Databricks
PulseAugur coverage of Databricks — every cluster mentioning Databricks across labs, papers, and developer communities, ranked by signal.
- founded by Ali Ghodsi 100%
- founded by Matei Zaharia 100%
- founded by Ion Stoica 100%
- founded by Reynold Xin 100%
- developed Lakebase 95%
- developed Databricks Genie 95%
- developed Genie One 95%
- founded Databricks Marketplace 95%
- developed Genie ZeroOps 95%
- developed by Unity Catalog 90%
- uses Unity Catalog 90%
- used by Lakebase 90%
- 2026-07-09 product_launch Databricks adopts GLM-5.2 as its default coding engine. 来源
- 2026-07-06 product_launch Databricks launched Auto Upgrades, a new feature for Unity Catalog managed tables. 来源
- 2026-07-06 product_launch Databricks launched a new system for automating security alert triage using specialized agents. 来源
- 2026-07-01 product_launch Databricks has launched a new category of enterprise analytics called Decision Execution Platforms. 来源
- 2026-07-01 product_launch Databricks launched Lakebase, a new platform challenging traditional databases with AI-native scalability. 来源
- 2026-06-26 product_launch Databricks announced a new system for turning video into searchable, actionable intelligence using VLMs and serverless GPUs. 来源
- 2026-06-24 research_milestone Databricks was recognized as a Leader in Gartner's Magic Quadrant for AI Platforms for Data Science and Machine Learning, achieving the highest position in execution and furthest in vision. 来源
- 2026-06-22 product_launch Databricks released a practical guide on data engineering for AI. 来源
- 2026-06-17 partnership Databricks and NVIDIA are expanding their collaboration to deliver an end-to-end AI platform that accelerates model training, inference, and agentic AI development. 来源
- 2026-06-17 product_launch Databricks announced the expansion of its Free Edition with five new products, including Genie Code, serverless GPUs, Lakebase, Agent Bricks, and Lakeflow Designer. 来源
- 2026-06-17 product_launch Databricks announced new security and compliance features for its platform at the Data + AI Summit 2026. 来源
- 2026-06-16 product_launch Databricks launched its new AI coworker product, Genie One, at the Data + AI Summit. 来源
- 2026-06-16 product_launch Databricks launched its new AI agent, Genie One, at the Data + AI Summit. 来源
