Last reviewed 2025-05-02 UTC
Architecture Center 提供了涵盖各种 AI 和机器学习主题的内容资源。本页面提供的信息可帮助您开始使用生成式 AI、传统 AI 和机器学习。它还提供了 Architecture Center 中所有 AI 和机器学习 (ML) 内容的列表。
开始使用
本页面中列出的文档可帮助您开始在 Google Cloud上设计、构建和部署 AI 和机器学习解决方案。
探索生成式 AI
首先，访问 Cloud 文档网站，了解Google Cloud上的生成式 AI 的基础知识：
- 如需了解开发生成式 AI 应用的阶段并探索适合您的应用场景的产品和工具，请参阅在 Google Cloud 上构建生成式 AI 应用。
- 如需确定生成式 AI、传统 AI（包括预测和分类）或两者的组合何时适合您的业务应用场景，请参阅何时使用生成式 AI 或传统 AI。
- 如需使用业务价值驱动的决策方法定义 AI 业务应用场景，请参阅评估并定义您的生成式 AI 业务应用场景。
- 如需应对模型选择、评估、调优和开发方面的挑战，请参阅开发生成式 AI 应用。
如需探索用于部署流水线以创建 AI 模型的生成式 AI 和机器学习蓝图，请参阅在企业中构建和部署生成式 AI 和机器学习模型。本指南介绍了从初步的数据探索和实验到模型训练、部署和监控的整个 AI 开发生命周期。
浏览使用生成式 AI 的以下示例架构：
- 生成式 AI 文档摘要
- 生成式 AI 知识库
- Generative AI RAG with Cloud SQL
- 使用 Vertex AI 和 Vector Search 且支持 RAG 的生成式 AI 的基础设施
- 使用 Vertex AI 和 AlloyDB for PostgreSQL 的生成式 AI 的 RAG 基础设施
- 使用 GKE 和 Cloud SQL 且支持 RAG 的生成式 AI 基础设施
- 使用 Google Agentspace 和 Vertex AI 的生成式 AI 的 RAG 基础设施
- 使用 Vertex AI 和 Spanner Graph 为生成式 AI 构建 GraphRAG 基础设施
- 利用 Google Cloud 和 Labelbox 开发模型并为数据添加标签
如需了解 Google Cloud 生成式 AI 产品，请参阅 Vertex AI 以及在 GKE 上运行基础模型。
设计和构建
如需为 AI 工作负载选择最佳存储选项组合，请参阅为 Google Cloud中的 AI 和机器学习工作负载设计存储。
Google Cloud 提供一套 AI 和机器学习服务，可帮助您使用生成式 AI 汇总文档、构建图片处理流水线，以及使用生成式 AI 解决方案推动创新。
继续探索
左侧导航栏的“AI 和机器学习”部分中列出的文档可帮助您构建 AI 或机器学习解决方案。