Google Maps интегрирует Gemini, запустив три основные функции ИИ, ориентированные на бизнес-агентов

На конференции Google Cloud Next 2026 Google объявила о внедрении трех функций Gemini AI для платформ Maps и Earth, заявляя, что карты больше не просто навигационный инструмент.
(Предыстория: Google представила восьмое поколение TPU: два типа AI-чипов для обучения и вывода, чтобы конкурировать с Nvidia)
(Дополнительный фон: Google Stitch — система открытого дизайна: DESIGN.md позволяет Claude Code, Codex, Antigravity генерировать высококачественный UI)

На Cloud Next в Лас-Вегасе Google объявила, что AI сможет напрямую генерировать реалистичные сцены на картах, анализ спутниковых изображений за «несколько минут», а также открыть всем компаниям модели AI для распознавания мостов и линий электропередач.

Эти три нововведения кажутся независимыми, но указывают в одном направлении: Google превращает карты из навигационного инструмента в базовую инфраструктуру восприятия для корпоративных AI-агентов.

Три ключа — одна новая дверь

Три функции, объявленные на Cloud Next, каждая ориентирована на один из сценариев геопространственной работы, ранее требовавшей много человеческих ресурсов.

Первая — «Географическая визуализация карт». Пользователи могут вводить текстовые подсказки в Gemini Enterprise Agent Platform и получать AI-визуализации реальных сцен на Google Street View. Рекламная группа WPP уже тестирует эту функцию для создания иммерсивных клиентских реклам. В настоящее время доступна только в США в рамках приватного предварительного просмотра.

Проще говоря: бренды не нужно летать в Нью-Йорк, чтобы увидеть, как бы выглядела реклама на Таймс-сквер, — достаточно посмотреть на компьютер, где изображена реклама на улице, с реальными зданиями и тротуарами, а не на 3D-рендеринг.

Вторая — «Аналитика воздушных и спутниковых изображений». Новая функция интегрирует спутниковые снимки Google Earth в BigQuery для автоматизированного анализа. Градостроители могут отслеживать прогресс строительства жилых районов, страховые компании — оценивать ущерб после катастроф, а Google утверждает, что это сокращает «недельные» ручные анализы до нескольких минут.

Третья — два «Earth AI» модели изображений, уже доступны в экспериментальном режиме в Google Cloud Model Garden. Модели обучены распознавать объекты на спутниковых снимках, такие как мосты, дороги, линии электропередач.

Ранее для достижения того же требовалось самостоятельно создавать и обучать AI-системы, что занимало месяцы. Партнер Vantor интегрировал эти модели в свою систему восстановления после катастроф Sentry, автоматически отмечая поврежденные инфраструктуры после экстремальных погодных условий.

Карта как слой восприятия для AI-агентов

Эти три функции основаны на одном технологическом предположении: геолокационные данные — это не только ответ «где», а также входные данные для восприятия физического мира AI-агентами.

Ранее выпущенная Maps Grounding Lite уже открыта для всех разработчиков через MCP, позволяя любым LLM подключаться к базе данных из 300 миллионов точек Google Maps. FIFA Чемпионат мира 2026 и Бостонский марафон используют эту возможность для AI-гида на месте. Туристическая группа TUI использует её для преобразования статичных маршрутов в персонализированные рекомендации в реальном времени.

Эта логика совпадает с направлением Gemini в потребительском сегменте Maps: Ask Maps позволяет пользователям через диалог искать «ближайшие зарядки без очереди», анализируя данные от 500 миллионов вкладчиков; Gemini анализирует Street View и аэрофотоснимки, создавая 3D-навигацию с реальными фасадами зданий.

От потребительского сегмента до корпоративного — логика одна: Gemini нуждается в карте как базе восприятия, чтобы действовать в физическом мире.

Защита картографической «непревзойденности» всегда заключалась не только в плотности съемки, а в глубине накопленных данных и в том, сколько бизнес-процессов уже используют карты как незаменимую инфраструктуру.