
RSS Hunter RSS Hunter • 7月8日

面向智能体企业的 20 个问题（以及 Agent Platform 如何提供帮助）

IT 领导者正面临加快构建和部署 AI 代理的压力，但其底层工程复杂性显著。这种复杂性涉及工具碎片化、数据安全顾虑以及预算管理。Gemini 企业级代理平台旨在通过提供统一的构建、扩展、治理和优化代理的环境来简化这一过程。为应对这些挑战，向工程团队提出具体问题至关重要。构建阶段始于明确谁在开发应用程序，因为 AI 创建已不再局限于高代码工程师。开发人员需要专门的 AI 工具来加速编码，但这些工具往往缺乏与企业关键数据的连接。对于核心应用、数据及 Google Cloud 工程师，推荐使用带有特定扩展的 Google Antigravity。必须确定代理是用于人机交互还是用于代理间交互，因为这决定了设计要求。若用于人机交互，应聚焦用户体验；若用于代理间通信，则应优先采用 Agent2Agent 等协议实现互操作性。选择合适的开发工具需考量四档阶梯：Agent Studio 用于低代码，Managed Agents API 用于代理即服务，Antigravity 2.0 用于高级编码，Agent 开发套件（ADK 2.0）用于高度定制的网络。在初始开发阶段，建议从单个专用代理开始，以维持准确性和效率。随着复杂性增加，推荐过渡到多代理系统，让专用代理协同工作。连接企业数据需要采用 Model Context Protocol (MCP) 等开放标准，为代理提供做出准确决策所需的上下文和逻辑。为确保在不同框架上构建的代理能够通信，Agent2Agent (A2A) 协议实现了通用通信。代理应使用聚焦的代理技能动态检索所需工具，以避免性能下降和成本增加。扩展部署需要将在 Agent Runtime 等完全托管、无服务器执行环境中部署代理，该环境提供弹性自动扩展和安全的私有网络。为管理长运行任务，代理需要短期和长期记忆，由 Agent Platform 处理即时会话状态和持久化存储。限制运行脚本或浏览网页的代理的影响范围至关重要；这通过在临时隔离的沙箱环境中执行此类任务来实现。
20 questions for the Agentic Enterprise (and how Agent Platform can help) cloud.google.com
RSS Hunter RSS Hunter • 7月7日

利用 Google 威胁情报和 Wiz ASM 主动驱动安全，优先处理风险

组织正日益致力于采取更主动的安全策略。AI 驱动漏洞发现的快速进展，要求通过个性化的安全投资来优先部署防御措施。Google 威胁情报正与 Wiz 攻击面管理（Attack Surface Management）进行集成，以应对这一需求。该集成将现实世界中的暴露面与实时对手活动相连接，有助于检测并优先处理外部可利用问题，并揭示由逻辑驱动的 AI 漏洞。其目标是推动行动优先级的转变，使其基于最具现实意义的威胁。结合这些洞察，可将安全从被动维护转变为主动防御。组织将能够看清哪些暴露面正被对手主动 targeting。该集成将自动将暴露面数据馈送至 Google 威胁情报，以实现更优的优先级排序。Wiz 攻击面管理（ASM）映射外部攻击面，并扫描可利用的漏洞和配置错误。Wiz Red Agent 利用 AI 发现复杂的逻辑驱动漏洞，提供更全面的风险视图。
Drive proactive security, prioritize risks with Google Threat Intelligence and Wiz ASM cloud.google.com
CdXz5zHNQW_fnvuXmj0hC.png
RSS Hunter RSS Hunter • 7月7日

报告：83% 的组织需要升级其基础设施以支持代理型人工智能（Agentic AI）

企业人工智能格局已从对话式机器人演进为能够自主行动的代理式人工智能。这一转变对现有基础设施构成压力，83% 的组织需要升级以支持生产级代理式人工智能。遗留架构难以应对自主代理的规模与持续推理需求，导致产生“推理税”，表现为数据外传、存储膨胀及硬件闲置。流体计算通过将硅基资源与任务精准匹配并最小化开销，对于解决这些低效问题至关重要。集中式治理对于管理自主代理的激增以及应对安全、治理和 MLOps 挑战不可或缺。统一数据层使代理能够无论信息位置如何均可访问并理解，从而消除碎片化。混合多云架构正成为常态，由数字主权及遵守本地数据驻留法规的需求所驱动。边缘人工智能部署对于降低延迟、确保运营韧性以及通过靠近源头处理交互来提升成本效益至关重要。能源消耗是重要的运营因素，受限于电网稀缺、监管合规及基础设施经济，进而影响硬件选型。采用统一且针对人工智能优化的基础设施（如 Google Cloud 的 AI 超计算机），其中所有层级均协同设计，是克服这些挑战的关键。这种整体方法使得物理人工智能成为可能，即自主系统能够与现实世界的问题进行交互并加以解决。
Report: 83% of organizations need to upgrade their infrastructure to support agentic AI cloud.google.com
CdXz5zHNQW_yqhRgZB4Qq.png
RSS Hunter RSS Hunter • 7月7日

BGP 路由策略：按客户需求排名前 3 的使用场景

Google Cloud 的 Cloud Router BGP 路由策略赋予网络管理员对网络路径评估和传播的可编程控制。为应对日益增长的复杂性，引入了命名策略集，通过将前缀或 BGP 社区分组为可复用实体来简化配置。这些策略由 CEL 驱动，支持对 Cloud Router 内的 BGP 路由进行细粒度过滤和属性修改。客户利用这些策略实施路由过滤和网络保护，采用“故障关闭”（fail closed）模型以增强安全性。此外，客户还通过修改 MED 属性或 AS-PATH 前缀，利用这些策略影响活动/备用架构中的流量路径。一个重要的应用场景是通过匹配 BGP 社区解决有状态防火墙的不对称路由问题，这使得 Cloud Router 能够标记路由并调整 MED，以实现对称的返回流量。客户被鼓励在生产部署前在测试环境中验证策略。有关实施路由过滤、影响流量路径以及创建流量对称性的资源可供参考。总体而言，BGP 路由策略为混合云连接中的动态路由控制提供了更强大且更简便的方式。
BGP route policies: Top 3 use cases by customer demand cloud.google.com
RSS Hunter RSS Hunter • 7月7日

《在 Gemini Enterprise 和 Google Cloud Marketplace 发布代理的开发人员指南》

软件格局正从软件即服务（SaaS）向智能体即服务（Agents-as-a-Service）转变，使 AI 智能体能够通过 A2A 等标准化协议实现互操作。开发人员现在可以通过 Google Cloud Marketplace 构建并商业化这些自主智能体，并将其与 Gemini Enterprise 应用集成。该过程涉及设计一种架构，以连接市场计费、安全机制以及 Gemini Enterprise 智能体平台。合作伙伴必须加入 Google Cloud 合作伙伴网络，并遵守特定的上架要求，包括明确定义智能体的使用场景，并符合 A2A 协议。关键要素是 A2A 智能体卡片（A2A Agent Card），这是一个 JSON 文件，详细描述了智能体的能力、认证方法和端点。智能体必须支持公共访问或通过 OAuth 2.0 进行身份验证和授权。技术要求包括遵循 A2A 协议文档，该文档还指导如何使用 A2UI 实现交互式用户界面。A2A 智能体卡片对于展示智能体元数据至关重要，使 Gemini Enterprise 应用能够定位端点、发现入口点并确定认证方法。系统支持动态客户端注册（DCR），以自动化 OAuth 客户端注册流程。发布智能体涉及在生产者门户中选择"AI 智能体即服务”，上传智能体卡片，定义可用性和定价，并配置后端采购。Google Cloud 随后在智能体上架至 Marketplace 之前对其进行验证。交易和注册生命周期包含由计费管理员、发现引擎管理员和最终用户分别管理的不同阶段。采购是一个异步后端流程，由客户的订阅或私有要约触发，并向合作伙伴发送通知。合作伙伴批准授权、记录交易并激活订阅。采购完成后，发现引擎管理员通过同步注册流程（包括 DCR 握手）将购买与他们的 Gemini Enterprise 环境关联。注册后，智能体即可被 Gemini Enterprise 应用中的最终用户发现，用户在经过适当的身份授权后可请求访问。这一综合流程确保了在企业环境中对第三方智能体的安全、合规且受管制的访问。
A developer's guide to publishing agents in Gemini Enterprise and Google Cloud Marketplace cloud.google.com
CdXz5zHNQW_JOjJCHgP4L.png
RSS Hunter RSS Hunter • 7月7日

