跳至主要內容
登雲學院 CloudOn 登雲學院.
ESC
跳到課程內容
生成式 AI 基礎 Google Cloud AI 產品全景
0%
2 / 5 初級 25 分鐘 00:00

Google Cloud AI 產品全景

深入探索 Vertex AI、Gemini、Model Garden 等 Google Cloud AI 服務，掌握各產品的定位與適用場景

2026年3月12日 Updated: 2026年3月19日

Google Cloud AI 產品全景

Google Cloud 提供業界最完整的 AI 產品線之一。本課將帶你深入了解每項產品的定位、架構與適用場景，幫助你在實務中做出正確的技術選型。

Vertex AI：端到端 ML 平台

Vertex AI 是 Google Cloud 的統一 ML 平台，整合了從資料準備到模型部署的完整流程：

  • AutoML：無需撰寫程式碼，透過介面訓練自訂模型
  • Custom Training：使用自訂程式碼進行模型訓練，支援 TensorFlow、PyTorch 等框架
  • Model Registry：集中管理所有模型版本
  • Endpoints：一鍵部署模型為即時推論 API
  • Pipelines：自動化 ML 工作流程，實現 MLOps

Vertex AI 的核心價值在於「統一」——你不需要在多個工具之間切換，一個平台就能完成所有 ML 任務。

Gemini 模型家族

Gemini 是 Google 最先進的多模態基礎模型，從設計之初就支援文字、圖片、影片、音訊與程式碼的混合輸入與輸出。Google 持續快速迭代，以下是截至 2026 年 3 月的最新模型陣容：

最新世代（Gemini 3.x）

模型定位適用場景上下文視窗
Gemini 3.1 Pro旗艦級，最強推理與程式碼能力複雜多步驟推理、大型程式碼庫分析、研究200 萬 tokens
Gemini 3.1 Flash速度與智慧的最佳平衡企業級應用、即時對話、內容生成100 萬 tokens

上一世代（仍廣泛使用）

模型定位適用場景上下文視窗
Gemini 2.5 Pro深度推理，成熟穩定程式碼生成、多模態分析100 萬 tokens
Gemini 2.5 Flash高性價比大量請求處理、原生音訊支援100 萬 tokens
Gemini 2.0 Flash輕量快速低延遲即時互動、摘要擷取100 萬 tokens

裝置端

模型定位適用場景
Gemini Nano輕量化、裝置端推論手機與邊緣裝置上的本地推論，無需網路

如何選擇？

你的需求是...
    ↓
需要最強推理能力或處理超長文本（200 萬 tokens）？
    → Gemini 3.1 Pro

需要快速回應 + 高品質（一般企業場景）？
    → Gemini 3.1 Flash（推薦大多數場景的起點）

需要極低成本處理大量請求？
    → Gemini 2.5 Flash 或 2.0 Flash

需要在手機/邊緣裝置離線運行？
    → Gemini Nano

💡 版本選擇建議：2026 年新專案建議直接使用 Gemini 3.1 Flash 作為起點——它在大多數任務上的表現已超越上一代 Pro，而成本更低。只有在需要最強推理或超長上下文時才升級至 3.1 Pro。

Model Garden：模型市集

Model Garden 提供超過 200 個模型的統一存取入口，包含三大類來源：

  1. Google 自有模型 — Gemini 3.1、Imagen 4、Chirp、Veo（影片生成）等
  2. 開源模型 — Llama 4、Mistral、DeepSeek、Stable Diffusion 等
  3. 第三方合作夥伴模型 — Anthropic Claude 4、AI21 Labs 等

Model Garden 的優勢在於你可以在同一個平台上比較不同模型的表現，快速找到最適合你需求的方案。所有模型都可透過 Vertex AI 的 API 統一呼叫，不需要為每個模型供應商分別設定帳號。

Vertex AI Search：企業級搜尋與 RAG

Vertex AI Search 讓企業能夠在自有資料上建構高品質的搜尋與問答體驗。它的核心架構是 RAG（Retrieval-Augmented Generation，檢索增強生成）：

