Mô hình và nền tảng AI

Google Cloud xem trước tính năng trích xuất siêu dữ liệu bằng AI trong Cloud Storage

Theo Nash
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhCác phần làm giàu đối tượng chuyển điều phối suy luận AI vào Cloud Storage để các tác…
Xem thêm
  • Các phần làm giàu đối tượng chuyển điều phối suy luận AI vào Cloud Storage để các tác nhân truy vấn siêu dữ liệu đã chuẩn bị thay vì xử lý lại các khung hình.
  • Google định giá chú thích hình ảnh thấp hơn 75% so với các dịch vụ tương tự từ các nhà cung cấp đám mây khác.
  • Bản xem trước loại trừ việc làm giàu Gemini và các nhóm Rapid hoặc không gian tên phân cấp trong khi giới hạn đối tượng ở 20 MiB.

Ngày 19 tháng 11 năm 2026, Google Cloud giới thiệu tính năng bổ sung siêu dữ liệu cho đối tượng, một dịch vụ Cloud Storage đang trong giai đoạn xem trước, trích xuất siêu dữ liệu có cấu trúc từ hình ảnh và tệp PDF được lưu trữ để phục vụ các tác nhân AI và hoạt động phân tích. Một ví dụ định giá được công bố cho biết một mô hình xử lý hình ảnh có giá 700 USD cho 10 triệu hình ảnh.

Có thể sử dụng tính năng được quản lý hoàn toàn này thông qua bảng điều khiển và API của Cloud Storage. Tính năng quét các đối tượng đủ điều kiện một cách bất đồng bộ, chạy những mô hình đã chọn, phân tích phản hồi rồi ghi kết quả vào từng đối tượng. Cơ chế thử lại và giới hạn tốc độ được tích hợp sẵn thay cho các hàng đợi, tiến trình xử lý, lịch chạy và mã xử lý dữ liệu tùy chỉnh mà khách hàng nếu không sẽ phải tự xây dựng dựa trên cơ sở hạ tầng như Cloud Run hoặc Google Kubernetes Engine.

Ví dụ về tác nhân làm cơ sở cho thiết kế này là một hệ thống vận hành tìm kiếm trong hàng nghìn khung hình từ camera thông minh hoặc phương tiện để xác định một kiện hàng đã được giao hay mối nguy trên đường. Việc truyền các khung hình đó vào mô hình mỗi khi có câu lệnh sẽ tiêu tốn token và làm chậm thêm vài phút; truy vấn siêu dữ liệu đã được chuẩn bị trước chuyển khâu xử lý này sang quy trình bất đồng bộ ở phía bộ nhớ lưu trữ. Siêu dữ liệu cũng tiếp tục được gắn với đối tượng, thay vì nằm trong một kho dữ liệu riêng cần đồng bộ.

Năm mô hình và ngữ cảnh đối tượng

Tài liệu về tính năng bổ sung siêu dữ liệu cho đối tượng liệt kê năm mô hình do Google cung cấp. Tính năng phát hiện đối tượng và gắn nhãn hình ảnh trả về các danh mục cùng ranh giới hình chữ nhật; tính năng phát hiện khuôn mặt bổ sung các mốc trên khuôn mặt và xác suất biểu cảm; còn tính năng phân loại PDF gán danh mục tài liệu kèm điểm số. Các danh mục này bao gồm những lĩnh vực kinh doanh và ngành nghề như tài chính, trò chơi, tin tức và y tế.

Các chú giải được lưu dưới dạng ngữ cảnh đối tượng, một cấu trúc siêu dữ liệu của Cloud Storage gồm khóa, giá trị dạng chuỗi và dấu thời gian, cùng một phần dữ liệu JSON tùy chọn có dung lượng tối đa 128 KiB để lưu kết quả chi tiết. Ứng dụng có thể lọc danh sách đối tượng theo khóa và giá trị ngữ cảnh, trong khi quyền Quản lý danh tính và quyền truy cập kiểm soát người được phép thêm, thay đổi hoặc xóa các ngữ cảnh này. Ngữ cảnh được tự động chuyển theo khi sao chép, viết lại, ghép, di chuyển và khôi phục đối tượng.

Các tập dữ liệu Storage Insights có thể xuất siêu dữ liệu của hàng triệu hoặc hàng tỷ đối tượng sang BigQuery. Sau đó, các nhóm dữ liệu có thể truy vấn object_contexts_catalog_view bằng SQL tiêu chuẩn và kết hợp nhãn hoặc phân loại tài liệu với các bảng dữ liệu kinh doanh có cấu trúc, hỗ trợ tìm kiếm tài sản, tuyển chọn dữ liệu huấn luyện và phân tích đa phương thức mà không cần viết một quy trình ETL riêng.

Giá cả và kết quả ban đầu từ khách hàng

Google cho biết chú giải hình ảnh của họ có giá thấp hơn 75% so với các dịch vụ tương tự của những nhà cung cấp đám mây khác. Bảng giá Cloud Storage đã công bố đưa ra mức tham chiếu cụ thể hơn: 0,25 USD cho mỗi 1.000 đối tượng, áp dụng với 1 triệu đối tượng đầu tiên mỗi tháng của mỗi mô hình xử lý hình ảnh; sau ngưỡng đó, mức giá là 0,05 USD cho mỗi 1.000 đối tượng.

