Google Cloud ha presentato una serie di innovazioni che coprono l’intera catena tecnologica dell’intelligenza artificiale moderna, dall’infrastruttura fisica dei data center fino alla modernizzazione del software industriale. Le novità comprendono Brazos, un sistema di raffreddamento a liquido progettato per consentire l’installazione di hardware ad alta densità termica all’interno di data center costruiti originariamente per il raffreddamento ad aria, Atlas, una piattaforma che permette di orchestrare e scalare automaticamente centinaia di istanze Cloud SQL, nuovi Data Agents integrati nell’ecosistema Agentic Data Cloud e una serie di miglioramenti per Looker. A completare il quadro c’è il caso di studio di Siemens, che mostra come workflow agentici avanzati possano affrontare la modernizzazione di milioni di righe di codice legacy industriale. L’obiettivo comune di queste innovazioni è ridurre complessità operative, costi infrastrutturali e tempi di implementazione, permettendo alle organizzazioni di adottare l’intelligenza artificiale senza dover riprogettare da zero sistemi esistenti.
Cosa leggere
Brazos porta il raffreddamento a liquido nei data center progettati per l’aria
La crescita dell’intelligenza artificiale ha aumentato drasticamente la densità energetica dei server moderni, mettendo sotto pressione infrastrutture progettate per carichi termici molto inferiori. Brazos nasce per affrontare questo problema attraverso un sistema di raffreddamento a liquido chiuso installabile direttamente nei rack esistenti.
A differenza delle tradizionali soluzioni che richiedono importanti modifiche edilizie e l’installazione di circuiti di acqua refrigerata distribuiti in tutta la struttura, Brazos può essere implementato progressivamente rack per rack. Il sistema cattura il calore direttamente dai componenti ad alta potenza mediante raffreddamento liquido e lo trasferisce nell’hot aisle attraverso scambiatori di calore liquido-aria ad alta efficienza. Questo approccio consente ai gestori dei data center di aumentare la densità di calcolo senza dover interrompere le operazioni o sostenere costi di riconversione particolarmente elevati.
Architettura modulare e gestione termica ad alta densità
Ogni rack equipaggiato con Brazos può gestire un carico termico nominale di 60 kW, distribuito su tre unità modulari indipendenti. Il sistema utilizza acqua deionizzata oppure una miscela con glicole propilenico al 25%, mentre l’alimentazione avviene tramite busbar standard del rack con tensioni comprese tra 40 e 60 volt DC.
Dal punto di vista della sicurezza, Brazos integra sistemi di rilevamento delle perdite, valvole di protezione e certificazioni conformi agli standard UL/CSA/IEC 62368-1. La gestione può essere effettuata localmente attraverso un’interfaccia HMI oppure da remoto mediante Modbus over TCP, consentendo monitoraggio continuo e integrazione con le piattaforme di gestione esistenti. L’approccio modulare semplifica inoltre manutenzione e sostituzione dei componenti, grazie a pompe e ventole hot-swappable che possono essere sostituite senza interrompere il funzionamento del rack. Google ha annunciato l’intenzione di condividere design, specifiche tecniche e documentazione attraverso l’Open Compute Project, favorendo la diffusione di questa architettura nell’intero ecosistema dei data center.
Atlas automatizza la gestione di centinaia di database Cloud SQL
Sul fronte software, Google Cloud ha evidenziato il caso di Atlas, piattaforma operativa utilizzata nel settore della ristorazione per gestire migliaia di punti vendita e decine di migliaia di ordini giornalieri. L’architettura prevede un’istanza dedicata di Cloud SQL for PostgreSQL per ciascun merchant, garantendo isolamento dei dati e prestazioni prevedibili durante i picchi operativi. Con la crescita del numero di clienti, la gestione manuale di centinaia di database era diventata un ostacolo significativo per un team privo di specialisti dedicati all’amministrazione database. L’adozione di Cloud SQL Enterprise Plus ha permesso di eliminare gran parte delle attività operative grazie a funzionalità integrate che automatizzano aspetti normalmente affidati a strumenti e componenti esterni.
Enterprise Plus riduce il carico operativo e migliora le prestazioni
Uno degli elementi chiave della migrazione riguarda il connection pooling integrato direttamente nel servizio. In precedenza Atlas doveva utilizzare componenti dedicati per la gestione delle connessioni, aumentando complessità, manutenzione e superficie di attacco. Con Enterprise Plus, il pooling viene gestito nativamente da Cloud SQL, semplificando l’architettura complessiva. La funzionalità Query Insights offre visibilità dettagliata sulle query più costose e permette di identificare immediatamente il merchant responsabile di eventuali degradi prestazionali. Il sistema Data Cache mantiene invece prestazioni di lettura costanti anche quando il volume dei dati cresce rapidamente. Grazie a queste ottimizzazioni, il provisioning di nuove istanze avviene in pochi secondi e lo scaling può essere eseguito quasi senza downtime durante le finestre di basso traffico. Dopo la migrazione completa, Atlas ha ridotto del 30% il tempo dedicato alla gestione dei database, consentendo agli sviluppatori di concentrarsi sull’innovazione applicativa mentre la piattaforma continua a crescere con tassi compresi tra il 200% e il 300% annuo.
