AI 模型与平台

Google Cloud 预览 Cloud Storage 中的 AI 元数据提取功能

Theo Nash
将 Unite.AI 添加到您在 Google 上的首选来源
要点对象增强功能将AI推理编排移入Cloud Storage,使代理查询已准备好的元数据,而不是重新处理帧。
查看更多
  • 对象增强功能将AI推理编排移入Cloud Storage,使代理查询已准备好的元数据,而不是重新处理帧。
  • 谷歌将图像标注的定价设为比其他云提供商的类似服务低75%。
  • 该预览版不包括Gemini增强功能以及Rapid或分层命名空间存储桶,同时将对象上限设为20 MiB。

2026年11月19日,Google Cloud 推出了对象增强功能。这项 Cloud Storage 预览服务可从已存储的图像和 PDF 文件中提取结构化元数据,供 AI 智能体和分析使用。官方公布的示例价格显示,处理 1,000 万张图像时,一种图像模型的费用为 700 美元。

这项全托管功能可通过 Cloud Storage 控制台和 API 使用,能够异步扫描符合条件的对象、运行所选模型、解析模型响应,并将结果写入各个对象。内置的重试和限流机制取代了客户原本需要围绕 Cloud Run 或 Google Kubernetes Engine 等基础设施自行搭建的队列、工作进程、调度机制和定制流水线代码。

这项设计背后的智能体应用示例,是一个运营系统从数千张智能摄像头或车载摄像头拍摄的画面中,搜寻包裹是否已送达或道路上是否存在危险。每次收到提示时都将这些画面流式传入模型,会消耗 token 并增加数分钟延迟;查询预先准备好的元数据,则可将这项工作转移到存储端的异步处理步骤中。元数据还会继续附加在对象上,而不是存放在需要单独同步的数据存储中。

五种模型与对象上下文

对象增强功能文档列出了五种第一方模型。对象检测和图像标注会返回类别及矩形边界框;人脸检测还会提供面部特征点和表情概率;PDF 分类则会为文档分配类别并给出分数。这些类别涵盖金融、游戏、新闻和医疗等商业及行业领域。

标注结果以对象上下文的形式存储。这是一种 Cloud Storage 元数据结构,包含键、字符串值和时间戳,并可选附带一个最大为 128 KiB 的 JSON 负载,用于存放详细结果。应用可以按上下文的键和值筛选对象列表,而身份与访问管理权限则决定谁可以添加、更改或删除这些上下文。在复制、重写、组合、移动和恢复操作期间,上下文都会自动转移。

Storage Insights 数据集可以将数百万或数十亿个对象的元数据导出到 BigQuery。数据团队随后可以查询这些数据 object_contexts_catalog_view 使用标准 SQL,并将标签或文档分类与结构化业务表联接,从而支持资产发现、训练数据整理和多模态分析,无需另行编写 ETL 流水线。

定价与早期客户成效

Google 表示,其图像标注服务的价格比其他云服务提供商的同类服务低 75%。已公布的 Cloud Storage 价格提供了更具体的参考:每种图像模型每月处理的前 100 万个对象,每 1,000 个收费 0.25 美元;超过这一门槛后,每 1,000 个收费 0.05 美元。

Google 的示例将对象检测和图像标注应用于 1,000 万张图像,产生 1,400 美元的一次性推理费用;对象上下文、Storage Intelligence 和数据集存储则产生每月 55.20 美元的持续费用。对象上下文的价格为每月每 100 万个上下文 3 美元。此功能还会产生数据访问和网络费用;在使用 Autoclass 的存储桶中,读取对象还可能触发存储类别转换。

PDF 分类采用不同的预览安排:在 2026 年稍晚正式推出之前,该功能免费;公开预览期间,每位客户的使用量上限为 1 亿个对象。如果在多个处理位置配置同一个存储桶和模型,相关工作和费用都会重复计算,因此位置范围也是成本核算的一部分。

与此次公告一同发布的客户案例显示,该服务带来了更显著的运营成效。L’Oreal 首席数据与 AI 架构师 Antoine Castex 表示,该服务为其创意资产库添加标签的速度提高了 100 倍,而成本仅为现有流水线的一小部分。Hyperscience 合作伙伴关系副总裁 Mayur Pillay 表示,文档分类准确率提升超过 50%,推理成本则降低至原来的二分之一至三分之一。Vivint 产品 AI 副总裁 Brandon Bunker 表示,对象增强功能和 BigQuery 将 AI 开发时间从六个月缩短至一个月。

预览版限制与 Gemini 路线图

预览版支持的图像和 PDF 对象大小不得超过 20 MiB,并且每个对象都需要提供有效且受支持的 Content-Type 用于标识文件类型的值。支持的图像格式包括 BMP、GIF、ICO、JPEG、PNG、TIFF 和 WEBP。处理服务可在以下位置使用 us, eu 和 asia 等位置,客户可根据数据主权要求以及与存储桶所在存储区域的距离选择位置。

对象增强功能无法在 Rapid 存储桶或启用了分层命名空间的存储桶上启用,也不支持客户提供的加密密钥,并且要求使用准确的存储桶名称,不接受通配符或正则表达式。该功能没有明确的工作负载规模上限,但容量限制可能导致处理延迟。Cloud Monitoring 会跟踪待处理对象、模型执行次数和处理状态。

Google 将原生 Gemini 增强功能列为即将推出的功能,而非此次预览的一部分。该功能旨在对文本、PDF、图像、音频和视频进行多模态推理,预期用途包括摘要生成、实体提取、转录和翻译。Google 指示感兴趣的客户另行申请访问权限。

对于企业而言,此次预览明确体现了其中的权衡:Google 负责管理推理编排,并将元数据与对象关联保存;与此同时,费用则根据每次模型运行、存储的上下文以及读取的数据量计算。这项功能对智能体基础设施的重要意义,在于将这些功能整合到 Cloud Storage 中,而不是再增加一个智能体必须依赖的存储库和处理技术栈。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。