核心功能与凭据支持全面升级
Google Cloud正式宣布，BigQuery ObjectRef以及BigQuery中的多模态数据分析功能现已进入全面可用（GA）阶段。这一功能最初于2025年6月推出预览版，定位为补充对象表（Object Tables），旨在消除数据处理与访问控制中的碎片化。
ObjectRef是BigQuery中内置且预定义的STRUCT数据类型，专门用于指向存储在Google Cloud Storage等外部存储中的图像、视频、音频和文档等非结构化数据对象。
在本次GA版本中，Google引入了对ObjectRef的最终用户凭据（EUC）支持。用户可以直接利用个人IAM身份进行临时分析查询，无需额外设置显式的BigQuery连接。
零拷贝架构驱动的AI分析与互操作性
官方指出，ObjectRef采用了零拷贝架构，允许高容量媒体文件安全保留在Cloud Storage中并在BigQuery中被即时查询，避免了繁杂的数据复制。同时，该类型通过跟踪特定的GCS生成编号来确保推理的可重复性，即便底层文件被修改，查询仍会引用行写入时的确切文件版本。
官方声明还表示，ObjectRef支持在单条SQL查询或自然语言查询中直接向Gemini模型传递多模态、多列输入，并与BigQuery AI、对话式分析及Gemini Enterprise实现集成。用户可完全基于SQL构建全保真ETL管道，将提取的特征和注释与非结构化对象本身结合存放在同一行中。
在开发灵活性方面，ObjectRef具备SQL与Python的互操作性，能够直接传递给BigQuery Python UDF，使用户可以在不搬运数据的前提下直接调用OpenCV等开源Python库执行自定义处理逻辑。
业务落地实践与成本管理考量
在企业落地案例方面，Google Cloud引用Snap公司的实践指出，Snap利用ObjectRef与BigQuery AI定期审查公共帖子样本以限制违规内容，成功从简单的随机抽样过渡到事后分层抽样，提高了人工审查效率。
关于使用成本，在BigQuery中调用包含ObjectRef的AI函数时，系统会按照图像或PDF换算的代币（token）数量计费。开发者社区分析建议，鉴于费用与文件规模和代币数量挂钩，在处理大规模文件时，可采取限制处理对象、缓存结果、降低图像分辨率或指定PDF页面范围等手段来合理管控成本。