Google AI infrastruktúra
A Google AI világa nem egyetlen Gemini-termékből áll, hanem több rétegből: modellekből (Gemini, Veo 3.1, Nano Banana 2), kreatív stúdiókból (Flow, Stitch), fejlesztői agentes toolokból (Gemini CLI, ADK), keresési intelligenciából, forrásalapú kutatási rétegből (NotebookLM, Deep Research) és enterprise platformból (Vertex AI). Ezt az oldalt úgy érdemes olvasni, mint rendszertérképet.
Mi ez valójában?
A Google AI-t nem érdemes egyetlen appként tanítani. A helyes mentális modell inkább az, hogy van egy központi modellréteg, és erre többféle termék- és workflow-réteg épül rá: kreatív, research, coding, Workspace és enterprise irányban.
Ettől lesz a rendszer egyszerre erős és könnyen félreérthető. A felhasználó gyakran ugyanazzal a szóval jelöli a Geminit, a Google AI Studio-t, a Vertex AI-t és a NotebookLM-et, miközben ezek teljesen más problémára készültek.
Ez az oldal az egész Google AI tér rendszertérképe — a modellrétegtől a kreatív toololkon át az enterprise cloudig. Ha kimondottan a Gemini-stackre kíváncsi vagy (chat, Workspace, NotebookLM, Vertex AI rétegek), azt a Gemini infrastruktúra oldalon találod részletesen.
A Gemini-stack részletes leírása külön oldalon él
Model layer, Gemini Apps, Workspace integráció, NotebookLM source-réteg, Vertex AI enterprise — mind egy helyen, rétegről rétegre.
Hogyan olvasd ezt az oldalt
Első jó Google-mentális modell
Ne egy terméket keress, hanem réteget
A Google AI világa nem egyetlen app. Először azt kell eldönteni, hogy modellre, kutatási felületre, Workspace-integrációra vagy enterprise platformra van szükséged.
Válaszd szét a modellt és a terméket
A Gemini modellcsalád nem ugyanaz, mint a Gemini app, és egyik sem ugyanaz, mint a Vertex AI. Ha ezt nem választod szét, rossz eszközt fogsz rossz feladatra használni.
A workflow-ból indulj ki
A kérdés ne az legyen, hogy melyik a legokosabb Google AI, hanem az, hogy kutatni, írni, meetinget összefoglalni, prototípust építeni vagy enterprise rendszert deployolni akarsz-e.
A nagy képből menj a részletek felé
Ez az oldal a térkép. Utána külön érdemes megnézni a Geminit modellként, a NotebookLM-et forrásalapú munkára, az AI Studio-t gyors fejlesztői kipróbálásra és a Vertex AI-t vállalati építkezéshez.
Mire jó ez a rendszerkép
Tipikus Google AI minták
Marketing és kreatív munka
A Veo 3.1 (4K videó, integrált audio), a Flow (egyesített kreatív workspace: képgenerálás Nano Banana 2-vel + videó + szerkesztés), a Stitch (AI UI design canvas, Figma-export) és a Vids (Workspace üzleti videó, AI avatarok) nem egyetlen app, hanem külön kreatív rétegek.
Fejlesztői munka
A Gemini CLI (1M+ fejlesztő), Jules, ADK, A2A és File Search együtt azt mutatják, hogy a Google AI fejlesztői oldalon már nem csak code assist, hanem agentes infrastruktúra felé megy. A Gemini CLI nyílt forráskódú és MCP-t is támogat.
Tudásmunka és kutatás
A Gemini app, AI Mode, Deep Research és NotebookLM nem ugyanazt csinálják. Van köztük gyors webes kutatás, source-grounded tanulás és Google-natív általános asszisztencia is.
Enterprise build
A Vertex AI és a Google Cloud réteg ott válik fontossá, ahol a cél már nem egyéni használat, hanem kontrollált, deployolható és szervezetileg menedzselt AI-rendszer.
Rendszerrétegek
Hogyan áll össze a stack?
Model layer
Itt élnek a Gemini modellek (3.1 Pro, 3 Flash, 3.1 Flash-Lite) és a Gemma nyílt modellek (Gemma 3, 27B-ig), valamint a Veo a videós oldalon. Ez az intelligencia rétege: reasoning, multimodalitás, 1M token kontextus, generálás.
App layer
A Gemini Apps, a Flow (egyesített kép+videó kreatív workspace), a Stitch (AI UI design canvas) és a Vids ezen a szinten jelennek meg. Ez az a réteg, ahol a felhasználó ténylegesen találkozik az AI-val.
Workspace layer
Gmail, Docs, Sheets, Slides, Drive, Meet és Chrome. Itt a Gemini nem külön app, hanem a meglévő munkafelületek fölé ül rá, és a napi munkát gyorsítja.
Research / knowledge layer
AI Mode, Deep Research, File Search és NotebookLM. Ez a réteg a keresést, retrievalt, groundingot és a forrásalapú tudásmunkát teszi rendszerré.
Cloud / enterprise layer
Vertex AI, Model Garden, Agent Builder (ADK + Agent Engine), deployment, lifecycle, evaluation és governance. MCP-szervereket (BigQuery, Maps, Compute Engine, Kubernetes Engine) is támogat. Itt a Google AI már nem személyes eszköz, hanem vállalati infrastruktúra.
