AI平台新功能：ML工程智能體、深度學習平台及實時ML新能力

Databricks在2026年數據+AI峯會上宣佈了其AI平台的多項重大更新，旨在簡化和加速機器學習的全生命週期。這些新功能包括用於ML工程的Genie Code智能體、公開預覽的AI Runtime無服務器GPU平台，以及針對實時ML的增強能力。

Genie Code for Machine Learning Genie Code現在升級為專門針對ML工程設計的智能體。它通過與Unity Catalog的深度集成，理解數據質量和業務語義，並利用MLflow掌握完整的ML生命週期。Genie Code能夠自動進行特徵工程（重用團隊現有模式）、訓練和調優生產級模型（自動選擇CPU或GPU基礎設施），並將模型從筆記本無縫部署到生產環境，同時保持治理。用户反饋表明，Genie Code將原始數據轉化為受管的生產ML工作流的時間縮短至90分鐘。

AI Runtime：湖倉一體中的研究級GPU平台 AI Runtime現已進入公開預覽階段，提供無服務器的按需NVIDIA GPU（A10和H100），用户只需2-3次點擊即可配置筆記本並開始訓練。它集成了強大的編排工具（Lakeflow Jobs和DABs），支持分佈式訓練優化（如RDMA和高性能數據加載），並通過MLflow和Unity Catalog提供集中治理和可觀測性。該平台已被用於訓練DBRX和KARL等基礎模型，並幫助數百家客户將前沿AI從研究引入生產。

實時ML規模化：特徵存儲和模型服務 為了滿足低延遲、高吞吐量的生產需求，Databricks推出了多項新能力：聲明式特徵工程（一次定義，自動實現訓練和服務）、流式特徵（基於事件流的實時特徵）、高QPS模型服務（超過300K QPS，p99延遲低於10ms，無需手動調優）以及基於Lakebase的在線特徵服務。此外，Genie Code現在支持ZeroOps for ML，可查詢推理表、調試性能問題並進行根因分析。客户採用Databricks模型服務後，基礎設施成本降低高達90%，p99和p50延遲提升2倍，並擴展到超過100K QPS的生產規模。

這些新功能共同實現了從實驗到生產的簡化路徑，使組織能夠以前所未有的速度構建、部署和擴展AI應用。