پوشش ابری: چه اخباری در Google Cloud در ماه فوریه منتشر شد
هوش مصنوعی در مرکز توجه با پیشرفتهای بزرگ
ماه فوریه ماه مهمی برای ابتکارات هوش مصنوعی Google Cloud بود که با حضور قوی در اجلاس تاثیر هوش مصنوعی در هند و انتشار چندین ابزار و ارتقاء قدرتمند هوش مصنوعی مشخص شد. این اجلاس بر تعهد گوگل به استفاده از هوش مصنوعی برای حل مشکلات دنیای واقعی تاکید کرد و شامل مشارکتها و سرمایهگذاریهای جدید با هدف پیشبرد علم، آموزش و راهحلهای هوش مصنوعی مقیاسپذیر بود. نکات برجسته کلیدی شامل انتشار Nano Banana 2 است که تولید تصویر با کیفیت بالا را با سرعت چشمگیر ترکیب میکند و ایجاد بصری پیشرفته را برای توسعهدهندگان و کاربران در محصولاتی مانند برنامه Gemini و Google Search در دسترستر میکند. پیشرفتهای SynthID نیز به شناسایی محتوای تولید شده توسط هوش مصنوعی ادامه میدهد.
فراتر از تولید تصویر، گوگل Lyria 3 را معرفی کرد، پیشرفتهترین ابزار ساخت موسیقی آن که به کاربران امکان میدهد موسیقی سفارشی را در برنامه Gemini با توضیحات توصیفی و حتی تصاویر سفارشی جلد ایجاد کنند. ادغام ProducerAI در Google Labs امکانات خلاقانه را در تولید موسیقی گسترش میدهد. برای توسعهدهندگان و متخصصان خلاق، Flow اکنون شامل قابلیتهای برتر هوش مصنوعی برای تولید، ویرایش و انیمیشن تصاویر و ویدئوها در یک فضای کاری واحد و ساده شده است که مدیریت داراییها و گردش کار ایجاد را ساده میکند.
توانمندسازی کشف علمی و تجزیه و تحلیل عملکرد
توانایی هوش مصنوعی Google Cloud به تلاشهای علمی پیچیده با انتشار نسخه ارتقا یافته Gemini 3 Deep Think گسترش یافت. این نسخه بهبود یافته به طور خاص برای مقابله با چالشهای دادههای پیچیده در علم و مهندسی مهندسی شده است و فراتر از مفاهیم نظری برای ارائه نتایج عملی و قابل اجرا برای مشکلات فنی میرود. Deep Think که برای مشترکین Google AI Ultra در برنامه Gemini و از طریق Gemini API برای دسترسی زودهنگام در دسترس است، نوید تسریع تحقیق و توسعه را میدهد. در حوزه ورزش، ابزار تجزیه و تحلیل ویدیوی هوش مصنوعی Google Cloud که با Google DeepMind توسعه یافته است، به ورزشکاران تیم USA و U.S. Ski & Snowboard مزیت رقابتی بخشید. این ابزار حرکات ورزشکاران را از ویدیوی دوبعدی، حتی با لباسهای حجیم، تجزیه و تحلیل میکند و بازخورد تقریباً بلادرنگ برای بهینهسازی عملکرد برای بازیهای المپیک زمستانی ارائه میدهد.
ابزارها و زیرساخت توسعهدهنده بهبود یافته
فوریه همچنین بهروزرسانیهای قابل توجهی را برای توسعهدهندگان و مدیریت زیرساخت به همراه داشت. پیشنمایش عمومی ادغام فراداده Datastream با Knowledge Catalog اعلام شد که نمای یکپارچهای از داراییهای Datastream مانند Streams و Connection Profiles را ارائه میدهد. این ادغام با اجازه دادن به کاربران برای جستجوی داراییهای Datastream در کنار جداول BigQuery، قابلیت کشف و حاکمیت را ساده میکند. برای کسانی که زیرساخت خود را مدرن میکنند، راهنمایی در مورد ارتقاء Apigee OPDK به v4.53 با مدرنیزاسیون سیستم عامل منتشر شد که انتقال پایدار و بدون وقفه را شرح میدهد. علاوه بر این، در دسترس بودن عمومی استخرهای کارگر Cloud Run و متنباز شدن Cloud Run External Metrics Autoscaler (CREMA) با فعال کردن مقیاسپذیری خودکار کارآمد و آگاه از صف برای بارهای کاری غیر HTTP، هوش مصنوعی بدون سرور را در مقیاس توانمند میسازد.
