Google Cloud 在今年 Google Cloud Next ’26 年度大會上，宣布了針對 AI 時代下雲端儲存服務的多項更新。這些更新主要解決企業在訓練 AI 模型時常遇到的資料存取瓶頸問題，同時也讓一般企業在管理大量雲端資料時更加方便。
AI 訓練效能升級：Cloud Storage Rapid 讓資料傳輸不再卡關
Google 正式推出 Cloud Storage Rapid 系列高速儲存功能，專為 AI 模型訓練與高效能資料存取場景設計。
在大規模 AI 訓練中，GPU 的效能固然重要，但資料能否快速送達運算資源，同樣會直接影響訓練效率。若資料載入速度不足，即使企業採購了高階加速器，也可能出現運算資源等待資料的情況。
Cloud Storage Rapid 的目標，就是提升 AI 訓練過程中的資料讀取與寫入訓練中途儲存進度 (checkpoint) 的效率，其中包含：
- GPU 等待資料的時間減少 50%。
- 資料載入速度提升 2.5 倍。
- 訓練中途儲存進度 (checkpoint) 的速度提升 3 至 5 倍。
- 這代表原本需要花大量時間等待資料的 AI 訓練工作，現在可以有更多的時間真正「在算」，而不是「在等」。
此外，Google Cloud 也推出快取功能 (Rapid Cache)，針對模型載入、推論服務、或需要反覆讀取同一批資料的工作負載，提供更高速的快取能力。Rapid Cache 可在不更改程式碼的情況下， 提供最高每秒 2.5 TB 的讀取吞吐量，協助企業降低資料存取延遲，提升 AI 工作負載效率。
高效能平行儲存系統效能大幅提升：Managed Lustre 支援大規模 AI 與 HPC 工作負載
除了 Cloud Storage Rapid，Google Cloud 也大幅強化 Google Cloud Managed Lustre 的效能。Lustre 是常見於大規模 AI 訓練的高效能平行儲存系統。在本次更新中，Google Cloud Managed Lustre 的最大傳輸速度提升至每秒 10 TB，相較去年提升 10 倍，也比其他主要雲端服務商的同類產品高出 4 到 20 倍。
同時，Google Cloud 也新增 Dynamic Tier 定價方案，價格為每 GB 每月 0.06 美元，適合 AI 訓練與 checkpoint 等需要高效能、低延遲，但也重視成本彈性的工作負載，且計費方式也更為簡單統一。
Smart Storage 讓雲端資料更容易被 AI Agent 理解與使用案
除了效能提升，Google Cloud 本次也持續強化智慧儲存 (Smart Storage) 相關能力，讓儲存在雲端的檔案更容易被 AI 理解與使用。
其中，新推出的 「物件上下文 (Object Context)」功能可為雲端中的每個檔案附加結構化的描述資訊，例如圖片內容、文件分類、資料標籤或其他上下文資訊，不只讓 ML 團隊可以更有效率地依照資料內容篩選訓練資料，降低人工標註負擔，AI Agent 也能更容易在企業雲端資料上進行分析與推論，不需額外建立資料索引系統；同時，企業也能自動偵測資料中是否含有個資、機密文件等敏感資訊，協助企業進行資料治理與法規遵循。
此外，Google Cloud 也推出 MCP Server，讓 AI Agent 能透過標準協議讀取、寫入與分析雲端中的資料，進一步擴大雲端資料 在 AI Agent 工作流程中的應用。
Storage Intelligence 協助企業管理大量雲端資料更省力
隨著企業在 AI 時代下持續成長的資料量，Google Cloud 本次針對儲存智慧管理 (Storage Intelligence) 推出多項更新，協助企業更快速掌握儲存使用狀況、成本異常與安全風險。據統計，目前已有 70% 的大型 Google Cloud 客戶 (每家管理超過 500 億個檔案) 使用此功能。此次更新重點包括：
- 零設定儀表板：不需要任何設定，即可自動顯示異常費用與安全風險。
- 安全整合：自動偵測 Cloud Storage 中常見的安全漏洞，並整合至 Google 的資安管理中心。
- 批次操作增強：可一次針對數十億個檔案執行權限變更、儲存類別調整等操作。
企業儲存環境整合更彈性
除了 AI 訓練與智慧管理，Google Cloud 也針對企業既有儲存架構與資料保護需求，推出多項更新，協助企業銜接既有架構、降低遷移成本，並確保資料安全與可復原性的儲存服務：
- Google Cloud NetApp Volumes (Flex Unified)：對於正在將傳統機房搬遷至雲端的企業，Google 推出整合式企業儲存平台，同一個儲存池可同時支援區塊儲存 (Block) 與檔案儲存 (File)，並支援企業熟悉的 ONTAP 管理工具，降低搬遷難度。
- Filestore for GKE：針對在 Kubernetes 容器環境中使用共用儲存的需求，Google 降低了最低起始容量 (最小 100 GiB)，並讓容量與效能可以獨立擴充，更適合不同規模的應用場景。
- 備份與資料保護：Google 在備份服務中加入 AI 輔助能力，可自動審查備份狀態、偵測保護缺口並提出修復建議。此次也新增對 AlloyDB 與 Filestore 的備份支援。
實務應用：從 AI 研究到企業應用，儲存效能成為關鍵基礎
此外，Google Cloud也分享了多個實際使用案例，說明這些儲存服務如何實際支援企業的 AI 訓練、推論與資料處理需求：
- Thinking Machines Lab：使用 Rapid Cache 作為 AI/ML 資料基礎架構的核心，滿足高頻寬與穩定性需求。
- Salesforce：透過整合 Managed Lustre，讓 B200 GPU 充分發揮效能，AI 代理推論速度較舊世代硬體大幅提升。
從儲存升級，看見 Google Cloud 的 AI First 基礎設施布局
整體而言，Google Cloud Next ’26 的儲存產品更新，不只是單點功能強化，而是圍繞「AI First」架構所做的全面升級。企業花了大錢買 GPU，卻常常讓 GPU 等待資料的過程中閒置；Google 希望透過更快的儲存系統和更聰明的資料管理，讓儲存服務將不再只是基礎設施中的配角，而是讓 AI 基礎設施的投資真正發揮效益的關鍵角色。
CloudMile 萬里雲 以 AI 雲端基礎建設服務 助企業打造 AI First 資料底座
在 AI First 時代，企業除了投資模型與算力外，更需要讓資料存取、儲存管理、資料治理與備份保護同步到位。CloudMile 萬里雲具備橫跨台灣與新加坡的 AI 技術服務認可：在台灣，獲數位發展部數位產業署頒發「人工智慧技術服務機構能量登錄」之「人工智慧技術教育訓練」與「文字內容自動生成」認證；在新加坡，亦獲 Digital Industry Singapore (DISG) 指定為 Enterprise Compute Initiative (ECI) 計畫科技夥伴。結合 Google Cloud 全線儲存產品升級與 CloudMile 在雲端基礎建設、資料分析、雲端搬遷與資安服務上的導入經驗，CloudMile 可協助企業打造更穩定、更安全且適合 AI 應用發展的資料基礎設施。
(本文訊息由 Google Cloud 部落格提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：Google Cloud 部落格。）