A Google AI stack fő ágai
A Veo 3.1 az első mainstream videómodell 4K (3840×2160) támogatással. Integrált audio: a hang és kép közös diffúziós folyamatban készül, az ajakszinkron 120 ms alatt marad, a környezeti hangok reagálnak a vizuális környezetre. Az „Ingredients to Video" akár 4 referenciaképből generál jelenetet, és a karakter-identitás megmarad jelenetváltásokon át is.
A Flow 2026 márciusában egyesítette a Whisk, az ImageFX és a korábbi videós funkciók felületeit egyetlen workspace-be. Nano Banana 2 a beépített képgenerálás, Veo 3.1 a videómotor. Lasso tool-lal területre rajzolhatsz és természetes nyelven szerkeszthetsz („remove the man", „add koi fish"). A Workspace ügyfeleknek elérhető, YouTube-integráció 2026 végéig ígért.
A Vids a Workspace üzleti videó felülete: Veo 3.1-gyel működő AI-avatarok, 8 nyelv, cartoon és realisztikus stílusok. Nem kreatív stúdió, hanem prezentáció- és kommunikációs videók gyors készítőeszköze.
A legfontosabb Google AI rétegek
Gemini
A Google elsődleges modell- és apprétege. Itt érdemes megérteni a modellcsaládot, a multimodalitást, a hosszú kontextust és azt, hogyan jelenik meg a Gemini fogyasztói felületekben.
Gemini oldal megnyitásaGoogle AI Studio
A gyors fejlesztői kipróbálás és prototipizálás helye. Nem enterprise buildrendszer, hanem playground, prompt iteration és korai termékkísérletezés.
Google AI Studio oldal megnyitásaVertex AI
A vállalati és fejlesztői platformréteg. Modellek, Model Garden, evaluation, deployment, governance és integrációk — vagyis az a szint, ahol a Google AI rendszerré válik.
Vertex AI oldal megnyitásaNotebookLM
A source-grounded research és tanulási réteg. Nem csak a Gemini másik UI-ja, hanem külön terméklogika a saját forrásokra épülő munkához.
NotebookLM megnyitásaHogyan néz ki ez a gyakorlatban?
Kutatás és briefing
Egy elemző először AI Mode-dal és Deep Research-csel feltérképezi a témát, majd NotebookLM-ben a saját PDF-ekre, riportokra és meeting jegyzetekre épít grounded összefoglalót.
Workspace-alapú napi munka
Egy operációs vezető Gmailben draftol, Docsban szerkeszt, Sheetsben insightot kér, Meetben jegyzeteltet, és a Gemini ugyanannak a munkakörnyezetnek a részeként segít neki.
Dokumentumalapú tanulás
Egy oktató feltölti a forrásanyagokat NotebookLM-be, majd abból audio overview-t, quizt és összefoglalót készít. Itt a source grounding fontosabb, mint az általános chatkényelem.
Vállalati AI build
Egy fejlesztőcsapat AI Studio-ban kipróbál promptokat, majd Vertex AI-ban élesíti a modellt, File Search-csel RAG-réteget épít, és ADK-val saját agent workflow-t készít.
Mikor melyiket válaszd?
| Feladat | Jó választás | Miért |
|---|---|---|
| Gyors általános használat | Gemini | Ha kérdezni, összefoglalni, ötletelni vagy általános feladatra használni akarod. |
| Google appokon belüli napi munka | Workspace with Gemini | Ha Gmailben, Docsban, Sheetsben, Slidesban vagy Meetben dolgozol, és onnan akarsz AI-segítséget. |
| Forrásalapú kutatás és tanulás | NotebookLM | Ha saját dokumentumokból, jegyzetekből vagy deckekből akarsz grounded választ és hivatkozást. |
| Gyors fejlesztői kipróbálás | Google AI Studio | Ha promptot, modellt vagy multimodális ötletet akarsz gyorsan tesztelni platformépítés nélkül. |
| Enterprise build és deployment | Vertex AI | Ha a célnak governance, skálázhatóság, integráció és üzemeltethető AI-rendszer felel meg. |
Tipikus félreértések
A Gemini, a NotebookLM és a Vertex AI ugyanaz
Nem ugyanazok. A Gemini modell- és appréteg, a NotebookLM forrásalapú tudásmunka, a Vertex AI pedig enterprise platform és builder infrastruktúra.
A modell képessége és a termék képessége ugyanaz
Nem. Amit a modell tudhatna, azt nem biztos, hogy a konkrét felület, csomag vagy szervezeti beállítás elérhetővé teszi neked.
A Workspace összefoglaló automatikusan végleges
Nem. A Gmail, Docs, Meet vagy Drive összefoglalók gyorsítanak, de nem helyettesítik a szakmai review-t, különösen érzékeny tartalmaknál.
A Vertex AI csak fejlesztői chat
Nem. A Vertex AI modell-hozzáférés, evaluation, deployment, lifecycle és governance réteg — vagyis infrastruktúra, nem egyszerű beszélgetőfelület.