Data Agents trasformano l’Agentic Data Cloud
Google Cloud continua parallelamente a espandere la propria visione di Agentic Data Cloud attraverso una nuova generazione di agenti specializzati per il ciclo di vita dei dati. Il Data Engineering Agent, ora generalmente disponibile, traduce richieste espresse in linguaggio naturale in codice SQL o Python ottimizzato per servizi come BigQuery e Dataflow, suggerendo miglioramenti architetturali e identificando automaticamente problemi nelle pipeline. Il Data Science Agent, attualmente in preview, accelera lo sviluppo di modelli suggerendo feature rilevanti, generando codice boilerplate e supportando la costruzione dei notebook utilizzati nei workflow di machine learning. L’obiettivo è ridurre il tempo necessario per trasformare requisiti aziendali in pipeline e modelli funzionanti, aumentando la produttività di data engineer e data scientist.
Osservabilità, onboarding e automazione dei database
La strategia agentica di Google si estende anche al mondo dei database. Il nuovo Database Observability Agent, disponibile in preview per clienti selezionati di Cloud SQL, AlloyDB, Spanner e Bigtable, monitora proattivamente le prestazioni delle piattaforme e individua anomalie prima che diventino problemi critici. L’agente può proporre workflow di remediation multi-turn, guidando l’utente nella risoluzione delle criticità. A questo si aggiunge il Database Onboarding Agent, progettato per aiutare le organizzazioni a scegliere il database più adatto alle proprie esigenze e automatizzare il provisioning iniziale. L’idea alla base di questi strumenti è ridurre il livello di specializzazione necessario per utilizzare servizi avanzati, consentendo anche a team ridotti di gestire infrastrutture dati complesse senza dover accumulare competenze altamente verticali su ogni singola tecnologia.
Looker evolve con dashboard conversazionali e assistenti AI
Anche Looker riceve aggiornamenti significativi orientati all’interazione in linguaggio naturale. Il nuovo Looker Dashboard Agent permette agli utenti di porre domande direttamente alle dashboard e ottenere riassunti automatici, spiegazioni contestuali e approfondimenti generati dall’intelligenza artificiale. L’Insight Assistant consente di modificare tabelle e visualizzazioni descrivendo il risultato desiderato tramite prompt testuali, mentre l’Expression Assistant genera automaticamente formule Looker Expression (Lexp) a partire da semplici descrizioni in linguaggio naturale.
Parallelamente, l’interfaccia Explore è stata ridisegnata con un field picker più flessibile, menu contestuali sulle colonne e un nuovo sistema di gestione delle Merge Queries basato su layout dinamici a tre pannelli. Queste innovazioni riducono la barriera d’ingresso per gli utenti meno tecnici e accelerano la creazione di analisi avanzate all’interno delle organizzazioni.
Siemens utilizza agenti AI per modernizzare milioni di righe di codice
Uno degli esempi più interessanti presentati da Google riguarda la collaborazione con Siemens, impegnata nella modernizzazione di software industriale sviluppato nel corso di oltre un decennio. Le applicazioni coinvolte costituiscono il nucleo operativo di fabbriche, infrastrutture energetiche e sistemi di trasporto, con repository che superano ampiamente le finestre di contesto dei modelli linguistici tradizionali. Per affrontare questa complessità, Siemens ha sviluppato Knowledge Fabric, una piattaforma basata su Spanner Graph che rappresenta il codice, la documentazione, i ticket Jira, le pagine Confluence e perfino manuali PDF scannerizzati come un unico grafo di conoscenza. Gli embedding generati sui nodi permettono agli agenti di comprendere relazioni, dipendenze e impatti delle modifiche in modo molto più efficace rispetto ai tradizionali sistemi di ricerca documentale.
Workflow agentici specializzati per il refactoring industriale
La metodologia adottata da Siemens viene definita “slicing the elephant”, cioè la scomposizione di problemi enormi in una sequenza di task più piccoli affidati ad agenti specializzati.
Il Search Agent esplora il grafo del codice e individua le dipendenze rilevanti. Il User Story Agent raccoglie requisiti e prepara la documentazione funzionale. L’Architecture Impact Agent valuta gli effetti delle modifiche sull’ecosistema software. Il Task Breakdown Agent suddivide il lavoro in attività eseguibili, mentre il Coding Agent implementa concretamente le modifiche sfruttando il contesto accumulato dalle fasi precedenti. In ogni passaggio viene mantenuto l’essere umano nel loop decisionale, garantendo tracciabilità, verificabilità e conformità agli standard industriali. Nel progetto pilota dedicato alla migrazione di pannelli di controllo legacy verso interfacce web moderne, Siemens ha registrato una riduzione significativa dello sforzo complessivo di implementazione, consentendo agli ingegneri di dedicare più tempo all’innovazione e meno alle attività ripetitive di manutenzione.
Google Cloud costruisce una piattaforma integrata per l’era agentica
Le novità presentate da Google Cloud evidenziano una strategia che collega infrastruttura fisica, piattaforme dati e automazione intelligente all’interno di un ecosistema coerente. Brazos affronta il problema energetico e termico dei data center esistenti senza richiedere costose riprogettazioni. Atlas dimostra come servizi gestiti evoluti possano ridurre drasticamente il carico operativo nella gestione di centinaia di database. I nuovi Data Agents e gli aggiornamenti di Looker integrano l’intelligenza artificiale direttamente nei flussi di lavoro analitici e operativi. Il caso Siemens mostra infine come gli stessi principi possano essere applicati alla modernizzazione di sistemi software industriali estremamente complessi. Insieme, queste innovazioni delineano una visione in cui l’adozione dell’AI non richiede la sostituzione delle infrastrutture esistenti, ma la loro evoluzione progressiva attraverso automazione, orchestrazione e capacità agentiche distribuite.
Iscriviti alla Newsletter
Non perdere le analisi settimanali: Entra nella Matrice Digitale.
Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.
