ERGO Hestia 是波兰领先的保险公司之一，其定价平台支持超过 100 个模型和 1,000 个变量，并以毫秒级定价和行业领先的执行速度著称。然而，随着数据量增长和模型迭代加速，原有的多跳架构——数据从 Databricks 导出到外部 Azure PostgreSQL，再经过适配器层缓存后供定价引擎使用——逐渐成为性能与敏捷性的瓶颈。
该架构带来了三大挑战：运维复杂性高，需要维护外部数据库和自定义适配器层，提取作业负担沉重；模型部署速度受限，更新需在非高峰时段协调进行；数据新鲜度不足，大批量数据摄入会导致外部服务层延迟飙升 10 到 20 倍，迫使数据刷新只能安排在定时批处理窗口。在监管严格的保险行业，这种碎片化还带来了治理风险。
为了支持实时 B2C 定价能力，ERGO Hestia 与 Databricks 合作，基于 Lakebase 和 Mosaic AI Model Serving 构建了新一代实时定价平台。新架构围绕三个核心支柱：
首先，使用 Lakebase 作为统一数据服务层。Lakebase 在 Delta 表之上提供关系型事务层，通过 Sync Tables 实现处理数据与 serving 层之间的持续自动同步，消除了手动编排和外部提取作业，形成了湖仓内的单一事实来源。
其次，通过 Model Serving 端点直接提供 API 访问。定价引擎的请求直接发往 Model Serving 端点，不再经过中间应用、缓存层和外部数据库，请求在毫秒内返回，大大简化了架构。
第三，利用 Model Serving 实现高速度生态集成。模型首先记录在 MLflow 中，优胜版本注册到 Unity Catalog，然后通过专用端点暴露。定价专家可以同时运行多个模型版本进行 A/B 测试和回归测试，整个生命周期与底层数据源原生连接，并通过 Unity Catalog 获得完整的血缘追踪和治理控制。
迁移采用分阶段策略以降低风险。第一阶段（第 1-3 周）进行概念验证，团队选择了一个低风险的数据端点，将现有的 Delta 表同步到 Lakebase 并通过 Model Serving 端点暴露。性能测试结果远超预期：在高负载 40 请求/秒下，延迟仅为 20 毫秒，CPU 利用率低于 5%。这消除了架构风险。
第二阶段（第 3-6 周）开始生产部署，从低关键性端点逐步扩展。每个端点迁移后都表现出完美的一致性、稳定的性能和更少的自定义组件， stakeholder 信心随之增强，迁移速度加快。
第三阶段实施流量分割：一半客户流量走旧系统，一半走新系统，在实际生产环境中验证了新系统的稳定性和性能，同时确保定价业务零中断。
业务成果显著：模型上市时间大幅缩短，定价专家可以直接在 Databricks 生态内部署模型，并与最新生产数据自动同步，快速响应市场变化；运维复杂性被架构简单性取代，移除了外部 PostgreSQL 和适配器层，统一治理于 Unity Catalog，工程团队可以将精力从维护中间件转向模型创新；在合规方面，所有定价数据和模型统一在 Unity Catalog 下，自动获得审计追踪、版本控制和访问控制，满足监管机构对决策可追溯性的要求。
通过这一转型，ERGO Hestia 将定价从 IT 瓶颈转变为战略增长引擎，能够更快地交付新定价模型，即时响应市场条件，并端到端证明每一次决策。