請參閱本頁內容，瞭解 Vertex AI 和 BigQuery 的差異，以及如何將 Vertex AI 整合至現有的 BigQuery 工作流程。Vertex AI 和 BigQuery 攜手合作，滿足您的機器學習和機器學習運作用途。
如要進一步瞭解 Vertex AI 和 BigQuery 之間的模型訓練差異，請參閱「選擇訓練方法」。
Vertex AI 和 BigQuery 的差異
本節將介紹 Vertex AI、BigQuery 和 BigQuery ML 服務。
Vertex AI：端對端 AI/機器學習平台
Vertex AI 是 AI/ML 平台，用於模型開發和管理。常見用途包括：
- 機器學習工作，例如預測、建議和異常偵測
生成式 AI 工作，例如：
- 生成文字、分類、摘要和擷取
- 生成及完成程式碼
- 圖像生成
- 生成嵌入
您可以使用 BigQuery 準備 Vertex AI 模型的訓練資料，並將這些資料做為特徵提供給 Vertex AI 特徵儲存庫。
您可以在 Vertex AI 中透過三種方式訓練模型：
- AutoML：在圖片、表格和影片資料集上訓練模型，不必編寫程式碼。
- 自訂訓練：執行專為特定用途設計的自訂訓練程式碼。
- Vertex AI 上的 Ray：使用 Ray 擴展 AI 和 Python 應用程式，例如機器學習。
您也可以匯入在其他平台 (例如 BigQuery ML 或 XGBoost) 訓練的模型。
您可以向 Vertex AI Model Registry 註冊自訂訓練模型。您也可以匯入在 Vertex AI 以外訓練的模型，並註冊至 Vertex AI Model Registry。您不必註冊 AutoML 模型，系統會在建立時自動註冊。
您可以在登錄檔中管理模型版本、部署至端點以進行線上預測、評估模型、使用 Vertex AI Model Monitoring 監控部署作業，以及使用 Vertex Explainable AI。
支援的語言：
- Vertex AI SDK 支援 Python、Java、Node.js 和 Go。
BigQuery：無伺服器多雲端企業資料倉儲
BigQuery 是全代管的企業資料倉儲，內建機器學習、地理空間分析和商業智慧等功能，有助於管理及分析資料。BigQuery 資料表可透過 SQL 查詢，而主要使用 SQL 的資料科學家只需幾行程式碼，就能執行大型查詢。
您也可以將 BigQuery 當做資料存放區，在 Vertex AI 中建構表格和自訂模型時參考。如要進一步瞭解如何將 BigQuery 做為資料儲存空間，請參閱「BigQuery 儲存空間總覽」一文。
支援的語言：
- BigQuery 適用的 SDK。詳情請參閱 BigQuery API 用戶端程式庫。
- GoogleSQL
- 舊版 SQL
詳情請參閱 BigQuery SQL 方言。
BigQuery ML：直接在 BigQuery 中進行機器學習
您可以在 BigQuery 中開發及叫用模型。有了 BigQuery ML，您可以使用 SQL 直接在 BigQuery 中訓練機器學習模型，不必移動資料，也不必擔心底層的訓練基礎架構。您可以為 BigQuery ML 模型建立批次預測，從 BigQuery 資料取得洞察資訊。
您也可以使用 BigQuery ML 存取 Vertex AI 模型。您可以透過 Vertex AI 內建模型 (例如 Gemini) 或 Vertex AI 自訂模型，建立 BigQuery ML 遠端模型。您可以在 BigQuery 中使用 SQL 與遠端模型互動，就像使用任何其他 BigQuery ML 模型一樣，但遠端模型的所有訓練和推論作業都會在 Vertex AI 中處理。
支援的語言：
- GoogleSQL
- BigQuery 用戶端程式庫
如要進一步瞭解使用 BigQuery ML 的優點，請參閱 BigQuery 中的 AI 和 ML 簡介。
在 Vertex AI 中管理 BigQuery ML 模型的好處
您可以將 BigQuery ML 模型註冊至 Model Registry，以便在 Vertex AI 中管理模型。在 Vertex AI 中管理 BigQuery ML 模型有兩大優點：
線上模型服務：BigQuery ML 僅支援模型的批次預測。如要取得線上預測結果，您可以在 BigQuery ML 中訓練模型，然後透過 Vertex AI Model Registry 將模型部署至 Vertex AI 端點。
機器學習運作功能：持續訓練可讓模型與時俱進，發揮最大效益。Vertex AI 提供 MLOps 工具，可自動監控及重新訓練模型，確保預測準確度不會隨著時間而下降。透過 Vertex AI Pipelines，您可以使用 BigQuery 運算子，將任何 BigQuery 工作 (包括 BigQuery ML) 插入機器學習管道。透過 Vertex AI Model Monitoring，您可以長期監控 BigQuery ML 預測。
如要瞭解如何將 BigQuery ML 模型註冊至 Model Registry，請參閱「使用 Vertex AI 管理 BigQuery ML 模型」。
相關筆記本教學課程
| 您要執行什麼操作？ | 資源 |
|---|---|
| 使用 BigQuery ML，透過 Vertex AI 上的 Gemini 分析圖片和文字 | 在 BigQuery 中使用 Gemini 2.0 Flash 分析電影海報 |
| 使用 BigQuery ML，透過 Vertex AI 基礎模型在 BigQuery 資料表或非結構化資料上生成文字 | 使用 BigQuery ML 和 Vertex AI 中的基礎模型生成文字 |
| 透過 BigQuery ML 對文字和圖片生成向量嵌入 | 從 BigQuery ML 呼叫 Vertex AI 中的多模態嵌入端點，為語意搜尋產生嵌入 |
| 使用兩個 Vertex AI 表格型工作流程管道，以不同設定訓練 AutoML 模型。 | 表格工作流程：AutoML 表格管道 |
| 使用 Python 適用的 Vertex AI SDK 訓練表格型 迴歸的 AutoML 模型，並從模型取得批次預測結果。 | 適用於 Python 的 Vertex AI SDK：使用 BigQuery 訓練 AutoML 表格迴歸模型，以進行批次預測 |
| 在 BigQuery ML 中訓練及評估購物偏好模型，預測手遊的使用者留存率。 | 遊戲開發人員使用 Google Analytics 4 和 BigQuery ML 預測流失情形 |
| 使用 BigQuery ML 對 CDM 定價資料執行定價最佳化。 | 分析 CDM 定價資料，找出最佳定價 |
後續步驟
- 如要開始使用 Vertex AI，請參閱：