Агентства национальной безопасности и другие суверенные и строго регулируемые организации работают с невероятно конфиденциальными данными, такими как секретные отчеты, полевые руководства и чувствительные мультимодальные наборы данных. Поиск и мультимодальный интеллект, доступные в публичном облаке, могут помочь командам управлять этими данными и анализировать их, но из-за строгих требований к суверенитету данных эта информация не может покидать территорию заказчика.

Альтернативой было развертывание специализированного агентного поиска внутри защищенного изолированного периметра, но до сих пор это означало месяцы работы по созданию и поддержке инфраструктуры: объединение моделей, создание конвейеров преобразования речи в текст и оптического распознавания символов (OCR), настройка векторных баз данных и управление индивидуальным пользовательским интерфейсом.

Сегодня мы рады объявить о появлении возможностей корпоративного поиска с Gemini в изолированной среде Google Distributed Cloud (GDC), ускоренной с помощью NVIDIA Blackwell Ultra, чтобы помочь решить вышеуказанные задачи. В рамках предварительной версии этот полностью управляемый поисковый интерфейс с генерацией с дополненной выборкой (RAG) работает полностью внутри вашего физического периметра безопасности, без подключения к публичному интернету или глобальной инфраструктуре Google Cloud. Ваши команды теперь могут загружать файлы в чат и просить Gemini найти информацию, обобщить ее, сравнить или перевести. Каждый ответ содержит ссылки на источники, а история диалогов сохраняется между сессиями.

Возможности корпоративного поиска в GDC позволяют вашим командам искать информацию в разрозненных данных и получать ценные инсайты. С этими возможностями вы теперь можете:

Превращать сотни страниц в один ответ со ссылками: задавайте вопросы по длинным руководствам, отчетам и политикам и точно видите, из каких файлов был получен каждый ответ.
Работать с разными языками: задавайте вопросы на одном языке и получайте ответы, основанные на документах, написанных на другом, или поручите Gemini перевести их.
Задавать один вопрос по множеству форматов: объединяйте аудиозаписи, видеоклипы, изображения и электронные таблицы без необходимости в отдельных этапах транскрибации или OCR.
Продолжать с того места, где остановились: диалоги и файлы сохраняются между сессиями, поэтому вам не нужно начинать работу с нуля при выполнении длительных задач.
Соблюдать принцип доступа по необходимости: чаты и файлы каждого пользователя доступны только ему, а доступ регулируется группами провайдера идентификации, которыми вы уже управляете.

Пользователи могут работать с файлами PDF, Microsoft Word, PowerPoint и Excel, а также TXT, HTML, изображениями PNG и JPEG, аудио WAV и видео MP4. Каждый файл может весить до 100 МБ, а каждый чат — до 500 МБ.

Основные архитектурные уровни: как это работает

Давайте проследим за запросом пользователя через каждый уровень стека: вход в систему, загрузка файлов, генерация ответа с помощью Gemini и сохранение сессии. Каждый шаг происходит в изолированной сети организации.

Идентификация и доступ

Пользователи входят в систему через провайдера идентификации своей организации. Администраторы сопоставляют роль пользователя службы с группами провайдера идентификации, и только члены этих групп могут получить доступ к приложению. Чаты и загруженные файлы каждого пользователя являются приватными для этого пользователя.

Загрузка и встраивание документов

Когда пользователь загружает файл, он попадает прямо в бакет объектного хранилища приложения. Бэкенд записывает метаданные файла в управляемую базу данных PostgreSQL, оптимизированную для поиска. Затем бэкенд разбивает файл на фрагменты, например, группы страниц PDF или фрагменты изображения, и записывает их в бакет. Модель встраивания (embedding) Gemini, работающая нативно внутри развертывания GDC, преобразует каждый фрагмент в вектор, который бэкенд сохраняет в базе данных PostgreSQL приложения.

Когда пользователь задает вопрос, передовая модель Gemini, работающая полностью на GDC внутри центра обработки данных заказчика, сначала переписывает вопрос с учетом контекста диалога. Затем бэкенд встраивает переписанный вопрос с помощью той же модели и выполняет поиск по векторной базе данных.

Обслуживание модели

Затем бэкенд объединяет вопрос, историю диалога и наиболее подходящие данные в единый мультимодальный промпт и отправляет его на эндпоинт Gemini, работающий на системах NVIDIA HGX B300 в том же развертывании GDC. Gemini является нативно мультимодальной моделью — она принимает текст, изображения, аудио и видео в качестве входных данных, поэтому может рассуждать на основе данных из разных типов файлов в едином контексте и не требует отдельных моделей для преобразования речи в текст или OCR. Ответ передается пользователю со ссылками на исходные файлы.

Сохранение состояния

Наконец, уровень сохранения данных поддерживает состояние каждого диалога. Каждый вопрос и ответ хранятся в базе данных системы, а загруженные файлы остаются в объектном хранилище, поэтому пользователи могут возобновить предыдущую сессию и продолжить работу с того места, где остановились.

Создано для секретных и суверенных сред

Благодаря Gemini и корпоративному поиску в GDC промпты, ответы, загруженные документы и векторы никогда не покидают изолированную сеть вашей организации, а каждая модель работает локально. Данные шифруются в состоянии покоя с помощью AES-256 с использованием локально управляемых ключей HSM, а при передаче — с помощью TLS с использованием алгоритмов, одобренных FIPS. Локальная интеграция IAM с гранулярным управлением доступом на основе ролей (RBAC) регулирует доступ к ресурсам. Изолированная среда GDC имеет аккредитацию U.S. DoD IL6 и разработана для поддержки строгих требований в соответствии с мерами безопасности FedRAMP High.

Выполнение кода: соответствие требованиям и безопасность

Для получения точных, детерминированных ответов на основе структурированных данных из электронных таблиц (таких как файлы CSV и XLSX) корпоративный поиск Gemini использует локальный движок выполнения кода стека вывода Gemini.

При обработке аналитических запросов — например, вычислении средней зарплаты по отделам — Gemini динамически генерирует код на Python и безопасно выполняет его внутри Agent Substrate, среды выполнения с открытым исходным кодом, созданной для крупномасштабной оркестрации агентов.

Чтобы снизить риски безопасности, присущие выполнению кода, сгенерированного LLM, Agent Substrate обеспечивает строгую сетевую изоляцию и запускает рабочие нагрузки внутри песочниц gVisor, помогая обеспечить надежные границы изоляции без ущерба для производительности вывода.

Передовые модели в суверенном центре обработки данных

Вам больше не нужно выбирать между бескомпромиссной безопасностью и передовым мультимодальным интеллектом. Корпоративный поиск, Gemini 3.5 Flash и базы данных, оптимизированные для поиска, работают вместе внутри изолированного периметра GDC без зависимости от интернета, предоставляя лучшие автономные возможности для суверенного облака.

Изучите документацию по изолированной среде GDC и свяжитесь с вашим представителем GDC, чтобы узнать, как лучше всего использовать эти возможности поиска в вашем суверенном облаке.