Ví dụ tính giá của Google áp dụng tính năng phát hiện đối tượng và gắn nhãn hình ảnh cho 10 triệu hình ảnh, với chi phí suy luận một lần là 1.400 USD và chi phí định kỳ hằng tháng là 55,20 USD cho ngữ cảnh đối tượng, Storage Intelligence và lưu trữ tập dữ liệu. Ngữ cảnh đối tượng có giá 3 USD cho mỗi triệu ngữ cảnh mỗi tháng. Tính năng này còn phát sinh phí truy cập dữ liệu và phí mạng; việc đọc đối tượng cũng có thể kích hoạt chuyển đổi lớp lưu trữ trong các vùng lưu trữ sử dụng Autoclass.

Tính năng phân loại PDF có cách áp dụng khác trong giai đoạn xem trước: miễn phí cho đến khi được cung cấp rộng rãi vào cuối năm 2026, với mức sử dụng giới hạn ở 100 triệu đối tượng cho mỗi khách hàng trong thời gian xem trước công khai. Nếu cấu hình cùng một vùng lưu trữ và mô hình ở nhiều địa điểm xử lý, công việc và chi phí đều sẽ lặp lại, vì vậy phạm vi địa điểm là một yếu tố cần tính đến khi ước tính chi phí.

Các khách hàng được trích dẫn trong thông báo cho biết hiệu quả vận hành còn cải thiện đáng kể hơn. Antoine Castex, kiến trúc sư trưởng về dữ liệu và AI của L’Oreal, cho biết dịch vụ gắn nhãn kho tài sản sáng tạo của công ty nhanh hơn 100 lần với chi phí chỉ bằng một phần nhỏ so với các quy trình hiện có. Mayur Pillay, phó chủ tịch phụ trách quan hệ đối tác của Hyperscience, cho biết độ chính xác của việc phân loại tài liệu tăng hơn 50% và chi phí suy luận thấp hơn từ hai đến ba lần. Brandon Bunker, phó chủ tịch phụ trách AI sản phẩm của Vivint, cho biết tính năng bổ sung siêu dữ liệu cho đối tượng và BigQuery đã rút ngắn thời gian phát triển AI từ sáu tháng xuống còn một tháng.

Giới hạn của giai đoạn xem trước và lộ trình Gemini

Bản xem trước chấp nhận hình ảnh và tệp PDF có dung lượng không quá 20 MiB, và mỗi đối tượng cần có một Content-Type giá trị hợp lệ, được hỗ trợ để xác định loại tệp. Các định dạng hình ảnh được hỗ trợ gồm BMP, GIF, ICO, JPEG, PNG, TIFF và WEBP. Có thể xử lý tại us, eu và asia các địa điểm, cho phép khách hàng chọn địa điểm dựa trên yêu cầu về chủ quyền dữ liệu và khoảng cách đến khu vực lưu trữ của vùng lưu trữ.

Không thể bật tính năng bổ sung siêu dữ liệu cho đối tượng trên các vùng lưu trữ Rapid hoặc vùng lưu trữ sử dụng không gian tên phân cấp; tính năng này không hỗ trợ khóa mã hóa do khách hàng cung cấp và yêu cầu tên vùng lưu trữ chính xác, không chấp nhận ký tự đại diện hoặc biểu thức chính quy. Không có giới hạn rõ ràng về quy mô khối lượng công việc, nhưng hạn chế về năng lực xử lý có thể làm chậm tiến độ. Cloud Monitoring theo dõi số đối tượng đang chờ xử lý, số lượt thực thi mô hình và trạng thái xử lý.

Google cho biết tính năng làm giàu dữ liệu gốc bằng Gemini sắp ra mắt, chứ chưa được đưa vào bản xem trước này. Tính năng này được thiết kế để suy luận đa phương thức trên văn bản, PDF, hình ảnh, âm thanh và video; các ứng dụng dự kiến bao gồm tóm tắt, trích xuất thực thể, phiên âm và dịch thuật. Google hướng dẫn khách hàng quan tâm gửi yêu cầu truy cập riêng.

Với các doanh nghiệp, bản xem trước nêu rõ sự đánh đổi: Google quản lý việc điều phối suy luận và giữ siêu dữ liệu gắn với đối tượng, trong khi chi phí được tính dựa trên mỗi lần chạy mô hình, ngữ cảnh được lưu trữ và dữ liệu được đọc. Tầm quan trọng của tính năng này đối với hạ tầng tác tử nằm ở việc kết hợp các chức năng đó ngay trong Cloud Storage, thay vì bổ sung một kho lưu trữ và ngăn xếp xử lý khác mà các tác tử phải phụ thuộc vào.

Theo Nash là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên về hạ tầng AI, tính toán và các hệ thống phần cứng cung cấp năng lực cho trí tuệ nhân tạo hiện đại. Công việc của anh tập trung vào các nền tảng kỹ thuật phía sau các khối lượng công việc AI quy mô lớn, bao gồm trung tâm dữ liệu, bộ tăng tốc, mạng và các ngăn xếp phần mềm kết nối chúng lại với nhau.

Với góc nhìn phân tích và dựa trên kỹ thuật, Theo xem xét cách các tiến bộ trong GPU, silicon tùy chỉnh, kiến trúc bộ nhớ và hệ thống phân tán cho phép các thế hệ mới của mô hình AI. Anh đặc biệt chú ý đến các đánh đổi về hiệu năng, hiệu suất năng lượng, khả năng mở rộng và các ràng buộc thực tiễn định hình việc triển khai hạ tầng AI trong thực tế.

Các bài viết do Theo Nash viết được tạo ra bởi AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác kỹ thuật, sự rõ ràng và việc đưa tin có trách nhiệm về môi trường tính toán AI đang phát triển nhanh chóng.