Apakah itu Vertex AI?

Dikemas kini Julai 2026

Vertex AI ialah platform bersepadu Google Cloud untuk membina, menggunakan, dan menguruskan model pembelajaran mesin serta AI generatif pada skala perusahaan. Ia menggabungkan latihan model, pasaran model terpilih yang dipanggil Model Garden, alat pembinaan ejen, dan infrastruktur MLOps dalam satu konsol, supaya pasukan data boleh beralih daripada eksperimen kepada pengeluaran tanpa perlu menggabungkan pelbagai perkhidmatan berasingan.

Definisi itu masih menggambarkan produk ini, tetapi namanya telah berubah. Pada April 2026, semasa Google Cloud Next, Google menamakan semula Vertex AI sebagai Gemini Enterprise Agent Platform, menggabungkan Agentspace dan memposisikan semula perkhidmatan ini di sekitar ejen dan bukan sekadar model. API asas, Model Garden, saluran paip latihan, dan endpoint tidak berubah, dan kebanyakan pengamal, dokumentasi, serta iklan pekerjaan masih menggunakan istilah "Vertex AI" atas sebab tabiat. Artikel ini menggunakan "Vertex AI" sepanjang teks atas sebab itu, dan menandakan di mana penamaan semula ini sebenarnya membawa perubahan.

Apa yang Sebenarnya Dilakukan oleh Vertex AI

Vertex AI merangkumi keseluruhan laluan daripada data mentah kepada model yang berfungsi, dan inilah yang membezakannya daripada API bertujuan tunggal.

Latihan model dan pembangunan tersuai. Pasukan boleh melatih model tersuai dari awal menggunakan AutoML untuk data berstruktur dan tugas biasa, atau membina saluran paip pembelajaran mesin yang sepenuhnya tersuai dengan kod, data, dan pengkomputeran mereka sendiri. Vertex AI Pipelines, Feature Store, dan Experiments menguruskan kerja asas: penjejakan versi set data, penjejakan larian latihan, dan pengurusan ciri yang memberi input kepada model.

Model Garden. Berbanding melatih segalanya dari sifar, kebanyakan pasukan bermula di sini. Model Garden ialah katalog tunggal yang mengandungi lebih 200 model asas daripada Google dan rakan kongsinya, termasuk keluarga Gemini milik Google sendiri, Claude daripada Anthropic, Llama daripada Meta, Mistral, Gemma, DeepSeek, dan Qwen. Pasukan boleh membandingkan model secara bersebelahan, menala halus model yang menyokongnya, dan menggunakannya hanya dengan beberapa klik tanpa perlu membina infrastruktur pelayanan sendiri. Di sinilah juga kebanyakan kerja AI generatif bermula pada platform ini, sama ada penjanaan teks, penjanaan imej dengan Imagen, atau penjanaan video dengan Veo.

Agent Builder. Ini ialah bahagian platform yang paling ditekankan oleh Google dalam penamaan semula 2026. Agent Builder menggabungkan Agent Development Kit (ADK), rangka kerja sumber terbuka dan berasaskan kod untuk membina ejen AI dalam Python, Go, Java, atau TypeScript; Agent Studio, kanvas kod rendah untuk mereka bentuk aliran kerja agentik; dan Agent Garden, sebuah pustaka templat ejen sedia bina. Ia juga merangkumi RAG Engine untuk mengasaskan respons ejen kepada data syarikat, ditambah Agent Identity dan Agent Registry untuk kebenaran dan pengkatalogan ejen apabila sesebuah organisasi mempunyai lebih daripada segelintir ejen yang berjalan.

MLOps. Sebaik sahaja model atau ejen digunakan secara langsung, Vertex AI menguruskan lapisan operasi: pemantauan model untuk kemerosotan (drift) dan prestasi, registri model berversi, pencetus latihan semula automatik, dan penskalaan endpoint. Ini ialah disiplin MLOps piawai yang diterapkan pada peringkat platform. Bagi pasukan yang membina ciri AI generatif secara khusus, lapisan operasi itu mula menyerupai LLMOps, yang merangkumi kawalan versi gesaan (prompt), set penilaian, dan kesihatan saluran paip pengambilan, bukan sekadar ketepatan model.

