📊 Data+AI 全球日报

2026-04-24 · 严格只包含过去24小时信息

🔥 今日最重要的3个变化

  1. 数据平台正式从"数据仓库"重新定位为"AI 推理基础设施"
  2. 跨云零拷贝数据访问打破存储锁定,竞争焦点转向上下文层
  3. 实时分析厂商加速嵌入湖仓生态,独立部署模式让位于平台原生集成
总判断:数据平台被重新定义为 Agent 的"行动系统",跨云零拷贝联邦让数据留在原地、推理跑在别处。竞争焦点从存算层上移到上下文与推理层——谁能最快将原始数据转化为 Agent 可操作的业务语义,谁就拿到控制权。
A

Top Signals

1. Google Cloud 发布 Agentic Data Cloud:跨云 Lakehouse + Knowledge Catalog + Data Agent Kit

Google Cloud 在 Next '26 Day 1 keynote 上发布 Agentic Data Cloud,包含三大支柱:(1)Knowledge Catalog(由 Dataplex 升级而来)——自动通过 Gemini 为数据资产添加业务上下文,支持访问控制感知搜索;(2)跨云 Lakehouse——基于 Apache Iceberg REST Catalog 和 Cross-Cloud Interconnect 实现零拷贝访问 AWS S3 / Azure ADLS 数据,支持与 Databricks Unity Catalog、Snowflake Polaris、AWS Glue 的双向联邦(Preview);(3)Data Agent Kit(Preview)——可移植的技能/工具/插件套件,集成 VS Code、Gemini CLI、Claude Code 等 IDE,自动选择 dbt/Spark/Airflow 生成生产级代码。

为什么对数据平台重要:这是第一次有超大规模云厂商明确将数据平台重新定位为 AI Agent 的"行动系统"(System of Action)。跨云零拷贝联邦直接冲击存储锁定逻辑——企业数据可以留在 AWS/Azure,但推理和上下文层跑在 Google。BigQuery 从数据仓库变成了"推理平面",竞争焦点从存算能力上移到谁能最快将原始数据转化为 Agent 可操作的业务上下文。
B

Product & Tech

1. ClickHouse 大幅扩展与 Google Cloud 战略合作:Lakehouse 原生集成 + BYOC + Axion 迁移

ClickHouse 在 Google Next '26 上宣布四项里程碑:(1)与 Google Cloud Lakehouse 原生集成,支持对 Lakehouse 托管表的亚秒级查询、无需数据复制;(2)BYOC 正式登陆 Google Cloud,用户可在自有 VPC 中运行 ClickHouse Cloud;(3)迁移至 Google Axion 处理器(Arm 架构),查询速度提升 30-55%、计算积分消耗减少约 15%;(4)ClickHouse MCP Server 与 Google Antigravity IDE 集成。

对数据平台的影响:独立分析引擎厂商正从"独立部署"模式快速转向"平台原生嵌入"——ClickHouse 同时拿到 Lakehouse 数据通路和 BYOC 合规能力,意味着实时分析不再是独立基础设施,而是湖仓生态的原生组件。Axion 迁移则验证了 Arm 架构在分析工作负载上的成本优势。

2. Google Cloud Data Engineering Agent 和 Data Science Agent 进入 GA

Google Cloud 宣布 Data Engineering Agent(从零构建复杂管道转换并执行治理规则)和 Data Science Agent(自动化模型全生命周期)正式进入 GA。同步发布的 Database Observability Agent(Preview)提供 7×24 基础设施守护和自动根因诊断。MCP 支持已覆盖 BigQuery、Spanner(Preview)、AlloyDB、Cloud SQL(GA)和 Looker(Preview)。

对数据平台的影响:数据工程和数据科学 Agent 进入 GA 标志着"Agent 做数据工作"从概念验证进入生产就绪状态。MCP 的全面覆盖意味着 Google 数据栈的每个组件都可以作为 Agent 的工具被调用——数据平台正在变成 Agent 的工具箱而不仅是存储和计算资源。

3. Databricks Delta Sharing ABAC 策略变更生效

自 2026 年 4 月 23 日起,通过 Delta Sharing 共享引用 ABAC 保护表的视图时,共享所有者必须豁免于底层表的 ABAC 策略(此前要求的是接收方豁免)。这一变更强化了数据提供方的治理责任,确保跨组织数据共享中的属性级访问控制更精确。

对数据平台的影响:ABAC 在跨组织数据共享场景中的治理职责从接收方转移到提供方,反映了行业共识:数据治理的第一责任人应是数据所有者而非消费者。这对企业间数据产品交易的合规架构有直接影响。
C

Views & Research

本期窗口内无符合准入标准的机构研究或原始观点。

D

Capital & Corporate

本期窗口内无符合准入标准的数据平台领域投融资或公司事件。

E

Watchlist

1. 【跟踪】Google Cloud Agentic Data Cloud 后续落地观察

为什么值得继续看:跨云 Lakehouse 和 Knowledge Catalog 目前均为 Preview 状态,生产环境的跨云查询延迟、Iceberg 双向联邦的数据一致性保证、以及定价模型尚未公布。Google 能否在 Databricks 和 Snowflake 已深度布局的企业中实现"推理层卡位",取决于 GA 后的实际性能和成本表现。

需要等待什么信号确认:跨云 Lakehouse GA 时间表、跨云查询延迟基准测试结果、Knowledge Catalog 自动富化的准确率实测数据、定价模型发布。

2. 【跟踪】三大平台 Agent 数据架构路线分化加速

来源:综合 Google Cloud Next '26 公告 + Databricks / Snowflake 近期发布

为什么值得继续看:Google 走"跨云推理平面"(数据在哪不重要,上下文在我这里),Databricks 走"开放写入控制平面"(Unity Catalog 为中心的治理+共享),Snowflake 走"平台内聚控制平面"(Intelligence + Cortex 全栈内建)。三种路线的分化在 Google Cloud Next 后进一步清晰化,直接影响企业多云数据架构的选型决策。

需要等待什么信号确认:Google Cloud 跨云 Lakehouse 的大型企业生产案例、Snowflake 对 Google 联邦读取的响应策略、Databricks 是否在 Data+AI Summit(06月)进一步强化开放写入叙事。