Google 於 2026 年 11 月 4 日公布 Agentic Data Cloud 更新，聚焦一個實際問題：企業能否讓 AI 代理人使用散落在不同雲端的資料，而不必先把所有資料搬到同一處，同時又提供足夠的業務脈絡，讓代理人理解資料代表什麼。核心是以 Apache Iceberg 為基礎的 Borderless Lakehouse，以及 Knowledge Catalog。不過，各項功能的供應狀態並不一致，現有證據也無法證明跨雲存取能免除所有費用，或證實所有對外宣稱的節省幅度。410

Lakehouse 的目標：資料留在原處，也能查詢

Google 將 Borderless Lakehouse 定位為受治理的資料基礎，採用開放格式 Apache Iceberg。Lakehouse 文件則說明，Iceberg 是建立統一分析與 AI 介面的基礎。41 Google 的產品資料主打不必搬移資料，就能跨雲查詢與運用；業界報導則指出，11 月這次更新可查詢 AWS 和 Azure 上的資料。153

這和先把資料匯入中央資料倉儲再分析的做法不同。理論上，直接查詢原地資料，可以減少為了複製資料而建立與維護資料管線的需求；但前提仍是相關連線、權限、資料格式與服務都已正確設定。

「正式推出」不等於每項功能都已就緒

Google 的產品頁表示，Borderless Lakehouse 已正式推出（generally available）。11 但這不代表所有整合或聯邦功能都具有相同狀態：Google 的 Lakehouse 概覽指出，與 AWS Glue、Databricks Unity Catalog 及 Snowflake Horizon 的目錄聯邦仍處於預覽階段。10 Google 文件也說明，可建立跨雲連線，從 Google Cloud 查詢 Databricks Unity Catalog 資料。

評估私有互連、快取或零複製整合等說法時，必須留意這類差異。現有資料摘錄無法確認 AWS 與 Azure 網路連線及快取功能的完整細節，也不足以證實與 SAP、Workday 和 Salesforce 的零複製整合；因此不宜把這些細節當成已獲證實的事實。

Knowledge Catalog：讓資料多一層業務脈絡

光是能存取資料表，還不足以讓代理人知道某項指標代表什麼、團隊採用哪一種定義，或不同資料集之間有何關聯。Google 將 Knowledge Catalog 定位為提供業務意義與受治理脈絡的工具。11 月公告指出，Borderless Lakehouse 可與 Knowledge Catalog 整合，為分散式及非結構化雲端資料建立索引，供代理人取得脈絡。4

Google 也將自我學習脈絡補全與 Knowledge Studio 列為預覽功能。脈絡補全旨在分析代理人與使用者的互動，找出業務脈絡的缺口；Knowledge Studio 則提供工具，讓資料管理者探索並檢視這些脈絡。19 這些功能與脈絡管理有關，本身並不能證明代理人已能安全地執行業務流程。

Gemini Enterprise 的版本說明記載，Data Cloud 連接器的聯邦查詢模式與 Knowledge Catalog 整合都已開放預覽。接上聯邦查詢模式的 Data Cloud 連接器後，Knowledge Catalog 會自動在 Assistant 中啟用，提供唯讀工具，搜尋使用者有權存取的資料，並取得技術與業務脈絡。17 這是文件有明確描述、範圍有限的整合，不代表所有更廣泛的 Gemini 支援說法都已獲確認。

跨雲費用說法，不等於總成本

Google 主打不搬移資料也能跨雲存取；相關報導則形容這項功能可查詢 AWS 與 Azure 資料，且不會產生浮動的資料傳輸費用。153 然而，現有公告與文件摘錄無法證明所有遠端雲端費用都會消失，也沒有足夠細節可用來評估特定工作負載的完整成本。

同樣地，提供的資料並未證實 talabat 的資料搬移成本降低約 40% 這項說法，也無法確認背後採用的 Amazon S3 Iceberg 到 BigQuery 的具體設定。即使資料搬移費用確實下降，也不能單憑這點推論查詢總成本，或完成一次代理人任務的成本，會以相同比例降低。

資料庫更新也在公告之列，但細節有限

當時的報導將 AlloyDB 與 BigQuery 列為此次更新涉及的產品，Knowledge Catalog 也包含在內。3 不過，現有資料不足以證實 AlloyDB 能直接把 Iceberg 歷史紀錄與即時 PostgreSQL 營運資料聯結，因此無法根據這些來源確認該能力。

Spanner Omni 則是 Google 更廣泛資料策略中另一項相關產品。Google 已於 2026 年 9 月 30 日宣布其正式推出，並將它描述為可部署於自有機房或其他雲端的分散式多模型資料庫。因此，這項正式推出並非 11 月 4 日才首次宣布。20

這次公告能說明什麼，又不能說明什麼

有來源支持的結論是：Google 正在打造跨雲資料存取層，並搭配可供 AI 助理與代理人共用的脈絡。這有助於代理人找到相關資訊，並依據一致的定義理解資料。41719

但這本身並不能證明代理人已能安全執行業務流程。要評估實際執行能力，還需要了解權限控管、驗證方式、交易處理、稽核、復原機制，以及成功完成任務的總成本。提供的資料摘錄也不足以核實所引述的分析師評估，或 Google 與 Microsoft、Databricks、Snowflake、AWS 的比較。這次公告說明的是平台發展方向；若要主張代理人能自主執行任務及其成本效益，仍需資料存取與脈絡功能以外的證據。

