AI 和機器學習資源

Last reviewed 2025-11-25 UTC

這份文件提供架構指南總覽，協助您設計、建構及部署 AI 和 ML 應用程式。

為協助您找到符合自身角色和需求的合適指南，我們提供下列類型的架構指南：

  • 設計指南：提供跨產品的規範性指引，協助您規劃及設計雲端架構。
  • 參考架構：針對特定工作負載提供詳細的架構範例和設計建議。
  • 應用案例：解決特定業務問題的高階架構範例。
  • 部署指南：部署特定架構的逐步說明或程式碼。

代理式 AI

代理式 AI 應用程式會透過自主規劃和多步驟工作流程，解決開放式問題。

如要在 Google Cloud上建構代理式 AI 應用程式，請先參閱下列指南：

如要瞭解更多代理式 AI 架構，請參閱這份指南。

生成式 AI

生成式 AI 應用程式可讓您使用 AI 建立摘要、找出複雜的隱藏關聯，或生成新內容。

如要在 Google Cloud上建構生成式 AI 應用程式，請先參閱下列指南：

如要瞭解詳情，請參閱生成式 AI 架構指南。

機器學習應用程式和作業

從分類和迴歸模型，到複雜的生成式 AI 和代理式 AI 系統，穩健的機器學習運作 (MLOps) 是每項 AI 計畫的基礎。

如要在 Google Cloud上建構及運作機器學習應用程式，請先參閱下列指南：

如要瞭解更多資訊，請參閱 ML 應用程式和作業架構指南。

AI 和機器學習基礎架構

AI 和機器學習應用程式的效能、成本和擴充性，直接取決於底層基礎架構。機器學習生命週期的每個階段，對運算、儲存空間和網路都有獨特需求。

下列資源可協助您為 AI 和機器學習工作負載設計及選取合適的基礎架構：