- 2026-06-16 product_launch Databricks announced App Spaces, Genie App Builder, and Serverless Micro Apps at the Data + AI Summit 2026 to enhance enterprise application development. 来源
- 2026-06-16 product_launch Databricks launched a GenAI cost calculator to help businesses understand AI expenses. 来源
27 天有情绪数据
-
美国政府对AI模型发布的审批流程缺乏明确性
美国政府批准OpenAI的Sol等先进AI模型公开发布的流程，对许多行业专家和观察人士来说仍然不清楚。尽管OpenAI最近推出了Sol，该模型可与Anthropic的Fable模型相媲美，但关于政府的评估标准和与AI实验室的决策对话的细节却很少。虽然一项行政命令已为尖端模型的评估勾勒出路线图，但具体要求和负责机构仍在确定中，导致采取了临时性的方法。
-
Databricks Genie 推出，支持自然语言数据查询
Databricks 已将其对话式分析平台 Databricks Genie 正式推出并扩展为一个产品系列。Genie 允许业务用户使用自然语言查询企业数据，无需具备 SQL 专业知识。该平台利用大型语言模型将简单的英语问题转化为 SQL 查询，为非技术用户提供了一种更易于访问的数据洞察方式。
-
Databricks 采用中国 GLM-5.2 作为默认编码引擎，取代 Opus
Databricks 已将中国的开源模型 GLM-5.2 确定为其默认编码引擎，发现其在编码任务上的性能与 Anthropic 的 Opus 4.8 相当。此次更换的驱动力在于 GLM-5.2 每项任务的成本显著降低，使其成为日常运营中更经济的选择。Databricks 的内部基准测试表明，公司应自行开发性能评估，而不是仅仅依赖公开基准测试，因为目前没有哪个单一提供商在人工智能领域占据主导地位。
-
OpenAI、Anthropic 和开源模型的编码代理在 Databricks 代码库上领先
对 Databricks 大型代码库上的编码代理进行的最新分析显示，编码任务的帕累托前沿包括来自 OpenAI、Anthropic 和开源替代品的模型。这表明，在给定成本下获得最佳质量，这些多样化的选择目前是最有效的。该研究强调，在编码任务中取得最佳结果并不完全依赖于专有的、高成本的模型。
-
Databricks 提供从 Azure Synapse 迁移到 Lakehouse 的指南
Databricks 发布了一份指南，指导用户从 Azure Synapse 迁移到其统一的 Databricks Lakehouse 平台。该博文详细介绍了将数据、代码和工作负载从 Synapse 的各种组件（如 Dedicated SQL、Serverless SQL 和 Spark Pools）迁移的分阶段方法。此次迁移旨在通过整合治理和工具来简化运营、降低成本并为未来的 AI 和机器学习工作负载做好准备。
-
Databricks MCP 安全：通过正确的 OAuth 授权验证 Claude 的访问权限
本文解释了如何验证 Databricks 机器学习计算平台 (MCP) 设置的安全性，重点关注 OAuth 授权类型的正确实现。文章强调，“限制 Claude 的操作，而非您的访问权限”的说法只有在正确配置 OAuth 授权类型的情况下才准确，并暗示如果配置不当可能存在安全漏洞。
-
Graphify学会解析Databricks笔记本
Graphify项目正在开发解释Databricks笔记本的能力，这些笔记本基于Jupyter笔记本格式。这项工作是源于一个更大型项目的次要目标，该项目专注于构建一个LinkedIn分析工具。
-
Databricks 旨在通过新的 LTAP 基础设施弥合 AI 代理与业务之间的差距
Databricks 致力于弥合 AI 代理与业务理解之间的差距，正如在其 Data + AI Summit 2026 上所强调的那样。一项重要公告是 Lake Transactional/Analytical Processing (LTAP)，这是一项旨在统一 Databricks Lakehouse 内的操作和分析数据的基础设施开发。这旨在消除对复杂数据管道的需求并确保数据一致性。
-
帝国理工学院利用 Databricks 数据平台加强痴呆症研究
帝国理工学院已将其痴呆症研究平台现代化，将物联网、临床和研究数据整合到一个可扩展的分析环境中。这个使用 Databricks 构建的新架构将运营和分析工作负载分开，通过 Unity Catalog 增强数据访问，并简化了非技术用户的探索过程。该平台已将数据集成时间从六个月显著缩短到一个月，从而加速了模型开发并改善了痴呆症患者的护理。
-
Amazon QuickSight 将业务上下文集成到数据集中，并通过新的 Topic 功能统一多个数据集
