AI-modellen en platforms
Een Inleiding tot Vertex AI

Belangrijkste puntenVertex AI verenigt gefragmenteerde data en AI-tools in één bedrijfsplatform.
Meer weergeven
- Vertex AI verenigt gefragmenteerde data en AI-tools in één bedrijfsplatform.
- De Model Garden biedt gecentraliseerde toegang tot meer dan 200 geselecteerde foundation-modellen.
- De dynamische orchestratie- en grounding-functies van het platform pakken productiefouten en hallucinaties bij AI aan.
Gezien het snel veranderende landschap van kunstmatige intelligentie, is een van de grootste hindernissen die technische leiders vaak tegenkomen, de overgang van “experimenteel” naar “enterprise-ready”. Terwijl consumentenchatbots en interactieve platforms tot de verbeelding van het publiek spreken, kunnen bedrijven niet slagen met alleen een chatinterface. In een tijdperk waarin de concurrentie agressiever is dan ooit tevoren, hebben bedrijven een robuust, schaalbaar en veilig ecosysteem nodig, en dat is wat Google (GOOGL ) probeert te bieden met Vertex AI, het geïntegreerde platform voor kunstmatige intelligentie en machine learning van Google Cloud.
Vertex AI probeert zichzelf te vestigen als de ruggengraat voor generatieve AI-integratie met moderne cloud-infrastructuur, door een uitgebreide reeks functies te bieden die de kloof overbruggen tussen ruwe foundation models en productieklare toepassingen. Vertex AI is niet alleen een wrapper voor grote taalmodellen (LLM’s), maar een geïntegreerd ecosysteem voor machine learning en kunstmatige intelligentie (ML/AI) dat generatieve AI behandelt als een volwaardig onderdeel van de moderne cloud-infrastructuur.
In het hart van Vertex AI zit de Model Garden, een centrale marktplaats die toegang biedt tot meer dan 200 zorgvuldig geselecteerde basismodellen, waaronder de multimodale krachtpatser Gemini 2.5 Pro, die een indrukwekkend contextvenster van twee miljoen tokens heeft. In dit artikel zullen we de architectuur van Vertex AI ontleden, onderzoeken hoe Model Garden dient als de “App Store” voor intelligentie en kijken naar de technische pijlers die dit platform de ruggengraat maken van de volgende generatie van enterprise software.
De kernarchitectuur: een geïntegreerd platform

Vertex AI is geen losse verzameling van tools, maar een geïntegreerd data- en AI-ecosysteem ontworpen om de fragmentatie van data, tools en teams te overbruggen die machine learning tot op de dag van vandaag teistert. Traditioneel vindt AI-ontwikkeling plaats in geïsoleerde omgevingen, en soms is de data verspreid en opgesloten in meerdere repositories. Bijvoorbeeld kunnen organisaties klantgegevens opslaan in SQL-warehouses, terwijl ongestructureerde documenten worden opgeslagen in een Data Lake. Wanneer data is gefragmenteerd, ziet de AI alleen een “gedeeltelijke waarheid”, wat leidt tot vertekende resultaten of hoge percentages hallucinaties omdat de AI de volledige bedrijfscontext mist.
Vertex AI probeert de hele levenscyclus te integreren, vanaf de invoer van ruwe data in BigQuery en Cloud Storage tot productiebewaking, en dient als een “bindweefsel” tussen deze silo’s. Vertex AI integreert native met Cloud Storage en BigQuery, waardoor de AI-modellen de data kunnen ophalen zonder complexe Extraction, Transformation en Load-pipelines.
Het fundament: Google’s AI Hypercomputer
De GenAI-laag van Vertex AI zit bovenop Google’s AI Hypercomputer-architectuur, een geïntegreerd supercomputersysteem, dat bestaat uit:
TPU v5p & v5e (Tensor Processing Units)
Google’s Tensor Processing Units zijn custom-built ASIC’s (Application-Specific Integrated Circuits) die specifiek zijn ontworpen voor de matrixvermenigvuldiging die de basis vormt van deep learning.