数据库中的“幽灵”：通过机器 DPAPI 恢复活动的 ADFS 签名密钥

"Golden SAML"技术允许攻击者在 Microsoft 环境中伪造身份断言。通过窃取 ADFS 令牌签名证书的私钥，攻击者可绕过安全控制并冒充任何用户。一种新的攻击向量已出现：在手动执行证书轮换期间，配置漂移可能导致活动签名密钥暴露于机器 DPAPI 中。这种情况发生在禁用 AutoCertificateRollover 且 ADFS 服务使用新证书但未更新 WID 配置数据库时。这会在系统中创建一个不再用于令牌签名的“幽灵”证书条目。然而，活动签名密钥仍驻留在系统范围的机器加密存储中，受机器 DPAPI 保护。成功获取该密钥可使攻击者伪造有效的 SAML 断言，从而未经授权访问 SAML 联合应用。此方法可规避针对 LSASS 和实时 ADFS 进程的典型监控。攻击者可利用此漏洞访问机器密钥存储及相关 DPAPI 工件。私钥持久化于机器范围密钥存储中，受机器 DPAPI 保护以保障运行韧性。然而，这种韧性意味着特权本地进程可恢复密钥材料。获取的密钥随后可用于伪造 SAML 断言，冒充高权限用户（如全局管理员）。防御方应监控操作系统的加密操作及身份签发。针对特定文件路径的基于 SACL 的对象访问监控可提供佐证。ADFS 令牌签发日志中的不一致性以及 Entra ID 中的联合身份监控同样至关重要。缓解措施包括将 ADFS 视为 Tier 0 基础设施，并考虑使用硬件安全模块（HSM）实现硬件背书的密钥保护。此外，对 ADFS 服务使用 gMSA 可减少因手动凭据管理导致的配置漂移。对 ADFS 服务器实施严格的 Tier 0 管理控制至关重要。
The ‘Ghost’ in the Database: Recovering Active ADFS Signing Keys via Machine DPAPI cloud.google.com
CdXz5zHNQW_pnUJepHCMM.png
RSS Hunter RSS Hunter • 7月7日

Google Cloud Labs：利用 Cloud Run 加速人工智能

人工智能格局正超越简单原型，需要专业工程能力以构建生产级应用。Google Cloud 将于 2026 年重启"Accelerate AI with Cloud Run"巡回活动，聚焦完整的 AI 代理生命周期。"Coffee Shop Journey"是一项动手实践体验，展示如何在 Cloud Run 上构建并部署高级 AI 代理，以应对真实业务场景。参与者将学习部署基础 Web 应用、利用 ADK 和 RAG 构建推荐代理，以及使用 Gemma 4 和 BigQuery 优化业务选址。课程还涵盖个人生产力助手，以及 Antigravity 2.0 的高级功能，包括技能、上下文、规则和钩子。Cloud Run 被定位为可扩展、生产级代理工作负载的理想平台。动手练习将涵盖使用 Google 的 ADK 和 Antigravity 2.0 构建、扩展及编排长运行代理。参与者还将了解基于 BigQuery MCP 的数据驱动扩展策略，以及 GPU 上的低延迟推理。本次巡回活动旨在赋能参与者，从 AI 原型迈向强大且可投入生产运行的现实成果。研讨会将于 8 月至 11 月期间在北美多个城市举行，早期活动的注册详情已提供。
Google Cloud Labs: Accelerate AI with Cloud Run cloud.google.com
CdXz5zHNQW_M0EXIgiHEE.png
RSS Hunter RSS Hunter • 7月7日

与代理协同加速：保障软件定义车辆的安全

汽车行业正转向软件定义车辆（SDV），利用空中下载（OTA）更新实现新功能。Nexus SDV 是 Google Cloud 与 Valtech 合作推出的新一代 AI 赋能互联车辆平台，旨在管理数百万台设备。该平台与 Android Automotive OS 深度集成，简化了数据处理与车内用户体验。平台核心展示了基于 Arm 的计算架构与 Bigtable 如何降低总体拥有成本。Nexus AI 作为智能引擎，利用 AI 模型将车辆转变为主动式、代理型合作伙伴。该平台通过采用高效硬件和优化数据存储来降低运营成本。其云原生架构确保了车辆与数据中心之间数据流的稳健性。Google Cloud 的安全框架提供纵深防御，抵御威胁并确保合规。Nexus SDV 为制造商提供了一个开源框架，使其能够安全且具成本效益地构建下一代汽车智能系统。
Shift into high gear with agents: Securing the software-defined vehicle cloud.google.com
CdXz5zHNQW_srNbXGBn5l.png
RSS Hunter RSS Hunter • 7月6日

Google 持续打击恶意住宅代理网络

Google 在与联邦调查局（FBI）及其他机构协调下，已对 NetNut 住宅代理网络采取行动。此次行动继此前对 IPIDEA 代理网络的干扰之后，是 Google 持续打击恶意住宅代理网络努力的一部分。Google 已禁用 NetNut 用于恶意软件命令与控制（C2）的账户及服务。此外，Google 还将关于 NetNut 软件开发工具包（SDK）及基础设施的技术情报共享给了平台提供商和研究人员。Google Play Protect 现将对使用 NetNut SDK 的应用发出警告并予以禁用，以提供持续保护。据信，这些行动已显著削弱 NetNut 的网络运营，使其可用设备数量减少数百万台。NetNut 通过将 SDK 分发至家庭设备，使这些设备成为代理网络的一部分；这些设备被用于路由流量，从而掩盖攻击者的恶意活动。此举给不知情的设备所有者带来风险，可能导致其合法流量被标记为可疑。2026 年 6 月，观察到大量威胁集群利用 NetNut 出口节点从事网络犯罪和间谍活动。建议消费者警惕提供付费分享互联网带宽的应用，并应仅从官方应用商店下载应用、审查应用权限，并确保 Google Play Protect 等安全保护功能处于启用状态。
Google’s Continued Disruption of Malicious Residential Proxy Networks cloud.google.com
RSS Hunter RSS Hunter • 7月2日

SOCRadar 借助 AlloyDB 和 Gemini Enterprise 实现快速威胁检测

SOCRadar 是一家网络安全公司，因网络威胁量增加，其 PostgreSQL 数据库面临性能问题。该公司需要现代化其基础设施，以向客户提供更快的威胁情报。其现有的本地部署数据库在处理高速数据摄入和实时分析查询时遭遇瓶颈，造成显著的性能阻碍。为此，SOCRadar 评估了多种替代方案，最终选择了 Google Cloud 的 AlloyDB for PostgreSQL。AlloyDB 提供与 PostgreSQL 兼容的完全托管解决方案，能够处理复杂的混合工作负载。此次迁移使分析查询性能提升 20 倍，实时数据摄入速度提高 3.2 倍。此次过渡还显著降低了运维负担，释放了数据库管理员（DBA）的精力。SOCRadar 回收了超过 45 TB 的存储空间，节省了 75% 的 DBA 时间，使其能够专注于创新。此外，SOCRadar 将 Gemini 企业代理平台（Gemini Enterprise Agent Platform）与 AlloyDB 集成，以应对警报疲劳问题。该基于 AI 的过滤机制在警报到达最终用户之前对其进行分类和路由，确保分析师仅接收关键且可操作的威胁情报。该公司目前正在探索代理式 AI（agentic AI）工作负载，计划实现自然语言查询和自动化事件摘要。这一统一平台整合了事务处理速度、历史数据深度和 AI 智能，构建了一个面向未来的网络安全防御框架。
SOCRadar powers rapid threat detection with AlloyDB and Gemini Enterprise cloud.google.com
RSS Hunter RSS Hunter • 7月1日