Amazon QuickSight 正在通过两项新功能增强其数据管理能力：数据集丰富 (Dataset Enrichment) 和多数据集 Topics (multi-dataset Topics)。数据集丰富允许将业务上下文（如列描述和同义词）直接嵌入到数据集中，从而创建单一事实来源。现在处于公开预览版的多数据集 Topics 允许用户在单个 Topic 中定义多达 12 个数据集之间的关系，使 AI 驱动的聊天代理能够遍历这些关系…
-
The Register 称，AI 代理需要数据邻近性以获得最佳性能
The Register 强调了 AI 代理直接访问数据日益增长的需求，摆脱孤岛式系统。这种被称为“代理时代”的方法，强调将智能和数据置于同一位置以实现高效运行。Snowflake、Databricks、Microsoft、AWS 和 Google Cloud 等多家科技巨头在支持这种以数据为中心的 AI 战略的背景下被提及。
-
Barracuda 使用 Databricks Genie 进行 AI 安全日志分析
Barracuda 已将 Databricks 的 Genie AI 技术集成到其 Managed XDR 服务中，使安全分析师能够使用自然语言查询日志，而非 SQL。这项新功能“AI 驱动的日志搜索”允许任何团队成员快速查找来自 WatchGuard、Fortinet、Palo Alto、Microsoft 365 和 AWS 等各种供应商的、不同格式的安全日志信息。该系统利用 Databricks 的 Unity Catalog …
-
Databricks 自动升级在无需手动干预的情况下增强 Unity Catalog 表
Databricks 推出了自动升级（Auto Upgrades）这一新功能，旨在自动将最佳实践增强功能应用于 Unity Catalog 管理的表。该系统在启用行跟踪（Row Tracking）等功能之前会验证工作负载兼容性，旨在无需手动干预即可提高性能、可靠性和节省成本。自动升级会观察表访问模式，验证客户端和表兼容性，然后安全地应用更改，未来还计划将兼容性检查扩展到外部客户端。
-
Databricks 推出 Vibe Data Modeling，以自动化 Silver 层数据模型
Databricks 推出了 Vibe Data Modeling，这是一个由 LLM 驱动的代理，旨在自动化创建分析性 Silver 层数据模型。这个新工具旨在显著缩短所需时间，将通常需要数月或数年才能完成的项目转化为数小时内即可完成的流程。Vibe Data Modeling 直接从明文业务描述生成模型，确保相关性，并包含 251 条可执行规则和双架构师验证，以在部署到 Unity Catalog 之前确保可信度。
-
Databricks 使用专用代理自动化安全警报分类
Databricks 开发了一个使用专用代理的系统，用于自动化低优先级安全警报的分类，这项任务由于数量庞大而常常被人工分析师忽略。该系统采用了 17 个不同的代理，每个代理都针对特定的警报来源进行训练，并在 Spark Structured Streaming 上实时运行。该方法包括一个专门的威胁情报代理用于丰富信息，使得这些低优先级警报的真实阳性率提高了 10 倍，并在第一个月节省了超过 6,500 小时分析师的工作时间。
-
Databricks 平台简化端到端 AI 工作流
Databricks 被重点介绍为一个促进全面 AI 工作流的平台，超越了单一的机器学习模型。文章强调了它在管理 AI 项目整个生命周期中的作用，从数据准备到部署和监控。这种方法旨在简化 MLOps 流程，确保 AI 开发的效率和可扩展性。
-
Databricks 统一 OLTP 和 OLAP 工作负载并集成 AI · 跟踪 3 个来源
Databricks 推出了一个新的统一平台，旨在处理事务性 (OLTP) 和分析性 (OLAP) 工作负载，以简化组织的数据管理。这种集成允许单个系统管理多样化的数据需求，可能降低复杂性和成本。该平台还集成了 AI 功能，尽管其中一些功能（如 Collabora 的 CODE 中的功能）是可选的。
-
Databricks 概述了实现AI业务影响力的3个关键问题
企业日益认识到AI的业务潜力，绝大多数企业已在探索其应用。为了超越初步实验并实现切实的影响，组织必须回答三个关键问题。这些问题侧重于定义清晰的业务目标、确保必要数据的可用性以及建立强大的AI部署治理框架。
-
游戏新闻汇总：新发布、工作室成立和流媒体热门
Relic Entertainment宣布推出《英雄连3：最终防线》（Company of Heroes 3: Final Stand），这是一款新的独立Roguelite波次防御游戏，适用于PC。另外，一位前《使命召唤》的开发者成立了一家新工作室，其使命是开源表现不佳的游戏。在流媒体新闻方面，Curry Barker的惊悚恐怖片《痴迷》（Obsession）已成为VOD热门，登上Apple TV榜首。最后，随着AI采用开始产生切实的…
-
AI 摘要淡化酒店投诉；Databricks 讨论 GPU 可靠性
一项调查发现，Tripadvisor 酒店评论的 AI 摘要倾向于忽略严重投诉，例如性骚扰和卫生问题指控。此外，Databricks 讨论了其在分布式 AI 训练环境中保持 GPU 可靠性的策略，并强调 GPU 训练在行业中日益常态化。