Google Cloud 在最新公告中，将 Agentic Data Cloud 定位为“System of Action”：激活横跨多云、本地和 SaaS 的数据，为企业智能体提供统一治理基础，同时以低成本保证准确度和信任。PayPal、Siemens、Telus、Vodafone、Walmart 等已经将智能体投入生产。此次更新覆盖四个层面：数据接入、上下文治理、从业者工具、以及面向智能体规模的基础设施。

数据接入的核心是 borderless Lakehouse。它基于 Apache Iceberg 开放格式，避免移动数据和额外出口费。过去一年，受管的 Apache Iceberg 数据量增长到三倍以上。新增的 Gemini 集成让业务用户直接用自然语言查询跨云数据；AWS 和 Azure 的跨云互联与缓存已正式可用，远程数据会自动缓存在 Google Cloud。目录层面，Iceberg 目录联邦支持 Databricks Unity、Snowflake Horizon、AWS Glue，并与 SAP、Workday、Salesforce 做零拷贝集成。Delivery Hero 旗下 talabat 的案例显示，将 S3 中的单拷贝 Iceberg 数据联邦到 BigQuery 后，数据移动成本下降约 40%，流式事务事件数分钟内即可跨云查询。

AlloyDB 新增直接 Iceberg 访问，无需 ETL 或数据复制，就能在同一个 PostgreSQL 查询里把实时事务数据与历史湖仓数据 join 起来，并且自动注册到 Knowledge Catalog。官方称其聚合查询比 AWS 同类 PostgreSQL 兼容服务最快 7倍。Spanner Omni 正式可用，把一致性、扩展能力和多模型能力带到本地、边缘和多云环境。

上下文层由 Knowledge Catalog 承担。根据 Google 内部基准，它能让智能体准确率提升近 4 倍，延迟最多降低 33%，token 消耗最多减少 75%。新的自学习增强（预览）会从用户意图和交互中学习，持续挖掘 Google Workspace、GitHub、Jira、Confluence、SharePoint 等非结构化数据源，补齐上下文缺口，并把领域知识打包成可复用的 Open Knowledge Format（OKF）上下文集。新的 studio 界面提供对话式探索、数据资产可视化、版本化审批。Knowledge Catalog 现在在 Gemini 中默认开启（预览），连接 BigQuery、AlloyDB、Cloud SQL 或 Spanner 时，会自动解析业务术语、定位可信表、确定 join 路径，并在用户权限下生成 SQL。语义模型方面，BigQuery、Looker（LookML）、Databricks、Snowflake、dbt、SAP 的既有模型已正式可用，无需移动数据；元数据发现与联邦还扩展到 Oracle AI Database@Google Cloud、Snowflake、Databricks Unity Catalog，以及 Atlan、Collibra 等第三方目录。

从业者工具上，Gemini 新增两类技能。数据与 ML 工程师用自然语言描述目标，Gemini 生成 PySpark 代码、提供 notebook 编辑测试、训练模型、自动排查管道问题；业务用户只需提问，就能生成基于 BigQuery 和 Knowledge Catalog 的运营报告，保存后可随时运行且不再消耗 token。Data Agent Kit 正式可用，将数据云工具直接嵌入 VS Code、Claude Code、Antigravity 等 IDE 和 CLI，借助 MCP 让开发者定义业务意图，智能体负责生成、调优、测试数据管道。

基础设施针对智能体规模做了专门设计。AlloyDB Express（预览）面向开发者和编码智能体，提供小于 2 秒的即时配置、scale-to-zero、1–2 个 vCPU 和 20GB 存储。AlloyDB 的 PostgreSQL for agents（预览）支持数千个协作智能体查询实时事务数据，并保证工作负载隔离：子毫秒 I/O、TB/s 级聚合扫描吞吐、超过 300 万 QPS，空闲时计算自动归零。托管 Spark 服务通过 Lightning Engine 把性价比优势拉高到市场替代品的 3 倍以上。BigQuery 在过去一年里查询速度提升超过 40%，查询处理成本下降超过 50%；BigQuery Graph 正式可用，支持在关系表上直接做 PB 级图分析；TimesFM 3.0 和 TabFM 进入预览，可在 SQL 中直接完成预测和机器学习。