Modele i platformy AI

Google Cloud zapowiada funkcję ekstrakcji metadanych AI w Cloud Storage

Theo Nash
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyWzbogacenia obiektów przenoszą orkiestrację wnioskowania AI do Cloud Storage, dzięki…
Zobacz więcej
  • Wzbogacenia obiektów przenoszą orkiestrację wnioskowania AI do Cloud Storage, dzięki czemu agenci odpytują przygotowane metadane zamiast ponownie przetwarzać klatki.
  • Google wycenia adnotacje obrazów o 75% taniej niż podobne usługi innych dostawców chmury.
  • Wersja zapoznawcza wyklucza wzbogacanie Gemini oraz zasobniki Rapid lub z hierarchiczną przestrzenią nazw, jednocześnie ograniczając obiekty do 20 MiB.

19 listopada 2026 r. Google Cloud wprowadziło wzbogacanie obiektów — dostępną w wersji zapoznawczej usługę Cloud Storage, która wyodrębnia ustrukturyzowane metadane z przechowywanych obrazów i plików PDF na potrzeby agentów AI i analiz. W opublikowanym przykładzie koszt użycia jednego modelu do obrazów przy 10 milionach obrazów wynosi 700 USD.

Dostępna za pośrednictwem konsoli i interfejsu API Cloud Storage, w pełni zarządzana funkcja asynchronicznie skanuje kwalifikujące się obiekty, uruchamia wybrane modele, przetwarza ich odpowiedzi i zapisuje wyniki przy każdym obiekcie. Wbudowane mechanizmy ponawiania prób i ograniczania liczby żądań zastępują kolejki, procesy robocze, harmonogramowanie i niestandardowy kod potoku, które klienci musieliby w przeciwnym razie tworzyć wokół infrastruktury takiej jak Cloud Run lub Google Kubernetes Engine.

Przykładem zastosowania agenta, który przyświecał projektantom, jest system operacyjny przeszukujący tysiące ujęć z kamer inteligentnych lub pojazdów w poszukiwaniu dostawy paczki albo zagrożenia na drodze. Przesyłanie tych ujęć do modelu przy każdym zapytaniu zużywałoby tokeny i wydłużało czas oczekiwania o kilka minut; odpytywanie wcześniej przygotowanych metadanych przenosi tę pracę do asynchronicznego procesu przetwarzania po stronie pamięci masowej. Metadane pozostają też dołączone do obiektu, zamiast zajmować miejsce w osobnym, wymagającym synchronizacji repozytorium.

Pięć modeli i kontekst obiektu

W dokumentacji dotyczącej wzbogacania obiektów opisano pięć modeli własnych Google. Wykrywanie obiektów i etykietowanie obrazów zwracają kategorie oraz prostokątne obszary, wykrywanie twarzy dodaje punkty charakterystyczne twarzy i prawdopodobieństwo wystąpienia określonych wyrazów twarzy, a klasyfikacja plików PDF przypisuje dokumentom kategorie wraz z ocenami. Kategorie te obejmują obszary biznesowe i branżowe, takie jak finanse, gry, wiadomości i zdrowie.

Adnotacje są przechowywane jako konteksty obiektów — element metadanych Cloud Storage zawierający klucz, wartość tekstową i znaczniki czasu, z opcjonalnym ładunkiem JSON o wielkości do 128 KiB, w którym można umieścić szczegółowe wyniki. Aplikacje mogą filtrować listy obiektów według kluczy i wartości kontekstu, a uprawnienia Identity and Access Management określają, kto może je dodawać, zmieniać lub usuwać. Konteksty są automatycznie przenoszone podczas kopiowania, przepisywania, składania, przenoszenia i przywracania obiektów.

Zbiory danych Storage Insights mogą eksportować metadane dotyczące milionów lub miliardów obiektów do BigQuery. Zespoły zajmujące się danymi mogą następnie odpytywać je object_contexts_catalog_view za pomocą standardowego SQL i łączyć etykiety lub klasyfikacje dokumentów z ustrukturyzowanymi tabelami biznesowymi, wspierając wyszukiwanie zasobów, selekcję danych treningowych i analitykę multimodalną bez konieczności pisania osobnego potoku ETL.

Ceny i pierwsze wyniki klientów

Google informuje, że koszt adnotacji obrazów jest o 75% niższy niż w przypadku podobnych usług innych dostawców chmury. Opublikowany cennik Cloud Storage pozwala dokładniej oszacować koszty: 0,25 USD za każde 1000 obiektów w przypadku pierwszego miliona obiektów miesięcznie przetwarzanych przez każdy model do obrazów, a następnie 0,05 USD za każde 1000 obiektów powyżej tego progu.

