AI平台新功能：ML工程智能体、深度学习平台及实时ML新能力

Databricks在2026年数据+AI峰会上宣布了其AI平台的多项重大更新，旨在简化和加速机器学习的全生命周期。这些新功能包括用于ML工程的Genie Code智能体、公开预览的AI Runtime无服务器GPU平台，以及针对实时ML的增强能力。

Genie Code for Machine Learning Genie Code现在升级为专门针对ML工程设计的智能体。它通过与Unity Catalog的深度集成，理解数据质量和业务语义，并利用MLflow掌握完整的ML生命周期。Genie Code能够自动进行特征工程（重用团队现有模式）、训练和调优生产级模型（自动选择CPU或GPU基础设施），并将模型从笔记本无缝部署到生产环境，同时保持治理。用户反馈表明，Genie Code将原始数据转化为受管的生产ML工作流的时间缩短至90分钟。

AI Runtime：湖仓一体中的研究级GPU平台 AI Runtime现已进入公开预览阶段，提供无服务器的按需NVIDIA GPU（A10和H100），用户只需2-3次点击即可配置笔记本并开始训练。它集成了强大的编排工具（Lakeflow Jobs和DABs），支持分布式训练优化（如RDMA和高性能数据加载），并通过MLflow和Unity Catalog提供集中治理和可观测性。该平台已被用于训练DBRX和KARL等基础模型，并帮助数百家客户将前沿AI从研究引入生产。

实时ML规模化：特征存储和模型服务 为了满足低延迟、高吞吐量的生产需求，Databricks推出了多项新能力：声明式特征工程（一次定义，自动实现训练和服务）、流式特征（基于事件流的实时特征）、高QPS模型服务（超过300K QPS，p99延迟低于10ms，无需手动调优）以及基于Lakebase的在线特征服务。此外，Genie Code现在支持ZeroOps for ML，可查询推理表、调试性能问题并进行根因分析。客户采用Databricks模型服务后，基础设施成本降低高达90%，p99和p50延迟提升2倍，并扩展到超过100K QPS的生产规模。

这些新功能共同实现了从实验到生产的简化路径，使组织能够以前所未有的速度构建、部署和扩展AI应用。