AlloyDB AI 函数——现已实现革命性的性能提升与成本节约

AlloyDB 是一款原生 AI 数据库，能够智能处理数据，提供向量搜索和自然语言转 SQL 等功能。它通过 AI 函数直接集成 Gemini 等基础模型，将 Gemini 的世界知识引入您的数据。这些函数可将非结构化数据（如原始用户反馈）转化为结构化洞察，无需构建复杂的自定义管道。例如，ai.generate 可将原始文本转换为干净的结构化 JSON。新增的 AI 函数包括 ai.summarize、ai.agg_summarize 和 ai.analyze_sentiment，分别用于分类情感基调、压缩文本以及汇总多行数据。AlloyDB 在 AI 函数处理方面取得了显著的性能与成本提升，主要得益于两项关键突破：AI 函数智能批处理（Smart Batching for AI Functions）可智能分组 AI 函数调用，消除提示词开销，性能提升高达 2,400 倍；AlloyDB 自动确定最佳批处理大小并处理重试。优化的 AI 函数（最初针对 ai.if）会部署一个基于您数据训练的小型代理模型，大幅减少对外部 LLM 的调用。该功能处理速度可达每秒 100,000 行，成本降低 6,000 倍。AlloyDB 在用户使用 PREPARE 语句时于后台训练该代理模型，并在准确率不足时自动回退至 LLM。这些优化使用户能够以前所未有的速度和成本效率处理复杂查询，例如基于特定数值约束筛选产品。用户可通过 AlloyDB 的 30 天免费试用开始使用，并直接在 SQL 查询中启用 AI 函数。为最大化性能与成本节约，用户可利用优化后的函数和智能批处理。这些进展使用户能够高效地将 Gemini 的智能引入其 AlloyDB 数据。
AlloyDB AI Functions - now with revolutionary performance boosts and cost savings cloud.google.com
CdXz5zHNQW_WcdRjies8O.jpeg
RSS Hunter RSS Hunter • 7月1日

开始使用 Google Cloud 的 Claude 应用网关

Claude Code 是 Anthropic 推出的一款代理式编码工具，此前通过独立开发者配置与 Google Cloud 集成。然而，在组织范围内扩展此集成时，面临凭证管理和缺乏集中控制等挑战。新的 Claude 应用网关通过作为本地 Claude Code 客户端与 Google Cloud 之间的自托管服务来解决这一问题。该网关集中管理身份、策略、成本控制和路由，从而提升治理水平。它与身份提供商集成，实现无缝用户认证，同时将敏感凭证暴露风险隔离在开发者机器之外。基于角色的访问控制规则由中央统一管理，覆盖本地设置，确保策略执行的一致性。遥测数据归属于已验证的用户和组，提供准确的用量指标。此外，网关允许按用户或组设置细粒度的支出限额，作为防止过度使用的护栏。推理请求仍保留在 Google Cloud 边界内，以维护数据隐私和合规性。部署网关涉及配置 GCP 资源、设置 gateway.yaml 文件并将其部署到 Cloud Run。随后，通过强制登录设置将开发者接入，引导其通过网关进行身份认证。此设置简化了企业级采用流程，并增强了在 Google Cloud 中使用 Claude Code 的安全性。
Get started with the Claude apps gateway for Google Cloud cloud.google.com
CdXz5zHNQW_27kEg3jWk2.png
RSS Hunter RSS Hunter • 7月1日

Google Cloud 已确认，凭借荷兰数据保护影响评估（DPIA）批准，为欧盟公共部门组织提供更安全的选择。

Google Cloud 致力于向全球公共部门组织提供灵活、可扩展的云计算技术，并具备一流的数据保护、主权保障和安全性。对于欧盟公共部门实体而言，数据保护是一项基本要求。在此承诺方面的一项重大进展是，荷兰政府战略供应商管理署 SLM Rijk 成功完成了对 Google Cloud 的严格数据保护影响评估（DPIA）。此次合作证实了 Google Cloud 致力于加强其在荷兰公共部门隐私实践中的信任度。DPIA 期间提出的所有关键关切均已得到妥善解决，结论表明，在实施推荐措施的情况下，不存在显著的数据保护风险。因此，荷兰中央公共部门现已可正式使用 Google Cloud，并建立了清晰的隐私评估路径。这一成果使荷兰公共部门组织及其他相关组织能够自信地探索并采用 Google Cloud，以实现安全现代化和数字化转型。此举建立在荷兰此前成功完成 Google Workspace DPIA 的基础之上，进一步强化了 Google 对公共部门客户在隐私、安全和合规方面的承诺。Google Cloud 欢迎此类独立评估，视其为建立信任和透明度的关键。该公司致力于协助客户通过安全且以隐私为核心的服务履行合规义务。Google Cloud 将继续投资隐私技术、透明度及客户控制功能，以支持全球各组织。此外，Google Cloud 还提供资源，帮助客户应对复杂的 DPIA 流程。
Google Cloud confirmed to offer a safer choice for EU public sector organizations with Dutch DPIA approval cloud.google.com
RSS Hunter RSS Hunter • 7月1日

新 IDC 研究：Mandiant 咨询的商业价值

如今，安全领导者不仅面临风险管理的要求，还被期望推动业务增长，并向董事会证明安全部门的价值。Mandiant 咨询协助将技术安全工作转化为可衡量的财务收益。一项近期的 IDC 研究显示，与 Mandiant 咨询合作的组织平均每年获得 430 万美元的效益，在三年内实现 268% 的投资回报率，且回本周期仅为 4.1 个月。这些发现基于对大型复杂组织的访谈，这些组织平均年收入为 173 亿美元。Google Cloud 将安全视为直接影响盈利能力的战略业务赋能者。一家医疗客户发现，Mandiant 提升了其商业对话效果，将安全定位为市场差异化因素和客户选择的关键理由。Mandiant 还帮助其每年降低 5 万美元的保险成本。面对资源约束，首席信息安全官（CISO）受益于 Mandiant 提供的前线威胁情报，该情报源自广泛的事故调查，有助于团队聚焦于相关的行业特定威胁。一家零售组织成功抵御了来自 Scattered Spider 等组织的针对性攻击，这得益于 Mandiant 定制的检测用例。此外，Mandiant 对身份基础设施进行技术审计，为管理层提供对其网络安全项目的 reassurance 与验证。这种独立验证增强了向董事会传达的信息，正如一家能源行业组织所证实的那样。总体而言，Mandiant 客户报告在网络安全韧性、攻击准备和网络安全分析师效率方面取得显著改善，使内部团队能够专注于战略增长举措。
New IDC study: The business value of Mandiant Consulting cloud.google.com
RSS Hunter RSS Hunter • 7月1日

Google 连续第三年被评为 2026 年 Gartner® 分析平台与商业智能平台魔力象限中的领导者。

Google 连续第三年被评为 2026 年 Gartner 分析平台与商业智能平台魔力象限中的领导者。此项认可紧随 Google Cloud Next 2026 大会，会上 Google 强调了数据交互向主动行动系统的转变。Looker 与 Google 携手弥合数据洞察与自动化业务流程之间的差距，依托企业级信任与 Gemini 的推理能力。通用语义层确立了单一事实来源，防止数据幻觉与不一致性。关键治理优势包括统一分析、数据库内建模以及基于 Git 版本控制的企业生命周期管理。Gemini 的能力使业务用户能够进行复杂的战略分析，并加速开发者的分析工程工作。Looker 正通过代理式语义建模、仪表板代理和对话式分析重新构想其技术栈。Looker Everywhere 将足迹扩展至传统界面之外，并与外部平台集成。专用 BI 代理允许用户使用自然语言查询复杂数据并编排自主工作流。Explore 模式中的 AI 赋能自助功能将直观设计与对话式分析相结合。开发人员现在可完全在 VS Code 中通过 LookML Agent 管理 LookML 开发。Looker 的语义层支持图模型与复杂本体，赋能多样化的数据代理用例。此集成确保 AI 代理基于经核实的企业指标运行，而非虚构数据。
Google named a Leader in 2026 Gartner® Magic Quadrant™ for Analytics and Business Intelligence Platforms for third year in a row cloud.google.com
CdXz5zHNQW_Wtj5HMhrwT.jpeg
RSS Hunter RSS Hunter • 7月1日

