Google Cloud AI 发布指的是2018年Google对其云平台进行扩展，推出了一系列人工智能和机器学习服务，以补充其早期的云产品。这些服务旨在通过Google Cloud平台，让开发者和企业能够使用先进的AI功能，该平台运行在与Google内部产品（如Google搜索和Gmail）相同的基础设施上。此次发布标志着AI工具商业化的重要一步，使得Cloud AutoML和Cloud TPU等服务能够面向更广泛的用户群体。
Google Cloud最初于2008年4月随着App Engine的推出而宣布，到2018年已发展成为一个提供基础设施即服务、平台即服务和无服务器计算等全面服务的平台。2018年新增的AI相关功能是更广泛战略的一部分，旨在将Machine learning和Artificial intelligence能力整合到云服务中，使Google能够与Amazon Web Services和Microsoft Azure等竞争对手抗衡。这些服务利用了Google在Deep learning和Neural network模型方面的内部研究成果，其中包括Google DeepMind的贡献。
Cloud AI 服务
2018年的发布在Cloud AI框架下推出了几项关键服务。Cloud AutoML于2018年9月进入测试阶段，允许用户无需深厚的专业知识即可训练和部署自定义机器学习模型。Cloud TPU提供了用于训练模型的专用加速器，显著提升了Deep learning工作负载的速度。Cloud Machine Learning Engine则提供了一项托管服务，用于使用TensorFlow等主流框架构建和训练模型。
其他服务还包括用于构建对话界面的Dialogflow Enterprise、用于文本分析的Cloud Natural Language，以及用于音频处理的Cloud Speech-to-Text和Cloud Text-to-Speech。Cloud Vision API和Cloud Video Intelligence支持图像和视频分析，而Cloud Translation API则支持跨数千种语言对的动态翻译。这些工具基于Google的深度学习模型构建，使先进的AI技术能够以可扩展的云服务形式提供给用户。
基础设施与计算
这些AI服务得到了Google Cloud更广泛基础设施的支持，其中包括计算、存储和网络产品。Compute Engine提供运行Linux或Microsoft Windows的虚拟机，而App Engine则提供平台即服务，支持使用Java、Python和Go等语言部署应用程序。Google Kubernetes Engine（GKE）基于Kubernetes管理容器化工作负载，Cloud Functions则支持无服务器事件驱动计算。
在存储方面，Cloud Storage处理非结构化数据并提供边缘缓存，Cloud SQL则提供基于MySQL、PostgreSQL和Microsoft SQL Server的托管数据库服务。Cloud Spanner提供水平扩展的关系数据库，而Cloud Bigtable则作为托管的NoSQL服务。这些组件构成了AI模型大规模训练和部署的基础。
大数据与分析
AI工作负载通常需要强大的数据处理能力，Google Cloud为此提供了多种大数据工具。BigQuery作为可扩展的数据仓库用于分析，而基于Apache Beam的Cloud Dataflow则处理流式和批式数据处理。Dataproc支持Apache Hadoop和Apache Spark作业，Cloud Pub/Sub则通过消息队列管理事件摄入。这些服务使组织能够准备和分析有效机器学习所需的大型数据集。
管理与安全
为了支持企业采用，Google Cloud提供了多种管理工具，例如用于资源管理的Web界面Cloud Console，以及用于浏览器内命令行访问的Cloud Shell。Operations套件（前身为Stackdriver）提供监控和日志记录功能。安全功能包括用于基于角色的访问控制的Cloud IAM、用于单点登录的Cloud Identity，以及用于加密密钥管理的Cloud Key Management Service。这些工具帮助确保AI服务能够在受控且安全的环境中部署。
影响与遗产
2018年的AI发布帮助Google Cloud确立了其在云AI市场中的主要参与者地位，与Amazon Web Services和Microsoft Azure提供的服务展开竞争。通过提供Cloud AutoML等易用工具和Cloud TPU等高性能硬件，Google使更广泛的组织能够采用Machine learning和Generative AI技术。这些服务为后来Large language model和Transformer (architecture)架构的发展奠定了基础，而这些架构后来成为AI应用的核心。截至2022年，Google的官方资料将Google Cloud称为Google Cloud Platform的新名称，反映了该平台从单纯的基础设施扩展到涵盖AI及其他服务的范围。