На конференции Cloud Next Google представила три инструмента, которые соединяют генеративный ИИ с реальными геопространственными данными. Каждый из них решает конкретную задачу: визуализация локаций для кино, анализ спутниковых снимков для городского планирования и распознавание объектов инфраструктуры на аэрофотоснимках.
Первый инструмент — Maps Imagery Grounding — позволяет «заземлить» ИИ-изображение в реальной точке Google Maps. Пользователь вводит текстовый запрос — например, «сгенерируй изображение футуристического космического корабля перед аркой Вашингтон-сквер» — и получает картинку, вписанную в реальную уличную панораму. Google позиционирует это как замену дорогостоящим выездным рекогносцировкам для киностудий и креативных агентств: вместо того чтобы отправлять съёмочную группу на место, достаточно проверить локацию в интерфейсе Gemini Enterprise Agent Platform. Видеомодель Veo может затем превратить статичную сцену в короткое видео. Пока инструмент доступен только по заявке в закрытом превью для локаций в США.
Второй инструмент — Aerial and Satellite Insights — встраивается в Google Earth AI и работает поверх облачного хранилища BigQuery. Сейчас аналитики и городские планировщики вручную просматривают тысячи спутниковых снимков, чтобы отследить изменения в застройке или инфраструктуре. Новый инструмент должен сократить этот процесс с нескольких недель до нескольких минут. Google приводит пример: отслеживание активных строительных площадок в жилых кварталах, чтобы заранее планировать прокладку дорог и линий электропередач. Запуск ожидается в ближайшие недели.
Aerial and Satellite Insights в Google Earth AI анализирует спутниковые снимки прямо в BigQuery — без ручной обработки тысяч файлов.
Параллельно Google выпускает два новых ИИ-модели для работы с аэро- и спутниковыми снимками — они доступны в экспериментальном режиме через Model Garden в Google Cloud. Модели обучены распознавать конкретные объекты: мосты, дороги, линии электропередач. Это позволяет компаниям строить собственные продукты без многомесячного обучения специализированных моделей с нуля.
Контекст у этих инструментов шире, чем кажется. Геопространственный анализ на основе спутниковых данных — давно сложившаяся отрасль, но до недавнего времени она требовала либо дорогостоящих специалистов, либо громоздких ГИС-систем. Интеграция LLM и компьютерного зрения в привычные облачные среды вроде BigQuery снижает порог входа для городских служб, логистических компаний и девелоперов. Аналогичные подходы развивают Microsoft через Azure Maps и ряд стартапов — например, Orbital Insight и Satellogic, — однако прямая интеграция с картографической платформой такого масштаба, как Google Maps, у конкурентов пока отсутствует.
Все три инструмента находятся на ранних стадиях: Maps Imagery Grounding — закрытый превью только для США, модели в Model Garden помечены как экспериментальные, Aerial and Satellite Insights ещё не запущен. Желающие могут подать заявку на ранний доступ к геопространственным продуктам через Google Cloud.