超越静态提示：利用 Google ADK 构建可扩展且多态的多智能体系统

企业生成式 AI 在从简单聊天机器人演进至复杂自主工作流时，面临可扩展性挑战。传统的静态提示架构（所有模式预先加载）会导致上下文窗口膨胀、成本高昂，并因注意力扩散而降低准确性。该架构难以应对数百种数据结构及动态业务规则。亟需一种新方法，将代理推理与结构数据需求解耦。本文介绍“上下文感知多态模式验证”（Context-Aware Polymorphic Schema Validation）模式，该模式利用元数据注册表实现动态上下文注入及运行时模式强制校验。静态代理架构会导致上下文窗口膨胀、延迟增加及注意力扩散，使模型混合无关模式。维护同步代码与验证变得困难，从而产生技术债务。多代理交接缺乏确定性检查，导致静默失败。所提出的架构将模式外置至集中式元数据注册表，将执行过程解耦为上下文发现与动态验证。模式以 JSON 描述符形式存储，包含字段定义、映射规则及验证钩子。动态发现与验证循环始于轻量级发现提示。代理首先在不施加重型模式约束的情况下提炼用户意图。一旦意图明确，即从元数据注册表加载特定模式规则至会话内存。随后系统进入评估循环，请求精确字段并将原始输入发送至独立的多态验证器。若验证失败，错误代码触发自我修正；若验证通过，则将该字段提交至主 JSON 负载。仅当主负载完全符合元数据标准时，才进行最终化，从而支持安全的下游 API 调用或清洁的多代理交接。此设计模式已在 Google Cloud 上实现，利用 ADK 进行多代理协调，采用 Gemini Flash 实现快速且具成本效益的推理。Cloud Storage 作为外置存储用于模式描述符，管理员可无需代码部署即可更新。Cloud Run 函数提供解耦的程序化验证钩子。转向动态模式架构为企业与运营带来显著优势。通过避免上下文杂乱，确保 100% 推理密度，大幅降低成本与幻觉。通过仅修改注册表中的模式描述符即可实现零停机更新，从而获得高度适应性。确定性状态强制机制通过在调用企业应用前验证上下文，消除了多代理静默失败。
Beyond Static Prompts: Building Scale-Proof, Polymorphic Multi-Agent Systems with Google's ADK cloud.google.com
CdXz5zHNQW_qpbSmsmj5P.png
RSS Hunter RSS Hunter • 7月1日

扩展 LLM 推理：利用 GKE 与托管 Lustre 实现多节点 KV 缓存卸载

企业环境正在采用分布式架构以支持需要长上下文窗口的 AI 工作负载。随着这些系统扩展，KV 缓存将超出本地 CPU 内存和 SSD 的限制。虽然池化本地 SSD 可提供容量，但会增加数据分布和复制的复杂性。另一种选择是将注意力状态卸载到高性能外部并行文件系统，例如 Google Cloud Managed Lustre。这种方法可绕过主机容量限制，并避免池化驱动器相关的网络开销。Google Cloud Managed Lustre 已被证明可节省总拥有成本（TCO），并降低大型语言模型推理所需的 GPU 小时数。该解决方案可通过 CPU 内存卸载进行扩展，以进一步提升性能。关键架构组件包括 GKE GPU 节点和作为去中心化缓存的 Managed Lustre。部署涉及创建 GKE 集群、配置 Lustre 存储、部署集成 Lustre 的 vLLM 服务引擎，最后部署 PVC Evictor。在部署之前，必须正确配置 Google Cloud 项目，包括配额和 IAM 权限。
Scaling LLM Inference: Multi-Node KV Cache Offloading with GKE & Managed Lustre cloud.google.com
CdXz5zHNQW_UPsefneDLL.png
RSS Hunter RSS Hunter • 7月1日

BigQuery 中的对话分析将可信的智能体推理带给每个人

BigQuery 中的对话式分析现已普遍可用，赋能业务与技术团队使用自然语言分析数据。该功能提供了一个充当专业分析师的智能体，其构建于 Google 的 Gemini 模型和 BigQuery 的安全基础之上。它提供无需配置的内置对话能力，同时允许数据专业人员创建基于特定数据源的专用智能体。这些智能体可访问超越原生 BigQuery 表的数据，包括 Databricks、AWS Glue、SAP 和 Salesforce 等湖仓源，从而打破数据孤岛。数据从业者可在 BigQuery Studio 和 Data Canvas 中使用对话式分析，并通过 API 将智能体发布至 Gemini Enterprise 或其他应用程序。工程化的信任与可解释性是关键特性，每个智能体均扎根于业务上下文，并提供可见的思考步骤、SQL 生成及上下文引用。通过澄清性问题进行主动消歧以及长期记忆功能，进一步提升了用户体验与信任度。安全与治理继承自 BigQuery，确保用户仅能访问授权数据，且所有查询均被记录以供审计。该产品支持高级安全功能，如 CMEK（客户管理加密密钥）和 VPC 服务控制，并保证数据在欧盟和美国多区域内的驻留。扩展的运营控制包括成本管理和使用跟踪。对话式分析利用 BigQuery 的 AI 功能，使用户无需构建模型即可询问根本原因、预测和异常等问题。它还可查询整个数据资产库，将关系型数据与非结构化文件（如 PDF 和图像）一并处理。智能体正从被动分析向主动行动演进，具备深度分析模式，可自动为调查构建分析计划。代理工作流支持自主智能体，能够监控数据、按计划执行多步骤工作流，并直接交付洞察。此次发布标志着从静态仪表板向自我管理的环境转变，将数据转化为主动知识，成为代理数据云的关键组成部分。
Conversational analytics in BigQuery brings trusted agentic reasoning to everyone cloud.google.com
CdXz5zHNQW_2DWjoM5ccQ.gif
RSS Hunter RSS Hunter • 6月30日

使用动态阈值和两年期告警在 Cloud Monitoring 中进行异常检测

由于需要分析历史数据且静态阈值难以应对不断增长的负载，设置告警阈值一直具有挑战性。按时间段变化的指标尤其难以通过固定阈值进行监控。Cloud Monitoring 告警现已提供针对 PromQL 的长回溯告警策略（当前处于预览阶段），可利用长达两年的指标数据。该功能支持动态阈值，即告警触发基于指标的历史行为而非固定值。例如，可设置告警在近期性能显著偏离长期历史平均值时触发。动态阈值提供多种算法，包括用于稳定数据的移动平均、用于波动数据的 Z 分数，以及用于按时间模式变化的指标的季节分解。移动平均将近期趋势与长期平均值进行比较，Z 分数则基于标准差识别异常值。季节分解将当前数据与对应历史时期进行比较，适用于具有每日或每周模式的指标。动态阈值还可用于防止成本超支，当支出指标显示异常增长时自动调整配额。Cloud Monitoring 正在利用 AI 模型开发更先进的异常检测功能。用户可注册为设计合作伙伴，以就这些新功能提供反馈。
Anomaly detection using dynamic thresholds and two-year-long alerts in Cloud Monitoring cloud.google.com
CdXz5zHNQW_9xiSqFQTjK.png
RSS Hunter RSS Hunter • 6月30日

借助 Gemini 企业级智能体平台的全托管远程 MCP 服务器，更快地构建智能体。

Google Cloud 现已推出 Gemini 企业级代理平台远程 MCP 服务器。该服务器作为外部 AI 代理与 Google Cloud 资源之间的安全桥梁。开发人员可将集成开发环境（IDE）连接至 Google Cloud，使 AI 代理能够与 Model Garden 和 Notebooks 等服务进行交互。此集成通过减少大量集成代码的需求来简化开发，并通过在 Google Cloud 安全基础设施内提供标准化接口来加速价值实现时间。该平台支持开放标准，防止供应商锁定并确保合规性。Agent Registry 提供集中式库，用于发现和治理 AI 能力。安全性通过原生的 Cloud IAM 拒绝策略维持，以控制资源访问。启用 Gemini 企业级代理平台 API 将自动激活远程 MCP 服务器。连接涉及配置 AI 应用程序以指向远程服务器，并利用可用的工具集端点。这些工具集促进与生成式 AI、预测、Notebooks 管理、模型端点、模型注册表、微调、评估和提示管理的交互。开发人员可通过将代理框架连接到代理平台 MCP 服务器开始构建。
Build agents even faster with Gemini Enterprise Agent Platform’s fully-managed, remote MCP server cloud.google.com
CdXz5zHNQW_GH6gfCdQ16.png
RSS Hunter RSS Hunter • 6月30日

