AI 和機器學習資源

Last reviewed 2025-11-25 UTC

本文概略介紹架構指南,說明如何設計、建構及部署 AI 和機器學習應用程式。

為協助您根據角色和需求找到合適的指引,我們提供下列類型的架構指南:

  • 設計指南:提供跨產品的規範指南,協助您規劃及設計雲端架構。
  • 參考架構:特定工作負載的詳細架構範例和設計建議。
  • 應用實例: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建構代理式 AI 應用程式,請先參閱下列指南:

探索更多代理式 AI 架構指南。

生成式 AI

生成式 AI 應用程式可運用 AI 產生摘要、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:

探索更多生成式 AI 架構指南。

機器學習應用程式和作業

穩健的機器學習運作 (MLOps) 是所有 AI 計畫的基礎,無論是分類和迴歸模型,還是複雜的生成式 AI 和代理式 AI 系統,都必須仰賴 MLOps。

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

探索更多機器學習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、儲存和網路都有獨特的需求。

下列資源可協助您設計及選取適合 AI 和機器學習工作負載的基礎架構: