Databricks的野心與國(guó)產(chǎn)數(shù)據(jù)平臺(tái)的漫漫征途

“OpenAI為何將GPT的鑰匙交給Databricks？

如果你是老板，你的公司計(jì)劃接入AI，面對(duì)五花八門(mén)各有所長(zhǎng)的模型，你會(huì)怎么選？

性能要盡量高，成本要盡量低，操作起來(lái)越簡(jiǎn)單越好，對(duì)于想要快速高效地AI化的企業(yè)，推出一份合適的“套餐方案”，切中企業(yè)的需求痛點(diǎn)，在競(jìng)爭(zhēng)激烈的企業(yè)AI市場(chǎng)不失為上佳選擇。

近日，Databricks與OpenAI宣布建立多年期合作伙伴關(guān)系。Databricks稱(chēng)，1億美元合作協(xié)議助力OpenAI模型原生集成至Databricks數(shù)據(jù)智能平臺(tái)，惠及2萬(wàn)余家企業(yè)客戶(hù)。世界頂尖大數(shù)據(jù)公司與大模型公司宣布攜手，這不僅是一次商業(yè)合作，更是數(shù)據(jù)行業(yè)與AI行業(yè)巨頭公司為企業(yè)級(jí)AI未來(lái)發(fā)展方向規(guī)劃的藍(lán)圖。

OpenAI+Databricks，

如何完成1+1＞2？

Databricks與OpenAI的這項(xiàng)合作旨在簡(jiǎn)化企業(yè)智能體的部署，使企業(yè)能夠直接在其數(shù)據(jù)之上構(gòu)建AI應(yīng)用程序，主要應(yīng)用方式為以下幾點(diǎn)：

1.OpenAI的模型將與Databricks的AI開(kāi)發(fā)環(huán)境Agent Bricks緊密集成。這為企業(yè)提供了一個(gè)統(tǒng)一平臺(tái)來(lái)開(kāi)發(fā)、評(píng)估和擴(kuò)展智能體，而不需要進(jìn)行數(shù)據(jù)遷移等復(fù)雜操作。Databricks客戶(hù)能夠在其現(xiàn)有企業(yè)數(shù)據(jù)上運(yùn)行大語(yǔ)言模型，通過(guò)SQL或API訪(fǎng)問(wèn)，并通過(guò)內(nèi)置的治理和可觀(guān)測(cè)性控制安全地大規(guī)模部署這些模型。

這一模式實(shí)現(xiàn)了“讓模型找數(shù)據(jù)，而不是數(shù)據(jù)找模型”，從根本上降低了數(shù)據(jù)泄露的風(fēng)險(xiǎn)，同時(shí)也讓企業(yè)部署AI變得更加方便快捷，降低了客戶(hù)的部署成本。

2.合作的另一個(gè)關(guān)鍵組件是Databricks的Unity Catalog，它將被用于數(shù)據(jù)和AI模型的治理。Databricks表示，它可以幫助數(shù)據(jù)血緣追蹤、控制訪(fǎng)問(wèn)并在跨部門(mén)和地理位置擴(kuò)展AI部署時(shí)執(zhí)行合規(guī)性。可觀(guān)測(cè)性功能還幫助團(tuán)隊(duì)監(jiān)控性能、準(zhǔn)確性和安全性。

OpenAI擁有強(qiáng)大的模型能力，但沒(méi)有獲取企業(yè)數(shù)據(jù)的渠道，與Databricks的合作彌補(bǔ)了這一點(diǎn)，兩家公司構(gòu)筑了“模型+數(shù)據(jù)”的護(hù)城河，達(dá)成了雙贏。

這并不是Databricks第一次與大模型公司合作，今年3月，Databricks宣布與Anthropic達(dá)成合作，將Claude引入企業(yè)數(shù)據(jù)環(huán)境，這充分彰顯了Databricks未來(lái)的發(fā)展方向：建設(shè)多模型集成的數(shù)據(jù)平臺(tái)，在推進(jìn)企業(yè)級(jí)AI落地這一道路上穩(wěn)步前進(jìn)，多模型的集成也將是Databricks與同類(lèi)型數(shù)據(jù)平臺(tái)競(jìng)爭(zhēng)的關(guān)鍵優(yōu)勢(shì)。

AI競(jìng)賽核心轉(zhuǎn)變：數(shù)據(jù)+生態(tài)站上高地

大模型的訓(xùn)練從最開(kāi)始的不斷提升能力，迭代新版本，向外界秀肌肉，到今天模型能力已經(jīng)發(fā)展到一定階段，AI面臨著從縱向發(fā)展到橫向發(fā)展的轉(zhuǎn)變。如果說(shuō)提升模型能力是在建一座高樓，那現(xiàn)在就到了讓更多人住進(jìn)高樓里的階段，要將先進(jìn)的能力應(yīng)用到生產(chǎn)生活當(dāng)中。這時(shí)，用戶(hù)如何選擇模型，它考慮的是什么？這里以企業(yè)級(jí)AI的應(yīng)用場(chǎng)景為例來(lái)進(jìn)行說(shuō)明。

