国家安全机构和其他主权/受严格监管的组织，处理的是机密报告、战场手册、敏感多模态数据集。公共云里的搜索和多模态智能能帮忙管理分析，但数据主权要求数据不能离开客户场地。此前的出路是在安全且断开的隔离边界内部署自定义 agentic 搜索，但代价是数月时间：拼接模型、搭语音转文字和 OCR 流水线、配向量数据库、维护定制界面。

今天 Google 宣布在 Google Distributed Cloud (GDC) air-gapped 上提供 Gemini 企业搜索能力，预览阶段可用。这是完全托管的检索增强生成（RAG）搜索体验，运行完全在客户物理安全边界内，不连公共互联网，也不连 Google Cloud 全球基础设施。团队把文件上传到对话里，就能让 Gemini 查找信息、总结、比较或翻译。每个答案都引用来源文件。具体能力包括：跨孤岛数据搜索；对数百页手册、报告、政策提问，看到每个答案来自哪些文件；用一种语言提问，得到基于另一种语言文档的答案，或直接让 Gemini 翻译；把音频、视频、图片、电子表格放在同一个问题里，不需要单独的转录或 OCR 步骤；对话和文件跨会话保留；每个用户的聊天和文件仅自己可见，访问权限跟随身份提供者中已有的用户组。文件格式覆盖 PDF、Word、PowerPoint、Excel、TXT、HTML、PNG、JPEG、WAV、MP4。单个文件上限 100 MB，单个对话上限 500 MB。

底层架构上，用户经组织身份提供者登录，管理员把服务角色映射到身份提供者组，只有组成员能用。上传文件后，文件进入对象存储，元数据写入为搜索优化的 PostgreSQL。后端把文件切成块（PDF 按页分组，图像按块切分），由在 GDC 内原生运行的 Gemini embedding 模型转成向量，存进 PostgreSQL。提问时，同样完全跑在客户数据中心 GDC 上的 SOTA Gemini 模型先结合对话上下文重写问题，后端用同一个模型嵌入重写后的问题，再检索向量库。后端随后把问题、对话历史、最佳匹配数据拼成单个多模态提示，发给同一 GDC 部署内 NVIDIA B300 GPU 上的 Gemini 端点。Gemini 原生支持文本、图像、音频、视频输入，能在单个上下文里跨文件类型理解，不需要单独的语音转文字和 OCR 模型。答案带引用流式返回。持久化层把每轮问答写入数据库，上传文件留在对象存储，随时可打开之前会话接着干。

安全设计针对保密和主权环境。提示、响应、上传文档、嵌入向量，全程不离开组织 air-gapped 网络，所有模型本地运行。静态数据用 AES-256 磁盘加密，密钥由本地管理的 HSM 负责；传输用 TLS，配合 FIPS 批准的算法。本地 IAM 集成细粒度 RBAC 控制资源访问。GDC air-gapped 已获美国 DoD IL6 认证，设计上对齐 FedRAMP High 安全控制。

针对表格类结构化数据，Gemini 企业搜索还会调用本地代码执行引擎。遇到分析型查询（如按部门算平均工资），Gemini 动态生成 Python 代码，放到 Agent Substrate——面向大规模 agent 编排的开源执行运行时——里安全运行。为了降低 LLM 生成代码的固有风险，Agent Substrate 强制网络隔离，并把工作负载装进 gVisor 沙箱，保证隔离边界的同时不牺牲推理性能。

你不必再在“不妥协的安全”和“前沿多模态智能”之间二选一。企业搜索、Gemini 3.5 Flash、为搜索优化的数据库，一起跑在 GDC air-gapped 边界内，不依赖互联网。