以 Gemini Omni Flash 和 Nano Banana 2 Lite 为市场带来速度与强劲的成本效益。

Google 推出两款新模型，以增强创意工作流并缩短生成时间。Nano Banana 2 Lite 现已全面可用，在其系列中提供最快且最具成本效益的图像生成与编辑能力。该模型支持快速探索创意、A/B 测试及应用扩展。Gemini Omni Flash 也进入公开预览阶段，在高质量视频生成与对话式编辑方面表现卓越，为角色替换、场景重光照等任务提供精确控制。两款模型在图像与视频创作方面均具备具有竞争力的价格性能比。Gemini Omni Flash 支持多模态输入，并整合世界知识以实现真实叙事，同时实现视频内文本与动作的同步。Nano Banana 2 Lite 相比前代在视觉质量与能力上显著提升，支持快速生成上下文场景并保持角色一致性。两款模型均集成 C2PA 内容凭证与 SynthID 水印技术，以确保真实性。Adobe、Invideo 和 WPP 等企业已开始利用这些新的 Gemini 模型。开发者可将这些先进的图像与视频生成及编辑功能集成至其应用中。
Bringing speed and strong cost performance to the market with Gemini Omni Flash and Nano Banana 2 Lite cloud.google.com
CdXz5zHNQW_GPG413iMjf.png
RSS Hunter RSS Hunter • 6月30日

借助 AlloyDB Omni 实现部署自由与变革性 AI，推动金融服务现代化

金融服务行业正面临监管合规、极速响应需求以及高安全性要求的巨大压力。历史上，专有数据库导致了技术债务和高昂的运营成本。金融机构深陷许可陷阱，维护成本不断攀升，创新受到抑制。新兴法规如 DORA 和数据驻留法对敏感数据采用公有云提出了挑战，由此形成了“洞察差距”，因为遗留系统无法处理实时数据分析和 AI 驱动工具的需求。代理式 AI（Agentic AI）的出现 necessitates 一种超越专有系统的新数据库战略。需要一种基于混合架构和开放标准的方案，将云原生创新与本地数据控制相结合。Google Cloud 的 AlloyDB for PostgreSQL 提供了解决方案，具备 PostgreSQL 兼容性并支持灵活的部署选项。AlloyDB Omni 专门针对这些挑战，支持本地、边缘或混合云部署，提供卓越的性能和可扩展性。它提供了现代化的基础设施，通过容器化或独立版本实现运营简化，并显著提升了事务处理和数据分析速度。此外，它还集成了 AI 能力以及企业级安全功能，以满足金融行业严格的合规标准。这使得金融机构能够在无需被迫进行公有云迁移的前提下，同时实现稳定性与创新。
Modernizing financial services with deployment freedom and transformational AI with AlloyDB Omni cloud.google.com
RSS Hunter RSS Hunter • 6月30日

薛定谔如何利用 Alphaevolve 将分子发现速度提升 4 倍

计算化学在分子模拟中传统上面临速度与精度的权衡。机器学习力场（MLFF）提高了精度，但仍难以满足现代药物发现所需的海量数据。为此，Schrödinger 与 Google Cloud 合作，利用 AlphaEvolve 这一 AI 编程代理优化其 MLFF 训练流程。他们识别出邻居列表计算和 Ewald 求和为性能瓶颈。主要目标是加速 AI 模型训练，特别是针对 PyTorch 代码中计算密集的 Ewald 求和。AlphaEvolve 被 tasked 生成该算法更高效实现。系统成功通过用并行批处理矩阵乘法替换缓慢的 for 循环，进化了 PyTorch 代码中的 Ewald 求和实现。严格的评估证实了进化后代码的功能正确性与性能提升，成功率显著提高。此次优化使 MLFF 训练与推理速度提升四倍，加速了药物发现、催化剂设计及材料开发。Schrödinger 计划进一步探索这种进化方法，以优化自定义 GPU 内核。
How Schrödinger sped up molecular discovery by 4x with Alphaevolve cloud.google.com
RSS Hunter RSS Hunter • 6月30日

借助 Spanner 的多模型架构，为代理时代注入强劲动力

智能体时代要求数据库成为 AI 的主动上下文引擎，而不仅仅是被动存储。Spanner 被定位为领先解决方案，提供生成式 AI 与自主工作流所必需的统一、多模型基础架构。Gartner 认可 Spanner 的效率，将其在轻量级事务类别中评为运营型云数据库管理系统的第 1 名。Forrester 研究突显了其显著的经济价值，显示 Spanner 部署的投资回报率（ROI）达 132%，且回本周期极短。真正的 AI 自主性需要深度上下文，Spanner 通过原生整合关系型、向量、图、键值及全文搜索数据来实现这一点。这种多模型集成使 AI 能够并发访问情境、语义和关系上下文。Spanner 的功能包括统一的关系与图体验、集成向量搜索、高性能关系型与键值能力，以及高级全文搜索。集成的列式引擎可加速对实时数据的分析查询，无需进行大量 ETL 流程。Spanner 的互操作性允许在单个 SQL 语句中组合不同数据模型执行复杂查询。Spanner Omni 将这些多模型能力扩展至任何环境，包括本地部署及其他云提供商，且不受硬件限制。该平台底层架构利用 TrueTime 和 Paxos 等技术实现全球一致性，并集成 ScaNN 驱动的向量搜索和动态重分片等高级功能。Spanner 被定位为 Google 智能体数据云的基础要素，旨在打破数据孤岛，赋能自主 AI 智能体。
Supercharging the agentic era with Spanner’s multi-model architecture cloud.google.com
CdXz5zHNQW_rAOxobwcjz.png
RSS Hunter RSS Hunter • 6月29日

使用 BigQuery Graph 进行大规模网络分析以防范欺诈

Curve 是一家总部位于英国的金融超级应用，正面临高交易量金融犯罪的挑战。传统欺诈检测难以应对具有复杂关联的有组织欺诈团伙。为此，Curve 与 Google Cloud 合作，实施 BigQuery Graph 以进行深度网络分析。识别欺诈需要理解多跳关系，而此类关系在计算上成本高昂，且难以通过标准 SQL 扩展。Curve 将网络分析迁移至 BigQuery Graph，利用其原生的图查询语言（GQL）支持。这使得 Curve 能够将数据保留在现有的 BigQuery 环境中，从而节省时间和成本。通过将支付生态系统建模为属性图，Curve 简化了架构，并采用直观的 GQL 进行模式匹配。如今，Curve 能够高效地遍历数十亿条连接，并将数据分析与标准 SQL 及机器学习工作流统一起来。这一集成产生了显著的财务影响，预计 2025 年可减少 1200 万美元的交易损失。基于图的查询在识别欺诈用户方面达到约 72% 的准确率，使欺诈调查人员能够专注于高确定性案例。GQL 的采用简化了欺诈规则，并加快了机器学习模型的遍历速度。Curve 目前正在探索实时检测循环和原生图可视化功能，以进一步增强其欺诈缓解策略。
Scaling Network Analysis for Fraud Prevention with BigQuery Graph cloud.google.com
RSS Hunter RSS Hunter • 6月29日

云首席信息安全官视角：Google Cloud 安全如何内部使用人工智能

Google Cloud 正转向采用 AI 代理实现自主软件开发生命周期安全。这些代理嵌入开发的所有阶段，从设计到生产，以持续增强产品安全性。诸如威胁建模等人工流程已被基于代理的审查所取代，该审查将设计与安全要求进行交叉比对。Google Cloud 开发了 Mantis 框架，用于可扩展且具备上下文感知的 AI 代码扫描，通过压缩代码库来降低开销。Mantis 中的专用代理分析代码结构、调查文件并过滤发现结果，以消除误报。在通知开发人员之前，利用重现实验沙箱验证漏洞的可利用性。采用自愈模糊测试以在无需人工干预的情况下揭示运行时漏洞。自主补丁管道自动化漏洞的重现、上下文映射、修复生成和验证。发布后，自主安全态势管理系统持续监控生产系统以检测配置漂移。通过基于自我反思的持续增强，成功的安全模式被存储起来以提升未来代理的性能，从而迈向能够自愈的“免疫”软件。
AI and ML News on Bluesky @ai-news.at.thenote.app bsky.app
CdXz5zHNQW_yD5A560UnL.png
RSS Hunter RSS Hunter • 6月29日

