Google Cloud 宣布 Dataflow 两项新能力正式可用：批处理作业的 Pause/Resume，以及由 NVIDIA RTX PRO 6000 Blackwell GPU 驱动的 G4 虚拟机支持。两者都指向同一个目标：让大规模 AI 工作负载（训练数据准备、评估、推理）在 serverless 管道上跑得更省、更快。

Pause/Resume 解决的是长时批处理作业的两个老问题。第一个是失败恢复：跑几天的批作业一旦中途失败，此前已处理完的数据无法访问，只能从头重跑，浪费大量算力和工程时间。现在作业可以从暂停点恢复，而不是推倒重来。第二个是算力动态调配：当 GPU/TPU 等加速资源被低优先级批作业占着，而特征工程或 AI 推理这类高优先级任务正需要资源时，用户可以暂停低优先级作业，把算力腾出来，之后再恢复。也就是说，这个功能不仅是故障恢复工具，也是资源调度手段。

另一项更新是 Dataflow 新增支持 G4 VM，搭载 NVIDIA RTX PRO 6000 Blackwell GPU。相比 L4 GPU，这款新卡提供 96GB vGPU 显存和 1.6 TB/s 带宽，官方称性能有显著提升（原文未给出具体倍数）。这使 Dataflow 作业可以直接在管道内运行 70B 以上参数规模的模型推理，同时继续使用 Dataflow 原生的 ML 能力，如 RunInference、right fitting 和基于 GPU 的自动扩缩容。用户无需自行管理底层基础设施，也绕开了手动调参和扩缩容这类难题。

这两项功能叠加，实际效果是：批处理成本更可控，AI 推理负载的上限更高。对已经用 Dataflow 跑大规模数据管道的团队来说，Pause/Resume 能直接降低失败重跑的算力损耗；对希望在数据管道内就近做推理的场景，新 GPU 支持则提供了更大的模型容量和更高的吞吐潜力。

需要注意的是，这是产品发布公告，没有给出性能实测对比数据，也没有讨论功能限制或适用边界。具体效果仍需在真实工作负载中验证。