- TPU v5p (Prestatie): Dit is de vlaggenschipversneller voor training op zeer grote schaal. Elke TPU v5p-pod kan schalen tot 8.960 chips die zijn verbonden door Google’s hoogste-bandbreedte Inter-Chip Interconnect (ICI) op 4.800 Gbps. Voor een tech-leider betekent dit 2,8 keer snellere training voor een GPT-3-groot model (175 miljard parameters) in vergelijking met de vorige generatie, waardoor de tijd-tot-markt aanzienlijk wordt verkort.
- TPU v5e (Efficiëntie): Ontworpen voor “kost-geoptimaliseerde” prestaties, is de v5e het werkpaard voor middelgrote training en inferentie met hoge doorvoer. Het biedt een tot 2,5 keer betere prijs-prestatieverhouding, waardoor het de ideale keuze is voor bedrijven die 24/7 inferentie moeten uitvoeren zonder een enorm budget.
NVIDIA H100/A100 GPUs voor Flexibiliteit
Terwijl TPUs gespecialiseerd zijn, vertrouwen veel ontwikkelteams op het NVIDIA CUDA-ecosysteem. Vertex AI biedt eerste klas ondersteuning voor NVIDIA’s nieuwste hardware:
- NVIDIA H100 (Hopper): Ideaal voor fine-tuning van de grootste open-source modellen (zoals Llama 3.1 405B) die een enorme geheugenbandbreedte vereisen.
- Jupiter Networking: Om de “Netwerk Bottleneck” te voorkomen, gebruikt Google zijn Jupiter datacenter netwerkweefsel. Hierdoor kunnen gegevens razendsnel tussen GPU’s worden verplaatst. RDMA (Remote Direct Memory Access) omzeilt de CPU-overhead en biedt bijna lokale prestaties over verspreide knooppunten.
Dynamische orkestratie
De meest kritieke technische verschuiving in Vertex AI is Dynamische orkestratie. In een legacy-omgeving, als een GPU-knooppunt faalt tijdens een 3-weken durende trainingsrun, kan de hele job crashen.
- Automatische veerkracht: Vertex AI, vaak aangedreven door Google Kubernetes Engine (GKE) onder de motorkap, heeft “Self-healing” knooppunten. Als een hardwarefout wordt gedetecteerd, migreert het platform de workload automatisch naar een gezond knooppunt.
- Dynamic Workload Scheduler: Dit hulpmiddel laat teams toe om capaciteit aan te vragen op basis van urgentie. U kunt kiezen voor Flex Start (goedkoper, start wanneer capaciteit beschikbaar is) of gegarandeerde capaciteit voor mission-critical releases.
- Serverless Training: Voor teams die zero-infrastructuurbeheer willen, biedt Vertex AI Serverless Training de mogelijkheid om uw code en data in te dienen; het platform biedt het cluster, voert de job uit en breekt deze af – en brengt alleen de gebruikte rekenseconden in rekening.
De Drie Toegangspunten: Ontdekking, Experimentatie en Automatisering
Om verschillende technische gebruikersgroepen – van datawetenschappers tot applicatieontwikkelaars – te accommoderen, biedt Vertex AI drie primaire toegangspunten:
- Model Garden: De Markt voor Ontdekking.
- Vertex AI Studio: Het Speelveld voor Experimentatie.
- Vertex AI Agent Builder: De Fabriek voor Automatisering.
Model Garden: De Markt voor Ontdekking
Google Cloud’s Vertex AI Model Garden is een centraal platform binnen Google Cloud voor het ontdekken, testen, aanpassen en implementeren van een breed scala aan eigen AI-modellen van Google, opensourcemodellen en modellen van derden, waaronder multimodale modellen (visie, tekst, code) voor verschillende bedrijfsbehoeften, met naadloze integratie met Vertex AI’s tools voor gestroomlijnde MLOps. Het fungeert als een uitgebreide bibliotheek, waardoor ontwikkelaars en bedrijven het juiste model (van grote foundation modellen tot gespecialiseerde modellen) voor hun taken kunnen kiezen, of het nu gaat om tekstgeneratie, beeldanalyse of codevoltooiing, en deze efficiënt implementeren binnen hun Google Cloud-omgeving.

Model Garden categoriseert zijn 200+ modellen in drie afzonderlijke lagen, waardoor architecten prestatie, kosten en controle kunnen balanceren:
- Eigen modellen van Google: Dit zijn de vlaggenschip multimodale modellen die beschikbaar zijn binnen Vertex AI, en Google biedt ze aan in verschillende maten, variërend van Pro met complexe redenering tot Flash met lage latentie en hoog volume, waardoor ontwikkelaars hun modellen kunnen optimaliseren voor hun gebruikscases.