利用 BigQuery 的 AI.AGG 函数综合全局图景并分析趋势

BigQuery 推出了 AI.AGG()，这是一个新功能，允许在 SQL 中使用自然语言指令来汇总或综合数百万行非结构化数据。该函数对于分析单个行分析不足的数据（如系统日志或产品评论）极具价值。AI.AGG() 自动化了从大量文本甚至多模态数据中提取关键见解的过程。例如，它可以识别负面评论中的主要功能请求，或系统日志中的常见用户错误。该函数通过批处理和聚合数据高效处理大型数据集，简化了用户上下文窗口的管理。它还支持文本和图像输入，使得对产品照片等视觉数据的分析成为可能。为确保全面分析，最佳实践是在使用 AI.AGG() 之前对数据进行预过滤并减少输入 token 数量。用户可以在查询执行中指定所需的 AI 模型，从而控制所使用的 AI 端点。输入行中的 NULL 值会自动跳过，因此需要仔细处理结构化数据以避免静默数据丢失。AI.AGG() 旨在即使在出现错误时也提供部分结果，用户可以查看作业统计信息以了解处理失败情况。这个强大的功能目前处于预览阶段，所有 BigQuery 用户均可探索使用。
AI and ML News on Bluesky @ai-news.at.thenote.app bsky.app
CdXz5zHNQW_tm0jnqClJO.png
RSS Hunter RSS Hunter • 6月29日

《熊之必需：审视亲俄影响生态系统的驱动因素、动态机制与应用》

俄罗斯亲俄影响力生态系统最初聚焦于支持乌克兰战争，现已演变为全球战略资产。这一演变包括加速开发新的影响力资产以及亲俄黑客主义活动的 resurgence。这一转变表明其关注点已超越乌克兰，可能加剧针对欧盟和北约的影响力行动。战争充当了关键的反馈回路，优化了俄罗斯的影响力活动以应用于全球场景。生成式人工智能正越来越多地用于此类行动中的规划、研究和内容创作。新行为体也在采用影响力战术，信号显示俄罗斯对这些成本效益高的方法的依赖。该生态系统的互联性使其对干扰具有韧性。俄罗斯的影响力战略植根于苏联时期的“积极措施”，如今将公开与隐蔽的数字行动相结合。核心目标包括削弱西方主导地位、维持区域主导权以及确保国内政治稳定。打击范围已从乌克兰转向更广泛的领域，涵盖美国、欧洲、“近邻地区”、中东、非洲以及俄罗斯国内。所采用的战术包括叙事共鸣、网络赋能的影响力、媒体模仿和直接传播。该生态系统由多样化组成部分构成，从官方渠道到可否认的隐蔽行动，以自我维持的方式运作。这种互联性增强了俄罗斯影响力行动的效用。
The Bear Necessities: A Look at the Drivers, Dynamics, and Applications of the Pro-Russia Influence Ecosystem cloud.google.com
CdXz5zHNQW_Rnf1NjGOnD.png
RSS Hunter RSS Hunter • 6月29日

特纳工业公司安全云优先架构蓝图

Turner Industries 作为一家工业承包商，致力于提升效率并降低成本。他们部署了一套新技术栈，包括 ChromeOS、Google Workspace、Chrome Enterprise Premium 和 Cameyo。此次集成旨在为其运营提供安全且高效的基础。采用 Chromebook 使每台设备的成本降低了 40% 至 50%，并将设备使用寿命延长了一倍。由此产生的显著节省达 1,200 台设备的 70 万美元。此外，设备配置与部署时间大幅缩短，每年节省约 1,750 小时。Google Workspace 和 Chrome Enterprise Premium 已覆盖全部 21,000 名员工。ChromeOS 通过减少补丁和安全工单处理时间，简化了 IT 支持工作。Chrome Enterprise Premium 实现了集中端点管理和安全策略执行。Cameyo 提供了访问遗留 Windows 应用程序的解决方案，简化了其虚拟桌面基础设施（VDI）架构。新系统现已在全公司各部门（包括领导层）投入使用，彰显其通用性。此次技术转型为 Turner Industries 构建了一个更简单、更安全且高效的 IT 基础设施。
Turner Industries’ Blueprint for a Secure, Cloud-First Infrastructure cloud.google.com
RSS Hunter RSS Hunter • 6月29日

使用边界护栏保护代理式 AI：VPC 服务控制的新功能

自主 AI 代理在扩展规模时需要稳健的架构护栏以确保安全创新。为保护数据，对于跨越工具和数据集连接的这些代理，清晰的网络级边界至关重要。Google Cloud 推荐使用 VPC 服务控制（VPC-SC）为这些工作流建立关键的基于目的地的边界。VPC-SC 的新功能通过加强这些边界来提升 AI 安全性。现在可以将代理身份直接添加到服务边界规则中，从而实现最小权限访问，并在代理被攻破时立即撤销权限。可以使用模型上下文协议（MCP）属性强制执行条件访问规则，从而实现对工具交互的细粒度控制，例如禁止发送邮件同时允许读取访问。VPC 服务控制现已原生集成到 Gemini 企业代理平台中，自动阻止对公共互联网的访问以增强安全性。此集成通过强化网络级安全控制来保障代理工作负载，作为数据保护的基础层。VPC-SC 与身份和资源控制相结合，形成企业 AI 安全的多层方法。它防御独特的攻击向量，充当针对被攻破代理的关键网络安全网。即使代理拥有有效的 IAM 凭据，VPC-SC 也能有效防止数据外泄。
Securing agentic AI with perimeter guardrails: What's new in VPC Service Controls cloud.google.com
CdXz5zHNQW_67wexxbhIr.jpeg
RSS Hunter RSS Hunter • 6月26日

从查询到行动：在 Cloud Monitoring 可观测性分析中引入 SQL 告警

传统告警系统难以应对高基数数据和复杂关系，往往迫使用户在即时但嘈杂的告警与僵化的指标监控之间做出妥协。关键系统问题经常隐藏在聚合数据和信号相关性之中。可观测性分析现在允许用户使用 SQL 查询日志和追踪数据，并且重要的是，能够从这些复杂的分析查询中创建告警。该预览版中的 SQL 告警功能超越了基础的阈值监控，实现了深度、上下文的检测。告警策略会运行定时 SQL 查询，基于回溯窗口分析最近的数据。如果查询结果满足定义的条件，则通过配置的渠道（如电子邮件或 Slack）发送通知。该系统利用 BigQuery 进行数据处理，并产生相应的费用。提供两种告警触发类型：用于简单事件量监控的行计数阈值，以及用于在 SQL 查询中实现更复杂逻辑的布尔条件。例如，电商运营人员可以通过对网关超时错误数量的激增设置行计数阈值，来检测支付网关故障。AI 平台工程师可以通过查询追踪数据，并在使用布尔条件监控 99 百分位延迟是否超过指定限值时触发告警，从而监控代理延迟。设置基于 SQL 的告警需要启用日志或追踪的可观测性分析、关联 BigQuery 数据集，并配置必要的 IAM 权限和通知渠道。创建告警涉及在可观测性分析中编写并验证 SQL 查询、选择 BigQuery 引擎、定义告警条件和调度，以及配置通知渠道。告警也可通过 API 和 Terraform 进行基础设施即代码（IaC）管理。
From query to action: Introducing SQL alerting in Cloud Monitoring Observability Analytics cloud.google.com
CdXz5zHNQW_5AyOYt4eWl.png
RSS Hunter RSS Hunter • 6月26日