W przykładzie Google wykrywanie obiektów i etykietowanie obrazów zastosowano do 10 milionów obrazów. Jednorazowe opłaty za wnioskowanie wyniosły 1400 USD, a cykliczne opłaty miesięczne za konteksty obiektów, Storage Intelligence i przechowywanie zbiorów danych — 55,20 USD. Cena kontekstów obiektów wynosi 3 USD za milion kontekstów miesięcznie. Funkcja wiąże się również z opłatami za dostęp do danych i sieć, a odczyty obiektów mogą powodować zmianę klasy przechowywania w zasobnikach korzystających z Autoclass.

W przypadku klasyfikacji plików PDF obowiązują inne warunki wersji zapoznawczej: usługa jest bezpłatna do czasu ogólnej dostępności, planowanej na koniec 2026 r., a w trakcie publicznej wersji zapoznawczej obowiązuje limit 100 milionów obiektów na klienta. Skonfigurowanie tego samego zasobnika i modelu w więcej niż jednej lokalizacji przetwarzania powoduje ponowne wykonanie całej pracy i naliczenie opłat, dlatego zakres lokalizacji należy uwzględnić przy obliczaniu kosztów.

Klienci, których wypowiedzi opublikowano wraz z ogłoszeniem, opisali większe korzyści operacyjne. Antoine Castex, główny architekt ds. danych i AI w L’Oreal, powiedział, że usługa oznaczyła repozytorium zasobów kreatywnych 100 razy szybciej i za ułamek dotychczasowych kosztów potoków przetwarzania. Mayur Pillay, wiceprezes ds. partnerstw w Hyperscience, poinformował o wzroście dokładności klasyfikacji dokumentów o ponad 50% oraz kosztach wnioskowania niższych od dwóch do trzech razy. Brandon Bunker, wiceprezes ds. produktu AI w Vivint, powiedział, że wzbogacanie obiektów i BigQuery skróciły czas tworzenia rozwiązań AI z sześciu miesięcy do jednego miesiąca.

Ograniczenia wersji zapoznawczej i plany dotyczące Gemini

W wersji zapoznawczej można przetwarzać obrazy i pliki PDF o rozmiarze nieprzekraczającym 20 MiB, a każdy obiekt musi zawierać prawidłową, obsługiwaną Content-Type wartość określającą typ pliku. Obsługiwane formaty obrazów to BMP, GIF, ICO, JPEG, PNG, TIFF i WEBP. Przetwarzanie jest dostępne w us, eu i asia lokalizacjach, dzięki czemu klienci mogą wybrać lokalizację odpowiednią ze względu na wymogi suwerenności danych i bliskość regionu, w którym przechowywany jest zasobnik.

Funkcji wzbogacania obiektów nie można włączyć w zasobnikach Rapid ani w zasobnikach z hierarchiczną przestrzenią nazw; nie obsługuje ona kluczy szyfrowania dostarczanych przez klienta i wymaga podania dokładnych nazw zasobników zamiast symboli wieloznacznych lub wyrażeń regularnych. Nie określono wyraźnego limitu rozmiaru obciążenia, ale ograniczenia przepustowości mogą opóźnić przetwarzanie. Cloud Monitoring śledzi liczbę oczekujących obiektów, liczbę uruchomień modeli i stan przetwarzania.

Google wymienia natywne wzbogacanie Gemini jako funkcję planowaną, a nie uwzględnioną w tej wersji zapoznawczej. Ma ona służyć do rozumowania multimodalnego na podstawie tekstu, plików PDF, obrazów, dźwięku i wideo. Wśród planowanych zastosowań są podsumowywanie, ekstrakcja encji, transkrypcja i tłumaczenie. Google zachęca zainteresowanych klientów do osobnego wnioskowania o dostęp.

W przypadku przedsiębiorstw kompromis jest wyraźnie widoczny w wersji zapoznawczej: Google zarządza orkiestracją wnioskowania i przechowuje metadane wraz z obiektem, natomiast wysokość rachunku zależy od każdego uruchomienia modelu, przechowywanego kontekstu i odczytanych danych. Znaczenie tej funkcji dla infrastruktury agentów polega na połączeniu tych możliwości w Cloud Storage, zamiast dodawania kolejnego repozytorium i stosu przetwarzania, od których agenty byłyby zależne.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.