发生了什么
谷歌云于 11 月 4 日发布 Agentic Data Cloud 的一批更新，核心判断写在博客里：自主智能体很快会成为企业数据的主要使用者，因此数据栈要按「低延迟、零迁移、自动治理」重新设计，而不是继续围绕人类 analyst 的手工查询来堆工具。
发布由谷歌云数据分析产品管理副总裁 Sirish Chandrasekharan 署名，覆盖跨云湖仓、知识目录、AlloyDB 与开发工具四条线。
三项具体变化
- 无边界湖仓：基于 Apache Iceberg，可直接查询存放在 AWS S3 Tables 与 Azure 上的数据，跨云互联与缓存已正式可用；通过私有链路访问，不收数据传出费用，检索到的数据块会缓存在谷歌云内以加速后续查询。
- AlloyDB 与湖仓打通：可用标准 PostgreSQL 语句直接查询外部 Iceberg 表，无需复制数据，把实时事务数据与历史湖仓记录放在同一个查询里。
- 知识目录升级：新增自学习增强（预览），持续从 Google Workspace、GitHub、Jira、Confluence、SharePoint 挖掘上下文；支持打包成可复用的 OKF 上下文集；新增对话式 studio 界面，可审阅、审批与版本回滚。
谷歌云给出的效果口径是：知识目录让智能体的准确率提升近 4 倍、token 消耗降低 75%，依据是内部评估。另有客户案例：Delivery Hero 旗下 talabat 用跨云单副本 Iceberg，把数据移动成本降低约 40%，并能在生产事件发生后数分钟内在两朵云上查询流式交易数据。
面向智能体的数据库与工具链
AlloyDB Express 进入预览，定位是给构建者与编码智能体用的快速环境：2 秒内完成开通、空闲时缩容到零、1 至 2 个 vCPU 与 20GB 存储。生产侧的 PostgreSQL for agents 也在预览，官方给出的指标是亚毫秒级 I/O、聚合扫描吞吐达 Tb/s、支持每秒 300 万次查询，算力按活跃推理会话伸缩、空闲归零且不影响生产系统。
开发侧，Data Agent Kit 正式可用，把 BigQuery 等工具接进 VS Code、Claude Code、Antigravity 等 IDE 与 CLI，并原生提供 MCP 工具。语义模型能力也已正式可用，覆盖 BigQuery、Looker 的 LookML、Databricks、Snowflake、dbt 与 SAP，且不移动数据。
对企业的实际意义
这批更新解决的是智能体落地最常见的两类失败：一是数据搬不动，跨云复制成本高、周期长；二是口径不统一，SQL 语法正确但业务含义错误。前者用联邦查询与缓存处理，后者用受治理的语义层与上下文集处理。两者都指向同一件事——把「可信上下文」做成基础设施，而不是每条提示词里临时拼。
不确定之处
- 自学习知识目录、studio 界面、AlloyDB Express 与 PostgreSQL for agents 均处于预览，尚未承诺生产级 SLA。
- 准确率近 4 倍、token 降 75% 来自谷歌内部评估，没有第三方复现，也没有披露测试集与基线。
- 跨云查询虽免数据传出费，但查询处理、缓存与网络仍会产生费用，总体成本需按实际负载测算。
- 联邦查询的性能取决于跨云链路，对延迟敏感的交易型负载未必适用。
对正在做智能体试点的团队，可操作的顺序是：先把关键指标的业务定义收进语义层，再评估跨云查询能否替代复制，最后才谈把多少个智能体接进来。反过来做，通常会在口径对齐阶段返工。