한 줄 정의

Google Cloud는 구글의 컴퓨트, 스토리지, 데이터 분석, AI 서비스를 프로젝트 단위로 빌려 쓰는 클라우드 플랫폼이야. Gemini 모델 하나나 Gemini 앱 기능 이름이 아니라, Compute Engine, Cloud Storage, BigQuery, Vertex AI, Agent Platform 같은 서비스를 같은 계정·권한·청구 구조에서 관리하는 플랫폼이라고 이해하면 돼.

AI 문서에서 이 이름이 나오면 모델 변경보다 Google Cloud 프로젝트에서 실행하는지 먼저 확인해야 해. 프로젝트는 서비스, 리전, IAM, 서비스 계정, 로그, 비용 라벨을 연결하는 작업 단위라서, 회사 데이터가 들어가는 순간 모델 성능표보다 이 경계가 더 중요해져.

실제로 무엇을 하나

Google Cloud는 여러 제품군을 한 콘솔과 API 아래에서 관리해. 제품 목록 기준으로는 150개가 넘는 제품이 있고, AI 문맥에서는 보통 인프라, 데이터 저장소, 모델 배포, 에이전트 운영을 먼저 확인해.

  • 인프라: Compute Engine은 VM과 베어메탈 인스턴스를, Google Kubernetes Engine과 Cloud Run은 컨테이너와 서버리스 실행을 맡아. AI 추론 서버를 직접 운영하거나 배치 작업을 돌릴 때 이 서비스를 선택해.
  • 데이터와 저장소: Cloud Storage는 파일과 객체 저장소, BigQuery는 대규모 분석 쿼리, Pub/Sub는 이벤트 흐름에 자주 쓰여. 사내 데이터에 기대는 에이전트라면 데이터 위치와 접근 권한을 같이 확인해야 해.
  • AI 운영: Vertex AI와 Model Garden은 모델 선택, 테스트, 배포를 맡아. Model Garden은 Google 모델뿐 아니라 파트너 모델과 일부 오픈 모델까지 200개 이상을 한곳에서 제공해.
  • 에이전트 플랫폼: 2026년 4월 23일 발표된 Agent Platform은 Vertex AI의 모델 선택과 에이전트 빌드 기능에 Agent Runtime, Identity, Registry, Gateway, Observability를 더해 에이전트를 배포하고 통제하게 해.

예를 들어 사내 문서 검색 에이전트를 만든다면, Gemini 모델만 고르는 것으로 끝나지 않아. 문서는 Cloud Storage나 BigQuery에 있고, 접근 권한은 IAM에서 나뉘고, 실행은 Cloud Run이나 Agent Runtime에 올라가고, 실패 추적은 Cloud Logging이나 Agent Observability에서 확인해야 해. 이 전체 작업 세트를 가리킬 때 Google Cloud라는 이름이 나와.

왜 중요한가

Google AI 발표는 같은 회사 안에서도 소비자 앱, 개발자 API, Cloud 프로젝트 기반 배포가 계속 섞여 보여. Gemini 앱의 상호작용형 시각화는 사용자가 채팅 화면에서 시각화를 요청해 결과를 만지는 기능이고, Deep Research는 Gemini API의 공개 미리보기에서 장시간 조사 에이전트를 호출하는 흐름이야. 반면 Google Cloud는 그 기능을 조직 계정, 데이터, 권한, 배포, 감사 로그와 연결할 때의 운영 경계에 가까워.

실무에서는 이 구분이 바로 비용과 보안 판단으로 이어져. AI Studio에서 API 키로 빠르게 실험하는 건 가볍지만, 회사 데이터와 연결하는 순간 서비스 계정, 리전, VPC, 로그 보관, 개인정보 처리, 청구 프로젝트를 검토해야 해. 그래서 Google Cloud에서 지원한다는 문장은 새 모델이 생겼다는 뜻보다, 기업용 배포와 통제 절차가 열렸다는 뜻일 때가 많아.

또 하나는 벤더 의존도야. 이미 BigQuery, Pub/Sub, Cloud Storage, Workspace를 많이 쓰는 조직은 Google Cloud 프로젝트에서 에이전트를 만들면 데이터 연결과 권한 관리가 자연스러울 수 있어. 반대로 여러 클라우드에 데이터가 흩어져 있거나 OpenAI 호환 API만 빠르게 바꾸고 싶다면, Alibaba Cloud Model Studio 같은 다른 플랫폼이나 직접 API 호출 방식과 비교해야 해.

주의해서 볼 점

첫째, Google Cloud는 Google DeepMind와 같은 층위가 아니야. Google DeepMind는 연구와 모델 개발 조직에 가깝고, Google Cloud는 그 모델과 서비스를 기업이 운영할 수 있게 제공하는 클라우드 플랫폼이야. 발표 주체가 Google DeepMind인지, 배포 경로가 Google Cloud인지 문장마다 나눠 읽어야 해.

둘째, Vertex AI가 Agent Platform 안으로 들어가는 흐름을 기존 운영 검토가 사라진다는 뜻으로 읽으면 안 돼. 계정, 청구, IAM, 리전, 네트워크, 로그 정책은 그대로 팀의 책임으로 남아. 제품 이름이 바뀌어도 운영 체크리스트가 사라지는 건 아니야.

셋째, Model Garden의 200개 이상 모델을 Google이 전부 만든 모델로 읽지 마. Google 모델, 파트너 모델, 일부 오픈 모델이 함께 있는 선택 화면이야. 그래서 모델 품질 비교와 Cloud 프로젝트 기반 배포 비교를 한 문장으로 합치면 판단이 흐려져.

관련 용어

  • Vertex AI: Google Cloud에서 모델 실험, Model Garden, 배포, 평가, MLOps를 맡는 플랫폼이야. Google Cloud 전체보다 좁고, Gemini 모델 하나보다는 넓어.
  • Agent Platform: Google Cloud가 기업용 에이전트 빌드와 거버넌스를 통합한 도구야. Google Cloud라는 큰 플랫폼 안에서 에이전트 배포와 통제를 맡는 층이야.
  • AI Studio: API 키로 Gemini 프롬프트와 도구 설정을 빠르게 시험하는 브라우저 작업실이야. Google Cloud 프로젝트와 IAM을 포함하는 배포 단계와는 달라.
  • Gemini API: 개발자가 Gemini 모델을 직접 호출하는 API야. Google Cloud 도입 여부를 판단할 때는 API 키 직접 호출인지, Cloud 프로젝트 기반 호출인지부터 갈라야 해.
  • Agent: Google Cloud가 최근 강하게 관리하는 실행 단위야. 모델 호출에서 끝나지 않고 도구 접근, 메모리, 신원, 로그를 포함하는 순간 Cloud 권한·로그 문제가 따라와.
  • Alibaba Cloud Model Studio: 다른 클라우드가 모델 선택, API, 에이전트 앱을 통합하는 방식과 비교할 때 좋은 대조군이야. Google Cloud는 BigQuery, IAM, Workspace, Vertex AI 자산과 더 강하게 맞물린다는 점이 달라.