Google Cloud ha pubblicato un aggiornamento corposo sull'infrastruttura AI per settembre, con novità pensate per chi gestisce carichi di lavoro agentici su larga scala. Per consulenti IT, MSP e PMI in fase di valutazione, il messaggio è chiaro: l'ecosistema Google sta consolidando strumenti per rendere l'infrastruttura AI più scalabile, sicura e accessibile.
GKE Agent Substrate: densità 10x per workload agentici
La novità principale è GKE Agent Substrate, progetto open source pensato per eseguire milioni di sandbox con densità 10 volte superiore rispetto ai runtime container standard. Operazioni di resume in sotto i 500 ms e oltre 500 suspend/resume al secondo, con kernel zero-trust e isolamento di rete nativo. Per gli MSP che gestiscono ambienti multi-tenant, questo si traduce in migliore utilizzo delle GPU e costi più contenuti.
Pod snapshots e migrazione agentica da AWS EKS
I GKE Pod snapshots permettono di salvare lo stato di esecuzione di un workload, inclusa la memoria GPU, e ripristinarlo su richiesta. Secondo i test interni Google, l'avvio dell'inference AI può ridursi fino all'89%. Parallelamente, arriva lo strumento di migrazione agentica da AWS EKS a GKE: un plugin che traduce IaC e manifest Kubernetes in landing zone GKE, sostituendo prompt ad-hoc con un pipeline protetto da guardrail deterministici.
Filestore agent volumes e storage per RAG
I Filestore agent volumes offrono storage file persistente ed elastico per workload agentici, allocato e attaccato alle sandbox GKE in millisecondi. Per chi gestisce pipeline RAG con Milvus, Pinecone, Qdrant o Redis, arrivano anche le VM M4N family (GA): fino a 25.000 MiB/s e 1 milione di IOPS, accoppiate a Hyperdisk Extreme. Per training AI, Z4D in bare metal offre local SSD ad alta capacità e bassa latenza.
Sicurezza: k8s-aibom e Model Armor
Google ha rilasciato k8s-aibom, controller Kubernetes open source che monitora i cluster per rilevare runtime AI come vLLM e Triton, generando ML-BOM in formato CycloneDX. Per la protezione degli agent, il Cloud CLI remote MCP server integra Model Armor per lo screening di prompt e risposte, oltre ad audit logging completo su Audit Logs. Entrambi gli strumenti sono rilevanti per chi deve dimostrare compliance e governare l'uso dell'AI in ambienti enterprise.
Per PMI e MSP: cosa cambiare ora
Se state valutando di spostare workload agentici su GKE, le novità di settembre riducono diversi friction point: provisioning più rapido, scaling automatico HPA con metriche PromQL, costi di inference più bassi grazie ai snapshot e un percorso di migrazione da AWS più strutturato. Per le PMI, l'accesso a infrastruttura AI di livello enterprise diventa più semplice; per gli MSP, la gestione di ambienti multi-tenant guadagna strumenti di isolamento e osservabilità più maturi.