Siapa yang Sesuai Menggunakan Vertex AI

Vertex AI dibina untuk pasukan pembelajaran mesin dan data peringkat perusahaan, bukan pembangun individu yang bereksperimen dengan satu gesaan sahaja. Platform ini mengandaikan anda sudah mempunyai infrastruktur data (paling kerap BigQuery), persediaan pengurusan identiti dan akses melalui Google Cloud IAM, serta sebab untuk menyimpan model, saluran paip, dan ejen dalam satu persekitaran terkawal dan bukannya berselerak merentas buku nota serta kunci API peribadi.

Pada dasarnya, ini bermakna tiga kumpulan yang mendapat nilai paling banyak daripadanya. Pasukan sains data dan kejuruteraan ML menggunakannya untuk melatih, memberi versi, dan menyajikan model tersuai tanpa perlu membina timbunan MLOps mereka sendiri. Pasukan aplikasi dan platform menggunakan Agent Builder dan Model Garden untuk menambah ciri AI generatif kepada produk sedia ada tanpa melatih apa-apa dari sifar. Manakala pasukan IT dan tadbir urus menggunakan identiti, log audit, dan kawalan aksesnya untuk memastikan penggunaan AI kekal patuh apabila penggunaan berkembang melangkaui satu pasukan perintis sahaja.

Organisasi yang sudah beroperasi di Google Cloud, terutamanya yang menyimpan data dalam BigQuery, memperoleh laluan yang jauh lebih pendek kepada pengeluaran berbanding pasukan yang bermula daripada akaun awan kosong, kerana graviti data dan platform AI berada di tempat yang sama.

Bagaimana Harga Vertex AI Ditentukan

Vertex AI menggunakan harga berasaskan penggunaan tanpa sebarang yuran platform tetap. Apa yang anda bayar bergantung pada bahagian platform mana yang anda gunakan.

Panggilan model AI generatif dikenakan bayaran mengikut token, dengan kadar ditetapkan mengikut model. Setakat pertengahan 2026, Gemini 2.5 Flash-Lite berharga $0.10 bagi setiap sejuta token input dan $0.40 bagi setiap sejuta token output, manakala Gemini 2.5 Pro unggulan bermula pada $1.25 bagi setiap sejuta token input dan $10.00 bagi setiap sejuta token output. Harga meningkat untuk tetingkap konteks yang lebih panjang dan menurun untuk model yang lebih kecil serta lebih pantas, itulah sebabnya pasukan yang membina pada jumlah besar sering menghalakan pertanyaan mudah kepada model yang lebih murah dan menyimpan model yang mahal untuk tugas yang lebih sukar.

Latihan tersuai dan pengkomputeran dikenakan bayaran mengikut jam nod, dengan caj GPU dan TPU dilapiskan di atas kadar pengkomputeran asas. Sebagai contoh, GPU NVIDIA A100 dikenakan kira-kira $2.93 sejam untuk pengkomputeran ditambah yuran pengurusan Vertex AI sebanyak $0.44 sejam, iaitu kira-kira $3.37 sejam secara gabungan. Penalaan halus terselia dikenakan bayaran mengikut token latihan yang diproses dan bukannya mengikut jam.

Tahap keluaran (throughput) berskala secara automatik: tahap Standard PayGo milik Google meningkatkan keluaran yang tersedia apabila perbelanjaan bergolek 30 hari anda meningkat, dan diskaun penggunaan komited tersedia untuk beban kerja yang boleh diramal, dengan Google secara umumnya menawarkan tempoh komitmen yang lebih panjang berbanding AWS atau Azure sebagai balasan kadar yang lebih rendah.