STOCKSTAY 再延一日：Turla 情报收集装置的最新增补

Google 威胁情报小组详细披露了 STOCKSTAY，这是一款由与俄罗斯关联的 Turla 集团自 2022 年底以来积极开发的 .NET 后门。Turla 主要将 STOCKSTAY 部署针对乌克兰政府及军事机构，以及对意大利外交政策感兴趣的组织，用于网络间谍活动。该后门在代码和功能上与 Turla 此前已知的 KAZUAR 工具包存在显著重叠。Turla 是一个长期存在的网络间谍行为体，其可疑活动可追溯至 2004 年，且与俄罗斯联邦安全局（FSB）有关联。STOCKSTAY 是一个多组件后门，通过 websocket-sharp 库实现的 WebSocket 安全通道与其命令与控制（C2）服务器通信。STOCKSTAY 最初设计为模仿股票市场行情查看器，现已演变为能够伪装成其他良性应用程序（如 PDF 查看器和计算器）。该恶意软件包含 distinct 组件：STOCKSTAY.STOCKBROKER 负责网络通信，STOCKSTAY.STOCKMARKET 作为协调器负责配置和 C2 消息传递，STOCKSTAY.STOCKTRADER 负责在受感染主机上执行命令。STOCKSTAY.STOCKTRADER 支持多种操作，包括文件和注册表操作、命令执行以及系统信息收集。一个相关的下载器组件 STOCKSTAY.MARKETMAKER 已被观察到伪装成合法软件以建立持久化。该分析提供了观察时间线，并考察了 STOCKSTAY 与 KAZUAR 的相似之处，将其置于 Turla 不断演变的工具集背景中进行定位。
STOCKSTAY Another Day: The Latest Addition to Turla’s Intelligence Gathering Apparatus cloud.google.com
CdXz5zHNQW_ezln4WcZu8.png
RSS Hunter RSS Hunter • 6月25日

Backup and DR 服务中的跨区域备份，增强数据韧性

组织需要强大的数据备份策略以保障业务连续性。多区域备份可提供高可用性，但成本较高。一种新的、更具成本效益的解决方案——跨区域备份现已普遍可用。该方案允许备份目标位于与源数据不同的区域。这种解耦既能抵御区域性中断，又能遵守数据驻留规定。目前，该功能支持 Compute Engine 实例、磁盘和 Filestore，Cloud SQL 和 AlloyDB 将随后支持。跨区域备份通过允许细粒度选择恢复区域来优化成本，同时简化对 GDPR 等数据驻留法规的合规。该功能通过在完全不同的地理区域存储数据副本，提升了区域韧性。实施跨区域备份涉及在独立区域创建备份存储库，然后在资源所在区域配置备份计划并指向该次级存储库。最后，附加该计划可自动将数据传输至区域备份存储库。这一新功能在保障韧性和成本效益的同时，不牺牲合规性。
Enhanced data resilience with cross-region backups in Backup and DR Service cloud.google.com
CdXz5zHNQW_2NGzetp1sa.png
RSS Hunter RSS Hunter • 6月24日

Cisco Catalyst SD-WAN Manager 中漏洞（CVE-2026-20245）的零日利用

2026 年初，Mandiant 检测到一名威胁行为者针对某服务提供商的 SD-WAN 基础设施发起攻击。该行为者通过非法对等连接获取初始访问权限，并操纵默认账户密码。随后，他们利用 Cisco Catalyst SD-WAN 中的零日漏洞 CVE-2026-20245，将权限从管理账户提升至 root 级别。该漏洞源于设备文件上传功能中缺乏对恶意数据的适当过滤。威胁行为者还采用了反取证技术，选择性删除并恢复系统配置文件，甚至执行了验证脚本以确保其活动痕迹被彻底清除。此次行动凸显了攻击者日益倾向于入侵网络设备以绕过传统安全边界的趋势。由于 SD-WAN 编排器具备集中控制能力且遥测数据有限，正成为首要攻击目标。建议组织立即修补 Cisco Catalyst SD-WAN Manager，并遵循加固指南以增强安全性。
Zero-Day Exploitation of Vulnerability (CVE-2026-20245) in Cisco Catalyst SD-WAN Manager cloud.google.com
RSS Hunter RSS Hunter • 6月24日

日志分析现已升级为可观测性分析：使用 SQL 查询日志和跟踪数据

Google Cloud 已增强其可观测性套件，为开发人员和 SRE 提供了新功能。可观测性分析（原日志分析）现已集成通用可用的追踪数据，提供统一体验，从而支持对传统和代理工作负载进行详细的根本原因分析。用于管理和配置的可观测性 API 也已通用可用。关键特性包括在 Cloud Trace 中支持 SQL，这使得能够将应用程序日志与追踪跨度关联，进行深入分析。对于 AI 代理，它支持分析数千次运行中的遥测数据，以识别工具故障和性能瓶颈。可观测性分析利用 BigQuery 和 SQL 直接分析遥测数据。这种统一打破了数据孤岛，加速故障排查，并通过将可观测性数据与业务指标关联实现业务相关性。就地分析减少了数据重复和存储成本。用例包括通过大规模分析工具故障和延迟来优化 AI 代理，以及识别特定客户存在的性能问题。日志和追踪探索器适用于个别调查，而可观测性分析则专为聚合和广泛的分析性问题设计。可观测性 API 还允许 AI 代理通过 BigQuery 以编程方式查询遥测数据。用户今天即可通过 Google Cloud 控制台在可观测性分析中开始分析追踪数据。
Log Analytics is now Observability Analytics: Query logs and traces with SQL cloud.google.com
RSS Hunter RSS Hunter • 6月23日

可验证的隐私 AI：Google Cloud 拓展可信计算边界

Google Cloud 宣布在机密计算领域推出重大创新，以增强 AI 部署的数据隐私。机密计算利用基于硬件的可信执行环境（TEEs），在数据处理过程中通过密码学手段保护数据。全球规模的机密 AI 能力现已支持具有可执行隐私保障的 AI 推理与微调。全新配备 NVIDIA RTX PRO 6000 Blackwell GPU 的机密 G4 虚拟机已在全球范围内可用，提供易于访问的机密 AI 服务。这些由 AMD EPYC 处理器和 AMD SEV 驱动的虚拟机，在数据处理期间保护数据，并加密 CPU 与 GPU 之间的数据传输。开源提示加密 SDK 为 AI 提示和响应提供端到端的密码学保护。Google Cloud 还与 Apple 合作，将其平台的 Apple Private Cloud Compute 扩展至支持机密计算和 Intel TDX。Intel TDX 即将在 C4 系列机密虚拟机上推出，提供硬件隔离的信任域。基于 C3D 的机密虚拟机现已普遍支持实时迁移，可在不中断工作负载的情况下进行维护。专为安全多方计算设计的机密空间（Confidential Space）现已集成 Intel 信任权威（Trust Authority），支持独立验证。此外，机密空间现支持 NVIDIA Hopper GPU，用于安全的多方 AI 和机器学习工作负载。这些进展旨在使机密计算成为安全协作与隐私 AI 创新的基础层。
Verifiable, private AI: Google Cloud expands Confidential Computing frontiers cloud.google.com
CdXz5zHNQW_5ljCN2g63H.png
RSS Hunter RSS Hunter • 6月23日

开放模型，全球网络：AT&T 与 GSMA 如何利用 Gemma 加速电信创新

电信领域复杂且涉及专有数据，使得通用人工智能模型难以理解网络运营。该行业因规模庞大而要求极高的精度，但由于专业知识缺口，仅有少量人工智能被部署于网络中。领域专用的人工智能模型对于实现人工智能时代所需的自动化和工作流至关重要，而开放模型则提供了所需的灵活性。通用前沿模型缺乏基础上下文，对电信专用术语、拓扑结构和厂商数据理解不足。针对电信领域训练的专用模型，能够基于相关数据集准确解读技术日志并诊断网络问题。GSMA 推出了开放电信人工智能平台，旨在构建可信的电信级人工智能，以谷歌的 Gemma 模型为基础构建 AT&T 的 OTel 模型。这些模型由行业合作伙伴精心策划的专用电信数据集训练而成，从而构建了众多以安全性和减少幻觉为目标的优化模型。AT&T 的测试表明，经过电信特定微调的 Gemma 模型表现卓越，其中一款 Gemma 模型实现了高准确率。这些开放电信模型已获显著下载量，并在特定基准测试中优于更大的通用模型。谷歌云致力于支持电信运营商开发和部署定制电信人工智能模型，从而加速人工智能的采用并确保安全部署。
Open models, global networks: How AT&T and GSMA are accelerating telecom innovation with Gemma cloud.google.com
RSS Hunter RSS Hunter • 6月23日

