企业正在把 AI 从实验性聊天机器人转向自主智能体，瓶颈随即出现：数据分散在多个云、SaaS 和本地系统，智能体要访问并推理这些数据，又不想因为移动数据而引入安全风险。Google Cloud 在 Gemini at Work 活动上宣布了 Gemini 与 borderless Lakehouse 的新集成，让 Gemini 直接访问湖仓中的数据。该功能目前是 preview 状态，用户可以通过 Lakehouse catalog federation 接入 Databricks Unity Catalog、Snowflake Horizon 等新数据源。业务人员用自然语言就能查询跨云记录，智能体也用同一份数据做 grounding 和生成代码，全程不移动数据。

同批发布的还有几个今年早些时候推出的湖仓能力，如今进入 GA：支持 Cross-Cloud Interconnect 和跨云缓存（面向 AWS 和 Azure）；BigQuery 支持 Apache Iceberg V3 规范；BigQuery 与 Managed Service for Apache Spark 在 Iceberg 表上实现读写互操作；AlloyDB lakehouse federation；通过 Lakehouse runtime federation 与 AWS Glue、Databricks Unity Catalog、Snowflake Horizon Catalog 双向缓存；与 Knowledge Catalog 集成；零拷贝集成 Salesforce、SAP、Workday，并新增 Confluent Tableflow；用 Dataflow 从 Lakehouse console 同步 Databricks Delta Lake 资产。

性能上的现实是，agent 的上下文窗口通常只能装入几百 KB，而企业工作流有时要跨云 join PB 级数据。如果走 MCP，受上下文窗口和载荷大小限制，只能到 MB 级。borderless Lakehouse 的选择是在数据与 AI 栈的每一层做集成，让 agent 以接近本地存储的性能处理 PB 级数据。网络层用 Cross-Cloud Interconnect 建立 Google Cloud 到 AWS 或 Azure 的专用连接，每连接 10 Gbps 或 100 Gbps，查询不再走公共互联网，延迟低且可预测。跨云缓存则让重复读留在 Google Cloud 内部，避免可变的出口费用。

在引擎层面，BigQuery 对 Iceberg V3 的支持带来 binary deletion vectors 和 sort orders，行级更新删除不必重写整个数据文件。新的基于 FlatBuffers 的 Parquet reader 和并行 I/O 降低了 CPU 开销与序列化瓶颈，缩小开放格式和原生存储之间的性能差距。配合 BigQuery fluid scaling 和基于历史的优化，agent 常见的成批小查询可以更快、更省地跑完。BigQuery 还为 Iceberg 加入图支持，可以直接分析供应链这类关系网络。操作型数据则由 AlloyDB lakehouse federation 覆盖，从单一连接同时查实时数据库和历史数仓，不复制数据。

元数据层由基于 Apache Iceberg REST Catalog 的 Lakehouse runtime catalog 把守，与 AWS Glue、Databricks Unity Catalog、Snowflake Horizon Catalog 双向联合，并提供 Hive Metastore 兼容端点，让 Spark、Trino、Presto 不用改架构就能发现元数据。Knowledge Catalog 自动索引分布式数据资产，包括 Cloud Storage 中的非结构化数据，为 agent 提供业务元数据和语义定义，同时控制 token 消耗。SaaS 数据（Salesforce、SAP、Workday）以零拷贝方式进入湖仓；新扩展的 Confluent Tableflow 也已 GA，同步进 runtime catalog 后，Iceberg 表直接出现在 BigQuery，不需要复制和额外 ETL。Databricks 为主的组织可以用 Dataflow 在 Lakehouse console 中导入和同步 Delta Lake 资产。

Google 称 Apache Iceberg 使用量自 2025 年初以来增长超过三倍。客户案例里，Etsy 用 borderless Lakehouse 统一了 3 PB 数据，原地 join 数据，pipeline 查询加速 60%；Commerzbank 把原始分布式数据转成受管控、agent-ready 的访问形态；Hightouch 直接在开放 Iceberg 湖仓上做营销；Roundel 则重建了 Target Product Ads 的整套数据链路。对于仍在使用 legacy Dataproc Metastore 的组织，Google 提供了自动、零停机的迁移路径到 serverless Lakehouse runtime catalog，保留已有 schema 和 lineage。