- Propriëtaire modellen van derden: Door strategische partnerschappen biedt Vertex AI “Model-as-a-Service” (MaaS) toegang tot reuzen zoals Anthropic (Claude 3.5) en Mistral AI. In plaats van afzonderlijke facturering en beveiligingsreferenties te beheren voor vijf verschillende AI-aanbieders, kan een technisch team toegang krijgen tot allemaal via zijn bestaande Google Cloud-project, met behulp van een uniform API-formaat.
- Open-Source & Open-Weight Modellen: Deze laag omvat Meta’s Llama 3.2, Mistral en Google’s eigen Gemma. Deze zijn ideaal voor organisaties die modellen zelf willen implementeren binnen hun eigen VPC (Virtual Private Cloud) om maximale gegevensisolatie te garanderen.
In een niet-geïntegreerde omgeving vereist het implementeren van een opensourcemodel zoals Llama het opzetten van een PyTorch-omgeving, het configureren van CUDA-stuurprogramma’s en het beheren van een Flask- of FastAPI-wrapper.
Model Garden elimineert deze fase van gegevens- en toolvoorbereiding door Uniforme beheerde eindpunten:
- Een-Klik-Implementatie: Voor veel modellen kan het klikken op “Implementeren” automatisch de benodigde TPU/GPU-bronnen inrichten, het model in een productieklare container wikkelen en een REST API-eindpunt bieden.
- Hugging Face Integratie: Vertex AI laat nu ontwikkelaars toe om modellen rechtstreeks van de Hugging Face Hub naar een Vertex-eindpunt te implementeren, waardoor een bijna oneindige uitbreiding van beschikbare intelligentie mogelijk is.
- Private Service Connect (PSC): Voor hoog gereguleerde industrieën kunnen modellen worden geïmplementeerd met behulp van Private Service Connect, waardoor ervoor wordt gezorgd dat het model-eindpunt nooit wordt blootgesteld aan het openbare internet – en het gegevensverkeer strikt binnen het bedrijfsnetwerk blijft.
Vertex AI Studio: Het Speelveld voor Experimentatie
Waar het bij Model Garden om selectie gaat, draait het bij Vertex AI Studio om precisie. Vertex AI Studio kan worden vergeleken met de compilers en debuggers die u tegenkomt in de traditionele softwarewereld. De Vertex AI Studio is de werkruimte waarin ruwe modellen worden omgevormd tot specifieke bedrijfstools door een combinatie van prompt-engineering, multimodale testing en geavanceerde hyperparameter-tuning.

Multimodale prototyping: meer dan tekst
Een van de uitstekende functies van de Studio is de native ondersteuning voor multimodaliteit. Terwijl andere platforms complexe codering vereisen om niet-tekstgegevens te verwerken, laat Vertex AI Studio u bestanden rechtstreeks in de interface droppen om de Gemini 2.5 redeneercapaciteiten te testen.
- Video Intelligentie: U kunt een 45-minuten durende technische keynote uploaden en het model vragen om “alle momenten te identificeren waarop een specifieke API wordt genoemd en een samenvatting met tijdstempels te geven”.
- Document Analyse: In plaats van alleen tekst te lezen, kan het model de visuele lay-out van een 1.000-pagina’s tellende PDF analyseren, de relatie tussen grafieken, tabellen en het omliggende proza begrijpen.
- Code Uitvoering: Studio ondersteunt nu code-uitvoering in de speelruimte. Als u een model vraagt om een complex wiskundig probleem op te lossen of een CSV te analyseren, kan het model Python-code schrijven en uitvoeren in een beveiligde sandbox-omgeving om een bevestigd antwoord te geven.
Geavanceerde Aanpassing: Het traject voor modelafstemming

Wanneer prompt-engineering (Zero-shot of Few-shot) een plafond bereikt, biedt Vertex AI Studio de zware machine: Model Tuning.
