[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-google-cloud-latest-updates-ai-storage-gke-zh":3,"article-related-google-cloud-latest-updates-ai-storage-gke-zh":35,"series-industry-d5da0764-08ab-4382-a070-34af5ef4cd34":88},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":27,"views":31,"created_at":32,"published_at":33,"topic_cluster_id":34},"d5da0764-08ab-4382-a070-34af5ef4cd34","google-cloud-latest-updates-ai-storage-gke-zh","Google Cloud 5 月更新整理","\u003Cp data-speakable=\"summary\">\u003Ca href=\"\u002Ftag\u002Fgoogle-cloud\">Google Cloud\u003C\u002Fa> 這次 5 月更新，重點是把 AI、儲存和 GKE 的日常維運做得更省事。\u003C\u002Fp>\u003Cp>Google Cloud 在 \u003Ca href=\"\u002Fnews\u002F2026lpl-dier-saiduan-qishi-zhilu-vs-taotaisai-zh\">2026\u003C\u002Fa> 年 5 月 23 日丟出一包更新。說真的，這包不算花俏，但很實用。主角包含 \u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fkubernetes-engine\" target=\"_blank\" rel=\"noopener\">Google Kubernetes Engine\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Frun\" target=\"_blank\" rel=\"noopener\">Cloud Run\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fapigee\" target=\"_blank\" rel=\"noopener\">Apigee\u003C\u002Fa>，還有 \u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fai-edge\" target=\"_blank\" rel=\"noopener\">Google AI Edge\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>這次更新有幾個數字很直白。AI Edge Portal 支援 120+ Android 裝置。Fractional G4 VMs 提供 1\u002F2、1\u002F4、1\u002F8 三種 GPU slice。整包更新也在 5 月 23 日公開。這些數字看起來不炫，但很像雲端團隊真正會在意的東西。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>更新項目\u003C\u002Fth>\u003Cth>具體數字\u003C\u002Fth>\u003Cth>實際意義\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>AI Edge Portal\u003C\u002Ftd>\u003Ctd>120+ Android 裝置\u003C\u002Ftd>\u003Ctd>能更早看出不同手機硬體的差異\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Fractional G4 VMs\u003C\u002Ftd>\u003Ctd>1\u002F2、1\u002F4、1\u002F8 GPU slice\u003C\u002Ftd>\u003Ctd>讓 AI 與圖形工作負載有更小的起跑成本\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>更新發布日\u003C\u002Ftd>\u003Ctd>2026\u002F05\u002F23\u003C\u002Ftd>\u003Ctd>代表這是最新一輪官方整理\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>GKE 的儲存，開始少一點手動踩雷\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fkubernetes-engine\u002Fdocs\u002Fconcepts\u002Fstorage\" target=\"_blank\" rel=\"noopener\">GKE\u003C\u002Fa> 這次最實際的更新，是 Dynamic Default Storage Classes。\u003Ca href=\"\u002Ftag\u002Fgoogle\">Google\u003C\u002Fa> 的說法很簡單。當叢集混用不同世代的 VM 時，系統會自動挑比較合適的 storage class。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779591963054-6eqn.png\" alt=\"Google Cloud 5 月更新整理\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>講白了，Kubernetes 的儲存一直很麻煩。新節點和舊節點常常不是同一套特性。你如果手動指定錯 storage class，效能可能卡住，容量也可能浪費。這種問題很少在 demo 裡出現，卻很常在上線後冒出來。\u003C\u002Fp>\u003Cp>這種自動化不是要取代規劃，而是減少人為失誤。對平台團隊來說，少改一次 YAML，就少一次半夜查問題的機會。對開發者來說，至少不用每次擴容都重新猜一次預設值。\u003C\u002Fp>\u003Cul>\u003Cli>適合混合世代 VM 的 GKE 叢集\u003C\u002Fli>\u003Cli>會自動挑選 storage class\u003C\u002Fli>\u003Cli>減少儲存維運的手動調整\u003C\u002Fli>\u003Cli>降低混叢集時的設定失誤\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我覺得這類功能很無聊，但很值錢。因為真正吃掉人力的，從來不是模型跑不跑得動，而是基礎設施一直出小毛病。