Risiko praktikal yang sama muncul merentas setiap platform AI hyperscaler: kadar sesetiap token yang disebut kelihatan kecil sehingga jumlah inferens, larian penalaan halus, storan, dan rangkaian dijumlahkan sepanjang setahun penuh. Memodelkan perkara itu dengan betul adalah tujuan sebenar rangka kerja kos pemilikan keseluruhan AI, dan ia berbaloi dilakukan sebelum membuat komitmen bajet berdasarkan angka utama sesetiap token sahaja.

Vertex AI vs. AWS Bedrock vs. Azure AI Foundry

Ketiga-tiga platform AI hyperscaler ini menyajikan model komersial terkemuka dan model berat terbuka, menyokong penalaan halus, dan berintegrasi dengan sistem identiti serta storan awan masing-masing. Perbezaannya muncul pada kedalaman katalog, alat ejen, dan ekosistem mana yang sudah anda gunakan.

Tiada satu daripada ketiga-tiganya menang semata-mata atas kualiti model. Jurang prestasi model antara penyedia terkemuka biasanya kecil, jadi keputusan platform biasanya bergantung pada awan mana yang sudah menyimpan data anda, keperluan pematuhan anda, dan kemahiran kejuruteraan sedia ada anda, iaitu jenis pertukaran yang berbaloi dinilai melalui penilaian vendor AI yang berstruktur dan bukannya senarai semak ciri semata-mata.

Fakta Utama

• Google menamakan semula Vertex AI sebagai Gemini Enterprise Agent Platform semasa Google Cloud Next pada April 2026, menyerap Agentspace dan memposisikan semula produk ini di sekitar ejen sambil mengekalkan API dan endpoint sedia ada tanpa perubahan, menurut laman produk rasmi Google Cloud.
• Model Garden memberikan akses kepada lebih 200 model yang disahkan daripada Google dan rakan kongsinya, termasuk Gemma, Qwen, DeepSeek, dan Llama, menurut laman Model Garden Google Cloud.
• Hasil Google Cloud melepasi $20 bilion dalam satu suku tahun buat kali pertama pada Suku 1 2026, berkembang 63% berbanding tahun sebelumnya, menurut liputan CNBC mengenai perolehan Suku 1 2026 Alphabet.
• Google Cloud memegang kira-kira 12% pasaran infrastruktur awan global pada 2026, di belakang AWS pada kira-kira 31 hingga 33% dan Microsoft Azure pada kira-kira 23 hingga 25%, berdasarkan data Synergy Research Group yang dilaporkan oleh BusinessStats.
• Gemini 2.5 Pro berharga bermula $1.25 bagi setiap sejuta token input dan $10.00 bagi setiap sejuta token output, manakala Gemini 2.5 Flash-Lite berharga $0.10 bagi setiap sejuta token input dan $0.40 bagi setiap sejuta token output, menurut pecahan harga Vertex AI 2026 oleh CloudZero.
• Latihan tersuai pada GPU NVIDIA A100 berharga kira-kira $2.93 sejam untuk pengkomputeran ditambah yuran pengurusan Vertex AI sebanyak $0.44 sejam, iaitu kira-kira $3.37 sejam secara gabungan, menurut analisis harga CloudZero.

Mengapa Vertex AI Penting untuk Perniagaan

Hujah strategik untuk Vertex AI bukan terletak pada kualiti model, kerana model kelas Gemini, Claude, dan GPT bertukar-tukar kedudukan kepimpinan setiap beberapa bulan dan jurang antara mereka biasanya kecil. Yang penting ialah lapisan operasi di sekeliling model tersebut: satu tempat untuk melatih, menggunakan, memantau, dan mentadbir kerja AI dan bukannya menguruskan vendor berasingan untuk inferens, penalaan halus, orkestrasi ejen, dan pengelogan pematuhan.

