谷歌近日在数据分析领域推出重磅创新——BigQuery AI，将机器学习、生成式人工智能、向量搜索与智能体工具深度整合至其数据分析平台BigQuery。这一升级标志着谷歌在数据与AI融合领域迈出关键一步，通过将复杂技术封装为用户友好型工具，让非技术背景的数据工作者也能直接利用先进AI模型完成端到端的数据分析与机器学习任务。
该平台的核心突破在于打破传统数据处理的技术壁垒。用户无需迁移数据或搭建复杂基础设施，仅需通过自然语言描述需求，系统即可自动生成可直接投入生产的SQL代码。这种"代码向数据流动"的模式，省去了传统流程中数据搬运与环境配置的繁琐环节，使企业能够更快速地将数据洞察转化为实际业务决策。以开云集团旗下运动品牌彪马为例，其利用BigQuery AI的机器学习功能实现精准受众细分，顶级细分群体的广告点击率提升近150%，转化率增长4.6%。
在多模态数据处理方面，BigQuery AI展现出显著优势。通过简单的SQL命令，用户可直接调用谷歌及合作伙伴的AI模型处理文本、图像等多元数据类型。平台内置的AI函数将大语言模型与嵌入模型深度集成，支持内容生成、结构化数据提取、分类标注等任务。其托管模型选择机制能自动平衡成本与质量，而向量搜索功能则突破传统关键词匹配限制，通过语义理解实现概念级检索。这种能力在检索增强生成、多模态搜索、推荐系统等场景中表现尤为突出，例如帮助电商企业发现外观相似但功能不同的商品组合。
机器学习生命周期管理是该平台的另一大亮点。从特征工程到模型部署的全流程均可在BigQuery内完成，用户既可使用平台内置模型，也能导入在Vertex AI训练的自定义模型，或直接调用TimesFM等预训练模型进行零样本推理。统一推理接口支持批处理、实时流和远程推理三种模式，确保预测任务的无缝执行。平台4月新增的TimesFM预训练模型，已显著简化时间序列预测问题的处理流程，配合大语言模型的数据提取功能，形成完整的数据处理闭环。
针对不同专业角色的需求，BigQuery AI开发了系列智能体工具。数据工程智能体可将自然语言指令转化为标准化SQL代码，自动完成数据清洗、转换和模式建模等复杂操作；数据科学智能体则能规划多步骤分析流程，生成并执行代码，自动解释结果并修复错误；对话式分析智能体让业务人员通过自然语言提问即可获取可执行的洞察报告。这些工具覆盖从数据管道构建到可视化呈现的全链条，真正实现数据民主化。
为满足企业定制化需求，平台提供完整的智能体开发套件。对话式分析API允许将自然语言处理能力嵌入自有产品，智能体开发框架（ADK）支持构建复杂的多智能体系统，模型上下文协议（MCP）则规范了AI模型与数据库的交互标准。辅助功能如数据画布和代码补全工具，进一步加速日常任务处理。用户可在BigQuery Studio、集成AI功能的Colab Enterprise笔记本或第三方开发环境中使用这些工具，形成灵活的技术生态。