\u003C\u002Fp>\u003Ch2>Cloud Run worker pools，補上背景工作缺口\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Frun\" target=\"_blank\" rel=\"noopener\">Cloud Run\u003C\u002Fa> 的 worker pools 現在已經 GA。這代表它不只適合 HTTP request，也能更自然地處理 pull-based jobs、背景任務，還有大規模 AI inference。\u003C\u002Fp>\u003Cp>這點很重要。很多團隊一開始都拿 serverless 跑 API。結果一碰到 queue、Kafka lag、批次處理，就開始東拼西湊。你會看到腳本、cron、autoscaler、告警規則一起上場，然後維運地獄就來了。\u003C\u002Fp>\u003Cp>worker pools 的定位，就是把這種非 HTTP 工作拉回雲端平台本身。你不用硬把背景任務塞進 request\u002Fresponse 模型。這樣設計比較合理，也比較少出現奇怪的延遲抖動。\u003C\u002Fp>\u003Cblockquote>“Cloud Run worker pools provide a new resource type designed specifically for pull-based, non-HTTP workloads.”\u003C\u002Fblockquote>\u003Cp>Google 也把 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FGoogleCloudPlatform\u002Fcloud-run-external-metrics-autoscaler\" target=\"_blank\" rel=\"noopener\">CREMA\u003C\u002Fa> 開源了。它是 Cloud Run External Metrics Autoscaler，底層建在 \u003Ca href=\"https:\u002F\u002Fkeda.sh\" target=\"_blank\" rel=\"noopener\">KEDA\u003C\u002Fa> 上。它可以用 Pub\u002FSub backlog 或 Kafka lag 來做擴縮。\u003C\u002Fp>\u003Cul>\u003Cli>Cloud Run worker pools 已經 GA\u003C\u002Fli>\u003Cli>CREMA 已開源\u003C\u002Fli>\u003Cli>底層採用 KEDA\u003C\u002Fli>\u003Cli>可依 Pub\u002FSub backlog 與 Kafka lag 擴縮\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這對 AI 團隊很實用。因為 inference pipeline 很常不是單純的 API。它更像一串背景任務。對平台團隊來說，這也少掉很多自己造輪子的機會。\u003C\u002Fp>\u003Ch2>Apigee MCP，讓企業 API 變成 agent 工具\u003C\u002Fh2>\u003Cp>這次另一個重點，是 \u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fapigee\" target=\"_blank\" rel=\"noopener\">Apigee\u003C\u002Fa> 搭上 \u003Ca href=\"https:\u002F\u002Fmodelcontextprotocol.io\" target=\"_blank\" rel=\"noopener\">MCP\u003C\u002Fa>。Google Cloud 的做法，是把企業 API 直接包成 MCP tools。開發者就能把既有服務變成 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 可用的端點，不必另外架一套 local MCP server。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779591962103-wj3c.png\" alt=\"Google Cloud 5 月更新整理\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這件事很像\u003Ca href=\"\u002Ftag\u002F企業-ai\">企業 AI\u003C\u002Fa> 的真實樣貌。大家嘴上都在講 agent，但真正上線時，卡住的通常不是模型。卡住的是權限、稽核、資料存取，以及你到底能不能知道 agent 做了\u003Ca href=\"\u002Fnews\u002Fwhy-anthropic-partner-program-is-not-a-badge-zh\">什麼\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>Google 的方向很清楚。它不是把 agent 當聊天玩具。它是把 agent 當軟體系統的一部分。這表示你要有政策控管，也要有 audit logs。沒有這些，agent 進企業環境只會變成新的風險來源。\u003C\u002Fp>\u003Cblockquote>“The goal is to manage governed MCP endpoints, tool access to enterprise data, and audit logs on Google Cloud.”\u003C\u002Fblockquote>\u003Cp>這句話很直白，也很現實。很多公司現在最缺的，不是更多 LLM，而是能讓 LLM 安全碰到內部系統的方法。Apigee MCP 就是在補這個洞。\u003C\u002Fp>\u003Cul>\u003Cli>Apigee MCP 已進入一般可用\u003C\u002Fli>\u003Cli>可把企業 API 直接變成 MCP tools\u003C\u002Fli>\u003Cli>不必額外維護 local MCP server\u003C\u002Fli>\u003Cli>適合內部 copilot 與交易型 agent\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你在做內部助理、客服代理，或流程自動化，這類能力很值得看。因為真正能上線的 agent，不是\u003Ca href=\"\u002Fnews\u002Fwhy-claude-code-and-qoder-beat-chatty-ai-coding-tools-zh\">會聊天\u003C\u002Fa>就好，而是能在規則內做事。