مدیریت API ساده شده و پردازش داده
Google Cloud با در دسترس بودن عمومی پشتیبانی بومی OpenAPI v3 (OASv3) برای API Gateway و Cloud Endpoints، حاکمیت API را ساده میکند. این امر نیاز به کاهش مشخصات API مدرن را از بین میبرد و امکان تعریف و اجرای مستقیم سیاستها، از جمله تلهمتری، سهمیهها و امنیت را با استفاده از افزونههای خاص گوگل در فایلهای OASv3 فراهم میکند. این امر امنیت بهتر را از طریق طراحی و ادغام یکپارچه با اکوسیستم گستردهتر توسعهدهندگان تضمین میکند. در مدیریت دادهها، یادداشتهای انتشار در دسترس بودن عمومی سرور API Cloud Logging را برجسته میکند که به برنامههای هوش مصنوعی اجازه میدهد با ورودیهای گزارش تعامل داشته باشند. علاوه بر این، پشتیبانی Database Center از پروتکل زمینه مدل (MCP) اکنون به طور عمومی در دسترس است و به برنامههای هوش مصنوعی مانند Gemini CLI اجازه میدهد تا برای بررسی سلامت ناوگان، ممیزی موجودی و بررسیهای امنیتی به Database Center متصل شوند.
بهبود در محاسبات و ذخیرهسازی
برای منابع محاسباتی، فوریه شاهد پیشنمایش VMهای A4X با قدرت NVIDIA GB200 NVL72 بود که عملکرد بالا و کارایی را برای مدلهای استدلال هوش مصنوعی نسل بعدی ارائه میدهد و Google Cloud را به عنوان یک رهبر در ارائه سختافزار پیشرفته هوش مصنوعی معرفی میکند. در زمینه ذخیرهسازی، Google Kubernetes Engine (GKE) Dynamic Default Storage Classes را معرفی کرد. این ویژگی مدیریت ذخیرهسازی را در کلاسترهای VM نسل ترکیبی با انتخاب خودکار ذخیرهسازی مناسب (Persistent Disk یا Hyperdisk) بر اساس سازگاری سختافزار گره، ساده میکند. این انتزاع، سربار عملیاتی را کاهش میدهد و عملکرد و مقرون به صرفه بودن را بدون قوانین پیچیده زمانبندی تضمین میکند.
بهبود تجربه کاربری و امنیتی
حالت تاریک که تجربه کاربری را در کنسول Google Cloud بهبود میبخشد، اکنون به طور عمومی در دسترس است. این ویژگی یک محیط مدرن، راحت و مولد، به ویژه برای استفاده طولانی مدت یا در شرایط کم نور، با گزینههای فعالسازی خودکار یا دستی ارائه میدهد. امنیت و هویت نیز شاهد پیشرفتهایی بود، با پیشنمایش امضاهای دیجیتال مقاوم در برابر کوانتوم در سرویس مدیریت کلید ابری (Cloud KMS). این با استانداردهای جدید PQC NIST همسو است و به توسعهدهندگان کمک میکند تا رمزنگاری مقاوم در برابر کوانتوم را برای محافظت در برابر تهدیدات آینده محاسبات کوانتومی پیادهسازی کنند. پشتیبانی مداوم از زیرساخت قدیمی Google Security Operations SIEM در تاریخ ۳۰ آوریل ۲۰۲۷ به پایان میرسد و مهاجرت به Google Cloud را برای قابلیت اطمینان و امنیت بهبود یافته تشویق میکند.
تکامل مداوم مدلهای هوش مصنوعی مولد
تکامل مدلهای هوش مصنوعی مولد با پیشرفتهایی که در پیشنمایش منتشر شد، ادامه یافت. Gemini 3.1 Flash-Lite از طریق Vertex AI برای شرکتها و از طریق Gemini API برای توسعهدهندگان در دسترس قرار گرفت و قابلیتهای تولید تصویر پیشرفته را ارائه داد. مدل 3.1 Pro که به طور قابل توجهی هوشمندتر و تواناتر برای حل مشکلات پیچیده توصیف شده است، همچنین شروع به انتشار خود در پیشنمایش از طریق Vertex AI و Gemini Enterprise کرد و کسبوکارها را برای آینده عاملدار توانمند ساخت. علاوه بر این، BigQuery ML اکنون از مدلهای هوش مصنوعی مولد متنباز از Vertex AI Model Garden، از جمله مدلهای Hugging Face، پشتیبانی میکند و انتخاب مدل را برای وظایف مبتنی بر SQL مانند تجزیه و تحلیل احساسات و تولید متن گسترش میدهد. این ادغام گسترده هوش مصنوعی پیشرفته در خدمات مختلف Google Cloud، موقعیت آن را به عنوان یک رهبر در راهحلهای ابری هوشمند تثبیت میکند.