- Supervised Fine-Tuning (SFT): Ontwikkelaars bieden een dataset van “Prompt/Antwoord” paren (idealiter minstens 100 voorbeelden). Dit leert het model om een specifieke merkstem, uitvoerformaat (zoals gespecialiseerd JSON) of domeinspecifiek jargon aan te nemen.
- Context Caching: Voor bedrijven die te maken hebben met enorme, statische datasets (zoals een juridische bibliotheek of een codebasis), laat de Studio Context Caching toe. Dit laat u toe om een miljoen tokens aan data voor te laden in het geheugen van het model, waardoor de latentie en kosten voor latere queries aanzienlijk worden verminderd.
- Distillatie (Leraar-Leerling): Dit is een architecturale keuze op hoog niveau. U kunt een groot model (Gemini 2.5 Pro) gebruiken om een kleiner, sneller model (Gemini 2.0 Flash) iets te “leren”. Het resultaat is een lichtgewicht model dat presteert op een “Pro”-niveau, maar loopt op “Flash”-snelheid en -kosten.
Vertex AI Agent Builder: De Fabriek voor Automatisering
Vertex AI Agent Builder is een orkestratieframework op hoog niveau dat ontwikkelaars in staat stelt om deze agenten te creëren door foundation modellen te combineren met bedrijfsdata en externe API’s.
De Architectuur van “Waarheid”: Grounding & RAG
De primaire technische barrière voor enterprise AI is hallucinatie. Agent Builder lost dit op door een geavanceerde Grounding-motor.
- Grounding met Google Search: Voor queries die real-time wereldkennis vereisen (bijv. “Wat zijn de huidige hypotheekrentes in New York?”), kan de agent een Google Search uitvoeren, feiten extraheren en bronnen citeren.
- Vertex AI Search (RAG-as-a-Service): In plaats van handmatig een vector database (Pinecone, Weaviate) te bouwen, kunnen ontwikkelaars Vertex AI Search gebruiken om hun eigen documenten (PDF’s, HTML, BigQuery) te indexeren. Het behandelt de “chunking”, “embedding” en “retrieval” stappen automatisch, waardoor de agent alleen antwoordt op basis van uw interne “Bron van Waarheid”.
- Vertex AI RAG Engine: Voor grootschalige implementaties op maat, biedt deze beheerde service hybride zoekopdrachten (combinatie van vectorgebaseerde en trefwoordgebaseerde resultaten) om de nauwkeurigheid met maximaal 30% ten opzichte van standaard LLM-uitvoer te verbeteren.
Orkestratie van meerdere agenten (A2A-protocol)
Geavanceerde enterprise workflows vereisen vaak meerdere gespecialiseerde agenten die samenwerken. Vertex AI introduceert het Agent-to-Agent (A2A) Protocol, een open standaard die het volgende mogelijk maakt:
- De “Reisagent” kan praten met de “Financiële Agent” om ervoor te zorgen dat een vluchtboeking binnen het bedrijfsbudget valt.
- Interoperabiliteit: Omdat het een open protocol gebruikt, kunnen agenten die zijn gebouwd op Vertex communiceren met die gebouwd op andere frameworks zoals LangChain of CrewAI.
De Ontwikkelaars Stack: ADK en Agent Engine
Voor het “tech platform” publiek biedt de Agent Builder twee afzonderlijke paden:
- Geen Code Console: Een visuele drag-and-drop interface voor snelle prototyping en bedrijfsgebruikerconfiguratie.
- Agent Development Kit (ADK): Een code-first Python-toolkit voor ingenieurs. Het laat toe voor “Prompt-as-Code”, integratie met versiebeheer, en de mogelijkheid om te implementeren op de Vertex AI Agent Engine — een beheerde runtime die sessiepersistentie, schaling en statusbeheer automatisch afhandelt.
Conclusie: Van “Wat als” tot “Wat volgt”
De overgang van een flashy AI-demo naar een productieklare enterprise-toepassing is lange tijd de “vallei van de dood” voor digitale transformatieprojecten. Zoals we hebben onderzocht, is Vertex AI specifiek ontworpen om deze kloof te overbruggen. Door de gefragmenteerde silo’s van data, infrastructuur en modelorkestratie te verenigen, heeft Google Cloud het gesprek verplaatst van de rauwe kracht van Large Language Models naar de operationele volwassenheid van de AI-levenscyclus.












