Vertex AI 是什么?Google 企业级 ML 平台

Vertex AI 核心能力

• Gemini API:企业级 Gemini 调用,SLA 保障,数据不用于模型训练
• Model Garden:模型市场,提供 150+ 模型(Google + 开源),一键部署
• 自定义训练:支持 TensorFlow、PyTorch、JAX 等框架的分布式训练
• MLOps 管道:Vertex AI Pipelines 实现自动化训练和部署流水线
• 向量搜索:Vertex AI Vector Search,支持大规模向量检索(RAG)
• Agent Builder:低代码构建 AI Agent 和对话应用

企业级特性

• SLA 保障:99.9% 可用性 SLA,适合生产环境
• 数据隐私:企业数据不用于模型训练,符合 GDPR/HIPAA
• VPC 支持:可在私有网络中部署,数据不出企业边界
• IAM 权限:细粒度访问控制,集成 Google Cloud IAM
• 审计日志:完整的 API 调用审计,满足合规要求
• 配额管理:可设置团队/项目级别的用量配额

Model Garden:模型市场

适用场景

• 企业 AI 应用:客服机器人、文档处理、数据分析等需要 SLA 的场景
• 自定义模型:需要在自有数据上微调模型的企业
• RAG 系统:结合 Vector Search 构建企业知识库
• 多模型编排:需要同时使用多个模型的复杂 AI 系统
• 合规行业:金融、医疗等对数据隐私有严格要求的行业

实战:通过 AI的那些事儿快速调用(替代 Vertex AI)

Python 示例

from openai import OpenAI

# 无需 Google Cloud 账号,直接调用 Gemini
client = OpenAI(
    api_key="你的Key",
    base_url="https://api.example.com/v1"  # AI的那些事儿中转
)

# 与 Vertex AI 调用相同的 Gemini 模型
r = client.chat.completions.create(
    model="gemini-2.5-pro",
    messages=[
        {"role": "system", "content": "你是企业数据分析师,请分析以下业务数据。"},
        {"role": "user", "content": "Q1 营收 1200 万,Q2 营收 1500 万,Q3 营收 1350 万。分析趋势并给出 Q4 预测。"}
    ],
    max_tokens=1000
)
print(r.choices[0].message.content)

Node.js 示例:批量处理

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "你的Key",
  baseURL: "https://api.example.com/v1",
});

// 批量文档分类(企业常见场景)
const documents = ["客户投诉邮件...", "产品咨询...", "合作提案..."];
const results = await Promise.all(
  documents.map(doc =>
    client.chat.completions.create({
      model: "gemini-2.5-flash",
      messages: [
        { role: "system", content: "将文档分类为:投诉/咨询/合作/其他。只输出类别。" },
        { role: "user", content: doc }
      ],
      max_tokens: 10,
    })
  )
);
results.forEach((r, i) => console.log(`文档${i+1}: ${r.choices[0].message.content}`));

常见问题

无需 Google Cloud,直调 Gemini API

通过 AI的那些事儿快速接入 Gemini,无需配置 Vertex AI,OpenAI 格式兼容。