1.我知道你很強(qiáng)，但你怎樣為我所用？

分屬于不同行業(yè)的公司都有著一套專(zhuān)屬的方法論與公司數(shù)據(jù)沉淀，公司的運(yùn)作建立在這套系統(tǒng)之上，新員工進(jìn)入一家公司，需要經(jīng)歷一段時(shí)間的培訓(xùn)與學(xué)習(xí)，掌握了相關(guān)知識(shí)之后才能與同事協(xié)同工作。企業(yè)接入AI也是相同的情況，AI就像智商超高的天才員工，但它也不能立馬高效輸出。大模型使用公共數(shù)據(jù)進(jìn)行訓(xùn)練，接入到不同的企業(yè)里，如果不明白企業(yè)的工作邏輯，就無(wú)法發(fā)揮出它的真實(shí)水平。它能說(shuō)一口流利的普通話(huà)，但卻掌握不了各地的方言。橫亙?cè)诖竽Ｐ团c企業(yè)之間的，是“專(zhuān)有數(shù)據(jù)”的鴻溝，數(shù)據(jù)平臺(tái)的作用在此凸顯。

在企業(yè)的數(shù)據(jù)平臺(tái)之上接入大模型，將這些專(zhuān)有數(shù)據(jù)喂給大模型，它才能真正在企業(yè)運(yùn)作中發(fā)揮作用，在企業(yè)接入AI的路徑中，數(shù)據(jù)和模型缺一不可。如果在一個(gè)平臺(tái)上可以同時(shí)實(shí)現(xiàn)兩種功能甚至未來(lái)拓展到更多功能，無(wú)疑在企業(yè)AI的競(jìng)爭(zhēng)中擁有巨大的優(yōu)勢(shì)。

2.你很強(qiáng)，他也很強(qiáng)，我為什么選擇你？

以國(guó)內(nèi)大模型發(fā)展來(lái)看，可以算的上是百家爭(zhēng)鳴，各有所長(zhǎng)，如果說(shuō)年初DeepSeek的出現(xiàn)是國(guó)內(nèi)大模型界的奇兵，那到今天其實(shí)沒(méi)有哪家模型可以做到獨(dú)占鰲頭，大家有各自擅長(zhǎng)的領(lǐng)域，同時(shí)也有不足。作為企業(yè)決策者，應(yīng)該怎樣選擇呢？

上文我們已經(jīng)提到，企業(yè)AI落地需要數(shù)據(jù)與模型的集成，在兩者都為必需品的前提下，如果把兩者的能力集成到一個(gè)平臺(tái)上，相當(dāng)于為企業(yè)節(jié)省了大量的選擇成本與部署成本，直接向企業(yè)售賣(mài)組合套餐，增強(qiáng)競(jìng)爭(zhēng)力的同時(shí)也提高了不可替代性，當(dāng)我把雞蛋都放到同一個(gè)籃子里，要拿出其中一個(gè)所付出的成本，遠(yuǎn)比把雞蛋都單獨(dú)分裝大的多。構(gòu)建集成多種能力的AI基礎(chǔ)設(shè)施，打造“朋友多多”的生態(tài)圈，是Databricks的發(fā)展方向。

Databricks這樣做，我也能這樣做嗎？

上文講述了Databricks在企業(yè)AI上的布局及其背后揭示的AI競(jìng)賽下半場(chǎng)的重點(diǎn)，那么國(guó)內(nèi)的同類(lèi)型公司是否可以走相同道路呢？

答案是：邏輯可參考，路徑不同。

Databricks的戰(zhàn)略是與領(lǐng)先的通用大模型集成。首先，Databricks為什么能走這條路，最核心的要點(diǎn)在于，它本身是首屈一指的數(shù)據(jù)智能平臺(tái)公司，擁有龐大的客戶(hù)群體，而目前國(guó)內(nèi)暫時(shí)還沒(méi)有可以稱(chēng)得上能對(duì)標(biāo)Databricks的公司，Databricks與OpenAI集成，是“1+1＞2”，如果本身不具備與Databricks相同的能力與條件，自然就談不上可以復(fù)制它的道路。

