ERGO Hestia 借助 Lakebase 和 Mosaic AI Model Serving 缩短上市时间

波兰领先的保险公司 ERGO Hestia 通过采用 Databricks Lakebase 和 Mosaic AI Model Serving，成功实现了其实时定价引擎的现代化改造。该公司将数据、特征和决策统一在一个湖仓原生平台上，实现了毫秒级的定价响应，同时大幅加快了新模型的上市速度，并通过 Unity Catalog 实现了统一的治理与合规管理。

此前，ERGO Hestia 的架构采用多跳模式，涉及外部 PostgreSQL 数据库和自定义适配层。随着业务规模增长，这种架构逐渐暴露出数据提取开销大、治理分散、模型部署速度慢以及数据新鲜度不足等问题。在监管严格的保险行业中，这些瓶颈严重制约了创新速度。

为了解决这些挑战，ERGO Hestia 与 Databricks 紧密合作，将定价引擎的核心组件迁移到湖仓一体架构。新架构以 Lakebase 作为在线特征存储，通过 Mosaic AI Model Serving 端点直接向定价引擎提供 API 访问，完全消除了外部数据库和适配层。Unity Catalog 统一了数据和模型的管理，确保了从训练数据到生产模型的完整可追溯性，满足了监管要求。

迁移过程采用分阶段策略以降低风险。第一阶段（概念验证，1-3周）在有限的数据端点上验证了架构，测试显示在每秒 40 个请求的高负载下，延迟仅为 20 毫秒，CPU 利用率低于 5%。第二阶段（生产部署，3-6周）从低关键性端点开始，逐步扩展到核心系统。第三阶段（流量拆分）将一半客户流量路由到新系统，在实际生产环境中验证了架构的稳定性和性能。整个迁移过程对客户零影响。

业务成果显著：模型上市时间从数周缩短到数天，运营复杂性大幅降低，因为不再需要维护外部数据库和自定义中间件。Unity Catalog 提供了自动化的审计轨迹和版本控制，确保了合规性。定价团队现在可以直接在 Databricks 生态系统中迭代模型，并实时响应市场变化，将定价从 IT 瓶颈转变为战略增长引擎。ERGO Hestia 的这一实践展示了湖仓一体架构在实时决策场景中的巨大潜力，为金融保险行业提供了可参考的现代化路径。