\u003C\u002Fp>\u003Ch2>AI Edge 與開發工具，繼續往實作靠攏\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fblog\u002Fproducts\u002Fai-machine-learning\u002Fgoogle-ai-edge-portal-llm-benchmarking-on-device\" target=\"_blank\" rel=\"noopener\">AI Edge Portal\u003C\u002Fa> 這次加了新的 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 和 debug 功能。重點是它能在 120+ Android 裝置上測 LLM。這不是玩具功能。這是很務實的工程需求。\u003C\u002Fp>\u003Cp>你如果做過 on-device AI，就知道不同手機差很多。旗艦機跑得順，不代表中階機也行。記憶體、散熱、晶片版本、Android 版本，都可能讓結果差一截。Google 這次的方向，就是把這些差異提早攤開。\u003C\u002Fp>\u003Cp>另外還有 \u003Ca href=\"https:\u002F\u002Fmarketplace.visualstudio.com\u002Fitems?itemName=GoogleCloudTools.workbench-notebooks\" target=\"_blank\" rel=\"noopener\">Google Cloud Workbench Notebooks\u003C\u002Fa> 的 \u003Ca href=\"https:\u002F\u002Fcode.visualstudio.com\" target=\"_blank\" rel=\"noopener\">Visual Studio Code\u003C\u002Fa> extension。它能讓你在編輯器裡連到 managed cloud 環境。Google 也把它放到 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FGoogleCloudPlatform\u002Fcolab-enterprise-vscode\" target=\"_blank\" rel=\"noopener\">GitHub\u003C\u002Fa>。\u003C\u002Fp>\u003Cul>\u003Cli>AI Edge Portal 支援 120+ Android 裝置\u003C\u002Fli>\u003Cli>新增 LLM benchmark 與 debug 工具\u003C\u002Fli>\u003Cli>Workbench Notebooks 可接 VS Code\u003C\u002Fli>\u003Cli>extension 已開源\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這種工具鏈很對味。算力放雲端，開發體驗盡量留在本機。對台灣很多小團隊來說，這比華麗簡報有用多了。因為你要的是快一點試、少一點切換、少一點環境問題。\u003C\u002Fp>\u003Ch2>這包更新在跟誰比\u003C\u002Fh2>\u003Cp>如果拿這次更新去看其他雲平台，Google Cloud 的重心很明顯。它不是只拼模型，也不是只拼 GPU。它在補基礎設施的縫。這些縫包括 storage、autoscaling、API governance、edge testing，還有 notebook workflow。\u003C\u002Fp>\u003Cp>這跟 \u003Ca href=\"https:\u002F\u002Faws.amazon.com\" target=\"_blank\" rel=\"noopener\">AWS\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fazure.microsoft.com\" target=\"_blank\" rel=\"noopener\">Microsoft Azure\u003C\u002Fa> 的打法有點像，但切法不同。AWS 很強在服務廣度。Azure 很強在企業整合。Google Cloud 這波比較像在往 AI 工作流的操作細節鑽。\u003C\u002Fp>\u003Cp>你可以把它理解成三層比較。第一層是模型能力，大家都在追。第二層是工具鏈，很多人開始補。第三層是維運細節，這才是上線後最痛的地方。Google 這次明顯在第三層下功夫。\u003C\u002Fp>\u003Cul>\u003Cli>AWS 強在服務廣度\u003C\u002Fli>\u003Cli>Azure 強在企業整合\u003C\u002Fli>\u003Cli>Google Cloud 這次更偏向 AI 維運細節\u003C\u002Fli>\u003Cli>重點放在降低日常操作成本\u003C\u002Fli>\u003C\u002Ful>\u003Cp>再看數字也很有意思。120+ 裝置測試，代表它在碰碎片化硬體。1\u002F8 GPU slice，代表它在壓低進場成本。GA 的 worker pools，代表它想把背景工作正式納入平台能力。這些都不是口號，都是工程選擇。\u003C\u002Fp>\u003Ch2>雲端 AI 會越來越像營運問題\u003C\u002Fh2>\u003Cp>這次更新給我的感覺很直接。AI 已經不是單純模型競賽。它更像一門營運學。你要管成本、管權限、管儲存、管背景工作，還要管裝置碎片化。\u003C\u002Fp>\u003Cp>Google Cloud 這包更新，剛好把這些痛點一個個補上。它不一定每項都很亮眼，但合起來很像一套可上線的工程答案。這對開發者來說，比喊口號有用多了。\u003C\u002Fp>\u003Cp>我自己的判斷是，接下來大家會更常問：這個 AI 系統能不能被管住？能不能被稽核？能不能在不同硬體上穩定跑？如果答案都能說清楚，才算真的能進 production。\u003C\u002Fp>\u003Cp>如果你現在正在評估 Google Cloud，這篇更新最值得先看的是 GKE storage、Cloud Run worker pools，還有 Apigee MCP。這三個東西，最接近實際上線時會碰到的問題。