其次，國(guó)內(nèi)大模型的發(fā)展與國(guó)外較大的不同點(diǎn)在于，國(guó)內(nèi)能力突出的幾家通用大模型，大部分都隸屬于大廠(chǎng)，字節(jié)的豆包、阿里的通義千問(wèn)、百度的文心一言、騰訊的元寶，這些大廠(chǎng)本身就擁有與模型相配套的數(shù)據(jù)平臺(tái)，基本不存在與單獨(dú)的數(shù)據(jù)平臺(tái)公司集成的可能，雖然我們也有非大廠(chǎng)的能力突出的大模型，比如DeepSeek、Kimi，但缺少可以稱(chēng)得上獨(dú)樹(shù)一幟的獨(dú)立數(shù)據(jù)智能平臺(tái)公司，如果你是B類(lèi)的數(shù)據(jù)智能平臺(tái)公司，那A類(lèi)的通用大模型公司自然也就沒(méi)有必要來(lái)與你合作。在此背景之下，國(guó)內(nèi)大部分的AI基礎(chǔ)設(shè)施市場(chǎng)基本都是大廠(chǎng)之間的爭(zhēng)奪。

獨(dú)立數(shù)據(jù)智能平臺(tái)公司路在何方？

獨(dú)立數(shù)據(jù)公司相比大廠(chǎng)而言資源與知名度都有所欠缺，在巨頭爭(zhēng)鋒之中，如何找到自己的路？國(guó)內(nèi)與Databricks同類(lèi)型的公司之所以不能效仿它的路徑，主要原因就是公司的體量與知名度都沒(méi)有達(dá)到可與Databricks媲美的程度。目前這個(gè)階段的主要任務(wù)依然是要提高市場(chǎng)占有率，在行業(yè)內(nèi)打出聲量。

1.針對(duì)不同客戶(hù)提供差異化、輕量化解決方案，以拓寬市場(chǎng)為先。面對(duì)中小企業(yè)客戶(hù)制定不同的解決方案，使客戶(hù)可以盡量低門(mén)檻、低成本地接入系統(tǒng)，不與大廠(chǎng)進(jìn)行直接競(jìng)爭(zhēng)，在中小企業(yè)賽道發(fā)力，考慮提供輕量化的解決方案，以提高市場(chǎng)占有率為主要目標(biāo)，走出自己的專(zhuān)屬賽道。

2.不追求“大而全”，在垂直賽道發(fā)力，提高不可替代性。不同的細(xì)分行業(yè)往往對(duì)于數(shù)據(jù)智能平臺(tái)不同模塊的功能有特殊需求，如金融行業(yè)與醫(yī)療行業(yè)強(qiáng)調(diào)速度與準(zhǔn)確性，科研項(xiàng)目強(qiáng)調(diào)大量非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)等，對(duì)于差異化場(chǎng)景制定專(zhuān)屬的解決方案，滿(mǎn)足通用平臺(tái)不能滿(mǎn)足的需求，在特定領(lǐng)域提高不可替代性，做到專(zhuān)而精，積累屬于自己的行業(yè)know-how。

3.與行業(yè)專(zhuān)屬大模型合作，推進(jìn)部署可開(kāi)箱即用的智能體。雖然無(wú)法復(fù)制與頂尖通用大模型合作的路徑，但背后包含的發(fā)展邏輯依然是相同的，可與特定行業(yè)的專(zhuān)屬大模型深度集成，做到細(xì)分領(lǐng)域的高精尖，推進(jìn)部署開(kāi)箱即用的智能體，精準(zhǔn)解決行業(yè)痛點(diǎn)。

目前國(guó)內(nèi)已有發(fā)展勢(shì)頭強(qiáng)勁的獨(dú)立數(shù)據(jù)智能平臺(tái)公司，如星環(huán)科技、九章云極等，星環(huán)科技已經(jīng)推出了針對(duì)金融、交通、醫(yī)療等垂直行業(yè)的解決方案，同時(shí)也擁有700多家生態(tài)合作伙伴；九章云極在GPU、CPU、服務(wù)器等領(lǐng)域均有廣泛的生態(tài)合作伙伴，可適配信創(chuàng)生態(tài)多元需求，同時(shí)也在高校科研、生物醫(yī)療等行業(yè)持續(xù)發(fā)力。

企業(yè)級(jí)AI已逐步走向成熟，從技術(shù)探索邁向了技術(shù)與業(yè)務(wù)深度融合的階段，智能體逐步參與到企業(yè)的日常工作中，AI基礎(chǔ)設(shè)施的市場(chǎng)空間依然廣闊，未來(lái)將成為企業(yè)不可或缺的數(shù)據(jù)基石。在AI基礎(chǔ)設(shè)施市場(chǎng)的競(jìng)爭(zhēng)中，大廠(chǎng)依然占據(jù)優(yōu)勢(shì)，但獨(dú)立公司也會(huì)擁有自己的一席之地。大模型界擁有神兵天降的DeepSeek，AI基礎(chǔ)設(shè)施領(lǐng)域也同樣值得期待。