谷歌Andi Gutmans谈智能体规模数据管理的转型

在上周于伦敦举行的谷歌峰会上，谷歌智能体数据云副总裁、PHP网页服务器脚本语言共同创始人Andi Gutmans表示，企业正处于从"智能系统"向"行动系统"转型的关键节点。

在这一转型趋势下，随着数据量逐步迈向泽字节（Zettabyte）规模，数据管理工作将从人工驱动转向智能体自动化，借助AI智能体来组织数据、管理元数据并构建本体论。对企业而言，数据管理与激活的方式将迎来根本性变革。

Gutmans目前主导谷歌面向企业的战略，帮助企业利用自身数据资产实现自主智能体工作流。

他就实现可靠、安全的自主工作流所面临的技术挑战、多智能体架构在质量验证中的应用、谷歌"无边界湖仓"背后的工程逻辑、开源世界与专有AI模型潜在锁定之间的张力、多云环境中的安全边界，以及模型提供商的伦理责任等议题，分享了他的见解。

从"智能系统"迈向"行动系统"，最大的技术挑战是什么？

在引导企业从智能系统转向行动系统的过程中，最大的技术挑战在于如何持续获得高质量的结果。基础模型存在"幻觉"问题，并不总能给出正确答案。关键在于能否为基础模型提供恰当的上下文，让它真正理解业务逻辑和数据资产，从而输出高质量结果。所以，质量是重中之重。

不同的企业应用场景对质量的要求也不尽相同。客服场景的容错空间相对较大；但如果是金融服务中的关键决策，则可能需要人工介入审核。谷歌的目标不仅是提供最高质量的结果，还要让企业用户对这些结果建立信任，并提供相应的验证机制。

如果希望减少人工干预，如何在智能体工作流中内置质量保障机制？

"智能体互评"是一种行之有效的方法。具体来说，在执行某个动作之前，可以让另一个未受当前上下文影响的智能体对该动作进行审查评估，判断"这个操作合理吗"。甚至可以引入三个智能体进行投票，若三者均表示认可，则可以高度确信该结果是正确的。在不依赖人工介入的情况下，智能体互评是一种非常典型的质量保障模式。

是否需要通过系统提示词等方式内置防护机制来保障质量？

确实需要，但理想状态是在构建智能体时无需编写系统指令。目前我们尚未完全达到这一目标。这也正是为什么要确保为智能体建立完善的业务知识体系和工作流交互信息，并提供高质量的元数据以提供正确的上下文，这一点至关重要。

要真正实现高质量输出，不仅要让智能体具备正确的推理能力，更要让它们在拥有正确企业上下文的基础上进行推理。这也是谷歌为何如此重视知识目录建设的原因所在。

在开源创新与现代基础模型专有化之间，您如何看待两者之间的张力？

我在开源领域深耕多年，自1997年起便持续为开源项目做贡献，并在企业体制外推动过多个开源项目的落地。我在亚马逊和谷歌任职期间，也始终积极支持开源。

我的核心观点是：没有放之四海而皆准的解决方案，一切取决于具体的应用场景。开源模型有其存在价值，谷歌也推出了Gemma这一开放模型。但与此同时，许多业务场景也需要差异化的专有能力。

谷歌的目标是在部分领域形成差异化优势，同时保持开放的消费方式。例如，用户即便运行在AWS或Azure上，也可以使用Gemini，谷歌已与这两家云服务商建立了跨云互联通道，延迟极低。即便是专有能力，谷歌也力求以开放的方式呈现，让客户拥有真正的选择权。

您倡导"无边界"湖仓的理念，但现实中多云环境日趋碎片化，如何调和这一矛盾？

谷歌大多数企业客户至少使用了两家云服务商，有时甚至是因并购而形成的非主动多云局面。过去，这本身就是一道障碍，因为访问其他云上的数据既慢又贵，还存在安全隐患。

谷歌与AWS和Azure密切合作，建立了跨云互联通道，允许客户购买一定量的云间带宽，实现云间直连。这种方式不经过公共互联网，安全性极高，延迟也非常低。这就是一个典型案例——技术障碍被攻克，使得通过无边界湖仓直接查询其他云上的数据变得简单高效且低成本。

此外，谷歌还与SAP、Salesforce等SaaS服务商合作，基于Iceberg等开放标准实现零拷贝集成，让BigQuery能够直接查询这些SaaS应用中的数据。