\u003C\u002Fp>","Google Cloud 2026 年 5 月更新整理，重點是 GKE 儲存自動化、Cloud Run worker pools、Apigee MCP 與 AI Edge 工具。","cloud.google.com","https:\u002F\u002Fcloud.google.com\u002Fblog\u002Ftopics\u002Finside-google-cloud\u002Fwhats-new-google-cloud",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779591963054-6eqn.png","industry","zh","08a8f749-002f-4fa1-b195-7373b41c57ae",[17,18,19,20,21,22,23,24,25,26],"Google Cloud","GKE","Cloud Run","Apigee MCP","AI Edge","Kubernetes","KEDA","MCP","serverless","雲端運算",[28,29,30],"GKE 這次補的是儲存預設值自動化，重點在減少混合 VM 叢集的維運失誤。","Cloud Run worker pools 與 CREMA，讓背景任務和 queue-driven workload 更容易在雲端跑。","Apigee MCP 把企業 API 變成 agent 工具，重點是權限、稽核與治理。",6,"2026-05-24T03:05:38.802798+00:00","2026-05-24T03:05:38.738+00:00","934dbacd-9bb0-45c6-8e73-084b26489646",{"tags":36,"relatedLang":47,"relatedPosts":51},[37,39,41,43,45],{"name":20,"slug":38},"apigee-mcp",{"name":19,"slug":40},"cloud-run",{"name":17,"slug":42},"google-cloud",{"name":21,"slug":44},"ai-edge",{"name":18,"slug":46},"gke",{"id":15,"slug":48,"title":49,"language":50},"google-cloud-latest-updates-ai-storage-gke-en","Google Cloud’s latest updates for AI, storage, and GKE","en",[52,58,64,70,76,82],{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"fac85234-56b6-42b5-904d-9e3faabd4a14","5-ai-coding-ides-real-workflows-zh","5 款 AI 編程 IDE，按工作流挑最省事","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781061495099-n7sg.png","2026-06-10T03:17:28.48076+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"1b99a2d6-9a07-4e29-9c7e-21cc94c7769e","devin-desktop-windsurf-agent-hub-zh","Devin Desktop 把 Windsurf 變成代理中樞","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781060576683-lxvs.png","2026-06-10T03:02:18.748963+00:00",{"id":65,"slug":66,"title":67,"cover_image":68,"image_url":68,"created_at":69,"category":13},"0d604500-3a70-40ec-a70e-370f972a66ab","korea-nvidia-talks-ai-factory-push-zh","韓國與 Nvidia 對話，重點是 AI 工廠","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781057871797-7uxx.png","2026-06-10T02:17:21.099824+00:00",{"id":71,"slug":72,"title":73,"cover_image":74,"image_url":74,"created_at":75,"category":13},"173b8876-1867-4e0b-948f-27891d6b6364","openai-should-not-rush-its-ipo-just-to-win-the-ai-race-zh","OpenAI 不該為了搶 AI 賽道而急著 IPO","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781053365610-1hko.png","2026-06-10T01:02:19.886627+00:00",{"id":77,"slug":78,"title":79,"cover_image":80,"image_url":80,"created_at":81,"category":13},"3d7ff80a-4045-4b66-9e21-b6a8eb3b6f6d","openai-europe-privacy-policy-zh","OpenAI 歐洲隱私政策更新重點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781052479369-yomr.png","2026-06-10T00:47:31.176745+00:00",{"id":83,"slug":84,"title":85,"cover_image":86,"image_url":86,"created_at":87,"category":13},"69002c63-177a-4723-9e63-d28506f08edd","openai-ads-sensitive-chats-policy-zh","OpenAI把廣告擋在敏感對話外是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781051578409-en02.png","2026-06-10T00:32:23.404084+00:00",[89,94,99,104,109,114,119,124,129,134],{"id":90,"slug":91,"title":92,"created_at":93},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":130,"slug":131,"title":132,"created_at":133},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":135,"slug":136,"title":137,"created_at":138},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]