Penyatuan itu menjadi semakin penting apabila penggunaan AI berkembang melangkaui satu pasukan perintis. Jurang pemantauan model, ejen tidak bertadbir dengan akses yang berlebihan, atau bil penalaan halus yang tidak dijejaki adalah jenis masalah yang kekal kecil ketika satu pasukan bereksperimen, tetapi menjadi mahal apabila belasan pasukan menghantar ciri AI secara berasingan. Baki pesanan awan Google Cloud bernilai $462 bilion yang dilaporkan bersama perolehan Suku 1 2026, menurut pratonton perolehan Alphabet oleh IG.com, mencerminkan betapa besarnya perbelanjaan AI perusahaan yang kini dikomited bertahun-tahun lebih awal berbanding dibeli mengikut permintaan, iaitu tepat jenis pertaruhan platform yang direka untuk dipenuhi oleh Vertex AI.

Bagi organisasi yang sudah beroperasi di Google Cloud, daya tarikan praktikalnya ialah kedekatan: data dalam BigQuery, model dalam Model Garden, dan ejen dalam Agent Builder, semuanya dalam sempadan IAM yang sama. Ini mengurangkan kerja integrasi yang diperlukan untuk beralih daripada prototaip yang berfungsi kepada ciri pengeluaran, yang biasanya merupakan separuh proses yang lebih perlahan bagi mana-mana projek AI perusahaan.

Had yang Perlu Diketahui

Vertex AI bukan pilihan lalai yang sesuai untuk setiap pasukan, dan beberapa had berikut wajar dipertimbangkan sebelum membuat komitmen.

• Penamaan semula 2026 menambah geseran. Dokumentasi, jawatan kerja, tutorial pihak ketiga, dan buku panduan operasi dalaman masih merujuk kepada "Vertex AI," manakala pemasaran baharu dan sesetengah ciri terkini merujuk kepada Gemini Enterprise Agent Platform. Jangkakan ketidakkonsistenan penamaan buat seketika.
• Ia paling kukuh dalam ekosistem Google Cloud. Pasukan tanpa infrastruktur GCP sedia ada, terutamanya BigQuery, terpaksa menanggung kerja persediaan tambahan yang tidak perlu dilalui oleh pasukan asli AWS atau Azure pada platform masing-masing.
• Kos berlapis dan sukar diramal. Harga token, pengkomputeran sejam nod, storan, dan rangkaian masing-masing dikenakan bayaran berasingan, dan anggaran kasar berdasarkan kadar utama sesetiap token sahaja sentiasa mengurangkan anggaran perbelanjaan sebenar.
• Alat ejen lebih baharu berbanding sisi latihan model. Agent Builder, ADK, dan Agent Registry dilancarkan atau matang kebanyakannya sepanjang 2025 dan 2026, jadi ekosistem contoh, integrasi pihak ketiga, dan kumpulan pengambilan pekerja lebih kecil berbanding ciri latihan dan penggunaan platform yang sudah lebih lama ditubuhkan.
• Ketersediaan rantau dan model berbeza-beza. Bukan semua model dalam Model Garden tersedia di setiap rantau Google Cloud, dan ini penting bagi pasukan dengan keperluan kediaman data (data residency).

Konsep AI Berkaitan

• Retrieval-Augmented Generation - Teknik yang digunakan oleh RAG Engine Vertex AI untuk mengasaskan respons ejen kepada data syarikat
• Integrasi API - Cara model dan ejen Vertex AI berhubung dengan aplikasi perniagaan sedia ada
• Penyajian Model - Lapisan infrastruktur yang digunakan oleh Vertex AI untuk mendedahkan model terlatih sebagai endpoint pengeluaran

Sumber Luaran

• Gemini Enterprise Agent Platform (dahulunya Vertex AI) - Gambaran keseluruhan produk rasmi Google Cloud
• Model Garden di Google Cloud - Katalog rasmi 200+ model yang tersedia melalui Vertex AI
• Harga Vertex AI - Rujukan harga rasmi Google Cloud