Google 於 2026 年 11 月 4 日公布 Agentic Data Cloud 更新，聚焦一個實際問題：企業能否讓 AI 代理人使用散落在不同雲端的資料，而不必先把所有資料搬到同一處，同時又提供足夠的業務脈絡，讓代理人理解資料代表什麼。核心是以 Apache Iceberg 為基礎的 Borderless Lakehouse，以及 Knowledge Catalog。不過，各項功能的供應狀態並不一致，現有證據也無法證明跨雲存取能免除所有費用，或證實所有對外宣稱的節省幅度。410

Lakehouse 的目標：資料留在原處，也能查詢

Google 將 Borderless Lakehouse 定位為受治理的資料基礎，採用開放格式 Apache Iceberg。Lakehouse 文件則說明，Iceberg 是建立統一分析與 AI 介面的基礎。41 Google 的產品資料主打不必搬移資料，就能跨雲查詢與運用；業界報導則指出，11 月這次更新可查詢 AWS 和 Azure 上的資料。153

這和先把資料匯入中央資料倉儲再分析的做法不同。理論上，直接查詢原地資料，可以減少為了複製資料而建立與維護資料管線的需求；但前提仍是相關連線、權限、資料格式與服務都已正確設定。

「正式推出」不等於每項功能都已就緒

Google 的產品頁表示，Borderless Lakehouse 已正式推出（generally available）。11 但這不代表所有整合或聯邦功能都具有相同狀態：Google 的 Lakehouse 概覽指出，與 AWS Glue、Databricks Unity Catalog 及 Snowflake Horizon 的目錄聯邦仍處於預覽階段。10 Google 文件也說明，可建立跨雲連線，從 Google Cloud 查詢 Databricks Unity Catalog 資料。

評估私有互連、快取或零複製整合等說法時，必須留意這類差異。現有資料摘錄無法確認 AWS 與 Azure 網路連線及快取功能的完整細節，也不足以證實與 SAP、Workday 和 Salesforce 的零複製整合；因此不宜把這些細節當成已獲證實的事實。

Knowledge Catalog：讓資料多一層業務脈絡

光是能存取資料表，還不足以讓代理人知道某項指標代表什麼、團隊採用哪一種定義，或不同資料集之間有何關聯。Google 將 Knowledge Catalog 定位為提供業務意義與受治理脈絡的工具。11 月公告指出，Borderless Lakehouse 可與 Knowledge Catalog 整合，為分散式及非結構化雲端資料建立索引，供代理人取得脈絡。4

Google 也將自我學習脈絡補全與 Knowledge Studio 列為預覽功能。脈絡補全旨在分析代理人與使用者的互動，找出業務脈絡的缺口；Knowledge Studio 則提供工具，讓資料管理者探索並檢視這些脈絡。19 這些功能與脈絡管理有關，本身並不能證明代理人已能安全地執行業務流程。

Gemini Enterprise 的版本說明記載，Data Cloud 連接器的聯邦查詢模式與 Knowledge Catalog 整合都已開放預覽。接上聯邦查詢模式的 Data Cloud 連接器後，Knowledge Catalog 會自動在 Assistant 中啟用，提供唯讀工具，搜尋使用者有權存取的資料，並取得技術與業務脈絡。17 這是文件有明確描述、範圍有限的整合，不代表所有更廣泛的 Gemini 支援說法都已獲確認。

跨雲費用說法，不等於總成本

Google 主打不搬移資料也能跨雲存取；相關報導則形容這項功能可查詢 AWS 與 Azure 資料，且不會產生浮動的資料傳輸費用。153 然而，現有公告與文件摘錄無法證明所有遠端雲端費用都會消失，也沒有足夠細節可用來評估特定工作負載的完整成本。

同樣地，提供的資料並未證實 talabat 的資料搬移成本降低約 40% 這項說法，也無法確認背後採用的 Amazon S3 Iceberg 到 BigQuery 的具體設定。即使資料搬移費用確實下降，也不能單憑這點推論查詢總成本，或完成一次代理人任務的成本，會以相同比例降低。

資料庫更新也在公告之列，但細節有限

當時的報導將 AlloyDB 與 BigQuery 列為此次更新涉及的產品，Knowledge Catalog 也包含在內。3 不過，現有資料不足以證實 AlloyDB 能直接把 Iceberg 歷史紀錄與即時 PostgreSQL 營運資料聯結，因此無法根據這些來源確認該能力。

Spanner Omni 則是 Google 更廣泛資料策略中另一項相關產品。Google 已於 2026 年 9 月 30 日宣布其正式推出，並將它描述為可部署於自有機房或其他雲端的分散式多模型資料庫。因此，這項正式推出並非 11 月 4 日才首次宣布。20

這次公告能說明什麼，又不能說明什麼

有來源支持的結論是：Google 正在打造跨雲資料存取層，並搭配可供 AI 助理與代理人共用的脈絡。這有助於代理人找到相關資訊，並依據一致的定義理解資料。41719

但這本身並不能證明代理人已能安全執行業務流程。要評估實際執行能力，還需要了解權限控管、驗證方式、交易處理、稽核、復原機制，以及成功完成任務的總成本。提供的資料摘錄也不足以核實所引述的分析師評估，或 Google 與 Microsoft、Databricks、Snowflake、AWS 的比較。這次公告說明的是平台發展方向；若要主張代理人能自主執行任務及其成本效益，仍需資料存取與脈絡功能以外的證據。