使用 Python 增强 BigQuery：托管 Python UDF 现已普遍可用

SQL 适用于结构化数据分析，但在处理复杂的过程逻辑、科学计算和机器学习方面存在局限；Python 在这些任务上表现卓越。此前，数据从业者需要承担基础设施管理的开销才能运行自定义 Python 代码。如今，BigQuery 托管 Python 用户定义函数（UDFs）已普遍可用，解决了这一挑战。该功能允许用户通过 SQL 或 BigQuery DataFrames 直接在 BigQuery 中执行自定义 Python 代码。这些 UDF 利用完全托管的无服务器资源，可自动扩展。它们通过提供对庞大 Python 生态系统的访问（包括 NumPy 和 scikit-learn 等库）实现了灵活性。此外，它们支持实时集成外部 API 和 Google Cloud 服务。高级用户可通过使用 Pandas PyArrow 进行向量化处理、配置容器资源以及自定义并发度来优化性能。流式日志和实时指标有助于调试和监控。Python UDF 按 BigQuery 服务 SKU 计费，并符合成本承诺资格。入门步骤包括查阅产品文档和公共数据集。
Boost BigQuery with Python: Managed Python UDFs now generally available cloud.google.com
RSS Hunter RSS Hunter • 6月22日

Google AI Studio 入门层的说明

Google AI Studio 现已推出入门版（Starter Tier），可快速部署带有实时 URL 的原型。该层级提供预配置的 Google Cloud 服务栈，包括 Cloud Run、Cloud Firestore、PostgreSQL 开发者版 Cloud SQL 以及 Firebase 身份验证。Google 在后台以完全托管的项目形式 provision 并管理这些资源，初始阶段无需支付手段或计费账户。个人 Google 账户可使用此层级，Workspace 用户可能存在限制。入门版提供简化的控制台体验，专注于原型开发的核心需求。该层级受独立的《入门版附加条款》约束，而非标准的 Google Cloud 服务条款。Cloud Run 负责计算并自动扩展，最多支持两个活跃的 Web 应用程序。包含 Google 登录的 Firebase 身份验证简化了 Google Workspace 应用的集成。Cloud Firestore 提供 NoSQL 数据存储，并针对初始设置生成 AI 驱动的安全规则。PostgreSQL 开发者版 Cloud SQL 可用于关系型数据需求。从提示词到实时 URL 的部署是一个五步流程，包括描述应用、在需要时启用 Firebase、发布并获取 URL。入门版存在限制，包括最多两个应用、单一区域、API 锁定以及共享的 Firestore 配额。这些限制对于原型开发较为宽松，但更广泛的需求则需要升级。升级到付费账户涉及设置计费，并提供完整的 Google Cloud 平台访问权限，拥有更高的控制力和可扩展性。升级后建议设置预算警报和实例上限以管理成本。
The Starter Tier for Google AI Studio explained cloud.google.com
CdXz5zHNQW_J7SImUZ6pB.png
RSS Hunter RSS Hunter • 6月22日

在 GKE 上扩展 Ray Serve LLM：在不牺牲开发者体验的前提下实现高性能

Ray Serve 是一款可扩展的模型服务库，与 Google Kubernetes Engine（GKE）结合，为 LLM 服务提供了强大的平台。历史上，Ray Serve 的灵活性是以性能为代价的。然而，通过与 Anyscale 的合作，Ray Serve 如今实现了显著的性能提升，吞吐量最高提升 5 倍，延迟降低 8 倍。这些进展源于三项关键架构优化：Ray Serve 现已集成 HAProxy，实现高效的请求路由和负载均衡，从而降低代理开销；直接令牌流式传输架构绕过入口路由器处理令牌流，进一步削减延迟；vLLM 的 v2 Ray 执行器后端支持异步调度，统一了代码路径并缩小了性能差距。在配备下一代 AI 硬件的 GKE 上进行的基准测试验证了这些显著的性能提升。增强后的 Ray Serve 能够在并发用户数增加的同时，在保持低延迟的同时扩展吞吐量。GKE 为这些优化提供了必要的底层基础设施，提供自动扩缩容、监控和容错能力。开发人员如今可在 Kubernetes 上实现生产级性能，同时不牺牲 Ray 丰富的功能特性。最新的 Ray 版本（2.56 及更高版本）已纳入这些增强功能，相关资源可供进一步探索。
Scaling Ray Serve LLM on GKE: Performance without losing the developer experience cloud.google.com
CdXz5zHNQW_9uXpF6z40X.png
RSS Hunter RSS Hunter • 6月18日

推动下一代全球创新：Google 如何支持世界各地的顶尖初创企业

从技术原型到成功企业的转型，不仅需要资金，更需要架构指导和可扩展的系统支持。Google 加速器计划通过连接初创企业与 Google 的工程专长来支持这一过程。该计划认识到重大创新往往发生在大型 corporations 之外。在过去十年中，Google 加速器已在 88 个国家支持了 2,011 家初创企业，实现了 93% 的存活率。该计划聚焦于与 Google 工程师和产品经理共同开展深度的技术问题解决工作。它正不断演进，以应对主权级政策与前沿技术等新领域。新举措正支持绿色基础设施、面向机器人技术的 AI 以及生物多样性保护。区域校友网络已实现统一，以培育更强大的全球社区。Demo Day 展示初创企业的进展， upcoming 活动将涵盖各个区域加速器。创始人可申请支持，以扩展技术基础设施并优化产品市场契合度。
Scaling the Next Generation of Global Innovation: How Google Supports Top Startups Around the World cloud.google.com
RSS Hunter RSS Hunter • 6月18日

Agent Factory 回顾：在 Google Antigravity 2.0 中利用 AI 代理实现 100 倍工程效能提升

与谷歌顶级代理工程师 Rody Davis 的这场讨论，探讨了向以代理为先的平台（如 Antigravity 2.0）的转型。Antigravity 2.0 是一个综合平台，包含桌面管理器、命令行界面（CLI）、软件开发工具包（SDK）和集成开发环境（IDE），使开发者能够定制专属环境。Davis 强调，AI 不仅加速编码，而且加速整个软件生命周期，通过减少“重复劳动”（toil），让人力专注于高层任务。他使用“技能”（Skills），本质上是代理的速查表，提供如设计系统或 API 文档等具体上下文，以实现更快、更准确的结果。Antigravity 2.0 的定制功能支持扩展，例如 Android CLI 或模型上下文协议（Model Context Protocol）服务器，以实现热重载等功能。Davis 将代码维护比作盆景艺术，倡导扁平架构，以简化代理引导和人类监督。他根据任务定制代码审查：针对营销网站关注视觉输出，针对后端逻辑关注 API 契约。Davis 仍亲手编写代码，以深化对基础概念的理解。他的个人网站展示了使用 Gemma 4 和向量化摘要实现的离线内容推荐。演示展示了多代理并行性，其中并行子代理构建并本地化了一个全栈应用。将 IDE 从代理管理器中解耦，提供了桌面与服务器环境间的工作流灵活性。Davis 通过将网站解析为 Markdown，将文档转化为可复用的技能。他预测，到 2026 年，非技术创始人将利用“氛围编码”（vibe coding）创立公司，随之将出现新的咨询角色，以应对由此产生的生产故障。Davis 认为，代码库健康状况不佳而非上下文窗口大小，才是 AI 开发速度的主要瓶颈。他建议工程师拥抱 AI，以实现更顺畅的沟通交接，使代码工件易于审批。代理工程时代要求更高的架构纪律，将代理作为管弦乐队，以克服“重复劳动”并构建未来框架。
Agent Factory Recap: 100X engineering with AI agents in Google Antigravity 2.0 cloud.google.com
CdXz5zHNQW_WvoTLrvHqT.jpeg
RSS Hunter RSS Hunter • 6月18日