如果AI智能体可以跨越企业所有云和数据库，如何防止它访问不应访问的数据？

即便在"无边界"的架构下，在访问另一端数据时，仍必须遵循相应的身份和角色权限，确保在数据源头执行访问控制。这是谷歌设计层面的核心目标——无论数据存储在GCP还是其他云上，都必须严格遵守客户设定的安全控制策略。

在智能体平台层面，谷歌支持客户对智能体的访问权限进行精细化降权设置。客户可以只授予智能体访问其所需数据源和服务的最小权限，不多一分。

关于权限设置的责任主体，谷歌的职责边界在哪里？

在无边界湖仓方面，谷歌承担了相当大的责任，帮助客户以安全、受治理的方式使用系统。当客户构建定制化智能体时，确保智能体权限范围合理则是客户自身的责任。谷歌提供"默认安全"的基础配置，但对于敏感性较高的工作负载，客户可能需要进一步缩小权限范围。

企业在理解生成式AI所需"数据引力"方面，最常见的误区是什么？

目前仍有一些厂商在传递这样的信息：应将所有数据集中摄取到中央湖仓，再从中激活智能体。这是一个错误的假设。因为智能体需要实时运作、自主决策，并访问操作层数据，数据新鲜度不容忽视，不是什么数据都能"统一搬进来"的。

此外，数据摄取的成本和复杂度极高。对于非结构化数据而言，不可能为了让数据"归位"就搬移PB级别的数据量。数据摄取到GCP确实有其价值，因为GCP的架构与其他平台有本质区别，但若将"把所有数据导入中央数据湖"视为唯一出路，企业很难取得成功。

面对泽字节级别的数据规模，企业如何有效管理？

当数据规模达到如此量级，就必须依靠智能体来承担部分管理工作。目前仍有一些传统厂商高度依赖数据管理员手动定义本体论，但谷歌认为，如果不实现自动化，这条路根本走不通。

无论是谷歌自身还是企业客户，所面对的数据规模都已远超人力所能应对的范畴，单纯增加数据管理员无法解决根本问题。谷歌的核心差异化方向之一，就是用智能体替人类解决这些问题——真正实现从人工驱动到智能体驱动的数据管理转型。

如何确保这些技术不被用于军事或侵权目的？

这类涉及高层模型分发政策和更广泛伦理监管的问题，超出了我的职责范围。我的工作重心完全在企业数据激活层面——为企业提供安全、受治理的基础设施，帮助其激活数据资产。有关模型使用的企业政策和伦理规范，由公司层面的专职团队负责统筹管理。

Q&A

Q1：谷歌"无边界湖仓"具体是指什么？它解决了什么问题？

A：谷歌"无边界湖仓"是一种跨云数据访问架构，旨在打破不同云平台之间的数据壁垒。通过与AWS、Azure建立跨云互联通道，客户可以在不经过公共互联网的情况下，以低延迟、低成本的方式直接查询其他云上的数据。此外，谷歌还通过与SAP、Salesforce等SaaS厂商的Iceberg标准集成，实现对SaaS应用数据的零拷贝直接查询，从而让分散在多云、多系统中的数据真正可被统一激活和利用。

Q2：智能体互评机制是怎么工作的？能真正保证AI输出质量吗？

A：智能体互评是一种在不依赖人工介入的情况下保障AI输出质量的机制。具体方式是：当一个智能体准备执行某个动作时，由另一个未受当前上下文干扰的智能体对该动作进行独立评估，判断其是否合理。还可以引入三个智能体进行投票，若三者均表示认可，则可以高度确信该结果正确。这种多智能体交叉验证的模式，是目前在自主工作流中替代人工审核的典型质量保障手段。

Q3：为什么不能把企业所有数据都集中到一个中央数据湖来驱动AI智能体？

A：将所有数据集中到中央数据湖是一种常见误区。原因有三：第一，AI智能体需要实时访问操作层数据，数据新鲜度是关键，集中摄取会带来延迟；第二，大规模数据摄取的成本和复杂度极高，对于PB级非结构化数据尤为如此；第三，智能体需要自主、实时地获取来自多个系统的数据，单一中央湖仓难以满足这一需求。因此，更合理的方式是通过无边界架构实现跨源直接查询，而非强制数据归集。