Google Cloud 近期为 AlloyDB AI 增加两个 SQL 函数：ai.classify 和 ai.extract，目前处于预览阶段，支持 PostgreSQL 18 及 google_ml_integration 扩展 1.6.1 以上版本。我们的判断是，AI 工具正在从“聊天窗口”进入企业最熟悉的数据流程，竞争重点也从模型回答得多好，转向能否稳定地嵌进现有系统。

这是什么

过去，企业要在数据库里处理文本，通常要把数据导出、调用外部模型接口，再处理提示词、返回格式、失败重试和结果回写。现在，AlloyDB AI 允许开发者直接用 SQL 对文本分类或抽取结构化字段。

ai.classify 可以把客户评价、客服工单或临床记录归入预设类别；ai.extract 则用于从非结构化文本中提取指定信息。两者支持批量处理、分类说明和少量示例（few-shot prompting，即先给模型几个样例，再让它完成新任务），并结合 Google 所说的智能批处理机制提升扩展性。

行业怎么看

这件事值得关注，不只是因为多了两个函数，而是因为它改变了企业部署 AI 的成本结构。模型调用被放进数据库查询链路后，理论上可以减少网络往返、应用代码和重试逻辑，也能避免敏感文本在多个系统之间反复传输。

但我们也要保持谨慎。首先，Google 的性能表述主要来自官方测试，实际效果仍取决于模型质量、数据规模、并发量和提示配置。其次，把模型能力放进数据库，并不意味着企业不再需要权限管理、审计和结果校验；分类错误、字段幻觉和业务规则偏差，仍可能直接影响运营决策。

更重要的是，AlloyDB AI 属于 Google Cloud 的产品路线，企业若已采用其他数据库、模型或数据平台，是否值得迁移，取决于现有架构，而不是单看功能数量。数据库厂商正在把模型能力做成基础设施入口，企业则会围绕既有技术栈进行选择。

对普通人的影响

对企业 IT：IT 部门可以更直接地评估“把 AI 接入现有数据库”是否值得试点，尤其适合客服、审核、票据和客户反馈等文本处理场景。

对个人职场：财务、运营、客服和数据分析等岗位可能会更多使用 SQL 调用 AI，但核心工作将从手工整理信息，转向定义规则、检查结果和处理例外。

对消费市场：如果企业采用这类能力，商品评价整理、售后工单分流和个性化服务可能更快落地；不过，用户仍应关注企业是否说明数据用途、保存范围和人工纠错机制。