企业处理非结构化数据（PDF、音频、图像）时，一直面临一个老大难：数据必须搬出数据仓库，再拼接复杂的LLM管道，最后还得管好几个不同的搜索索引。这种碎片化架构让运维成本飙升，根本没法规模化用起来。BigQuery这次直接瞄准这个痛点，让数据仓库自己就能搞定非结构化数据的全生命周期。

核心解法是三个新功能。第一个是自主嵌入生成（GA），你只需在表里定义一列，BigQuery就自动异步生成向量嵌入，不再需要自己搭一套异步管道处理重试和日志。第二个是AI.SEARCH（GA），它让自然语言搜索直接跑在BigQuery里，针对单查询场景做了极致优化，单查询槽效率提升了133倍，意味着高并发用户搜索可以直接从数据仓库出，又快又便宜。第三个是混合搜索（公测），把语义向量搜索和词法精准匹配（BM25）结合起来，用倒数排名融合算法重排序。比如搜“MK3475”这种纯字母数字代码，纯向量搜索很难命中，但混合搜索通过词法精确匹配就能搞定，直接减少LLM幻觉。

这背后是BigQuery把非结构化数据当成一等公民来对待。从存储、解析、嵌入、搜索到图谱关联和对话式分析，全在数据仓库内部完成，不用再搬数据。这种思路对AI应用开发者来说，意味着可以少维护一套向量数据库、少写一堆ETL脚本。它的价值不是颠覆，而是让“数据+AI”的架构真正简化——你只需要专注业务逻辑，基础设施的事交给BigQuery就行。