  1. 索引建立 — 將企業文件、網頁、資料庫匯入並建立向量索引
  2. 語意檢索 — 使用者提問時，從索引中找到最相關的文件片段
  3. 生成回答 — 將檢索結果作為上下文，由 LLM 生成精確的回答

適用場景包括：企業知識庫、客戶自助服務、內部文件搜尋。

Vertex AI Agent Builder：建構 AI 代理

Agent Builder 讓開發者能快速建構具備推理、規劃和工具呼叫能力的 AI 代理：

  • 對話式代理 — 處理多輪對話，理解上下文
  • 工具整合 — 連結 API、資料庫、第三方服務
  • Grounding — 將回答錨定在企業自有資料上，減少幻覺
  • 評估框架 — 內建測試與品質評估機制

三大雲端 AI 平台比較（2026 年 3 月）

項目Google Cloud (Vertex AI)Azure OpenAI ServiceAWS Bedrock
主力模型Gemini 3.1 系列GPT-4o、GPT-4.1Claude 4、Titan
多模態支援原生多模態（文字/圖片/影片/音訊/程式碼）透過 GPT-4o依模型而異
模型市集Model Garden（200+ 模型）Azure AI Model CatalogBedrock Model Hub
ML 平台整合深度整合 Vertex AI整合 Azure ML整合 SageMaker
搜尋 / RAGVertex AI SearchAzure AI SearchKendra + Bedrock
AI 代理Vertex AI Agent BuilderAzure AI Agent ServiceBedrock Agents
差異化優勢資料分析（BigQuery）整合企業生態系（M365）整合AWS 基礎設施廣度

產品選型決策指引

面對這麼多產品，該如何選擇？以下是實務建議：

  • 需要現成的 AI 能力？ → 直接呼叫 Gemini API
  • 需要在自有資料上建構搜尋？ → Vertex AI Search
  • 需要訓練或微調自訂模型？ → Vertex AI Custom Training
  • 需要比較不同模型？ → Model Garden
  • 需要建構 AI 代理或聊天機器人？ → Vertex AI Agent Builder
  • 需要端到端的 ML 工作流程？ → Vertex AI Pipelines + MLOps

成本考量

AI 工作負載的成本結構與傳統雲端服務不同，需要特別注意：

  • API 呼叫計費 — 依輸入/輸出 token 數量計費，Gemini 3.1 Flash 的成本約為 3.1 Pro 的十分之一
  • 訓練成本 — 自訂模型訓練依 GPU 時數計費，建議先用小資料集驗證
  • 推論成本 — 線上推論（即時）比批次推論貴，選擇適合的部署方式
  • Context Caching — 對重複使用相同長文本的場景，可啟用上下文快取大幅降低成本
  • 儲存成本 — 模型與資料的儲存費用，大型模型可能佔用數十 GB

💡 成本優化提示：善用 Gemini 3.1 Flash 處理大多數場景，只在需要最強推理能力時才使用 3.1 Pro，可以大幅降低 AI 支出。搭配 Context Caching 和批次推論，成本還能再降 50% 以上。

重點整理

  • Vertex AI 是 Google Cloud 的統一 ML 平台，提供端到端的 AI 開發體驗
  • Gemini 3.1 是最新世代模型——3.1 Flash 適合大多數場景，3.1 Pro 用於最強推理
  • Model Garden 提供 200+ 模型，在同一平台上存取 Google、開源與第三方模型
  • Vertex AI Search 實現 RAG 模式，讓 AI 能在企業資料上精準回答
  • Agent Builder 讓你快速建構具備工具呼叫能力的 AI 代理
  • 選型的關鍵在於平衡效能需求與成本預算——大部分場景從 3.1 Flash 開始

下一步

在下一課中，我們將進入實作環節，學習如何透過 Vertex AI 呼叫 Gemini API，完成你的第一個生成式 AI 應用。

徽章解鎖！