Unity Catalog
PulseAugur coverage of Unity Catalog — every cluster mentioning Unity Catalog across labs, papers, and developer communities, ranked by signal.
- uses Delta Lake 90%
- used by Unity AI Gateway 90%
- uses Unity AI Gateway 90%
- used by Databricks Genie 90%
- used by Agent Bricks 90%
- developed Unity AI Gateway 90%
- used by Genie Agents 90%
- used by DuckDB 90%
- instance of Databricks Lakehouse 90%
- used by Genie Code 90%
- affiliated with Unity AI Gateway 70%
- used by Delta Lake 70%
10 天有情绪数据
-
Databricks通过新功能简化SQL到Lakehouse的迁移
Databricks推出了新的SQL功能，旨在简化遗留数据仓库存储过程到其Lakehouse平台的迁移。这些增强功能旨在减少在Python和Apache Spark等语言中进行昂贵重写的需求，使SQL开发人员能够以最小的改动维护其现有的业务逻辑。关键改进包括对临时表和游标的支持，直接解决了常见的迁移障碍，并实现了与Unity Catalog等工具的更好集成，以增强治理和可发现性。
-
Databricks 通过 SQL 将 AI Functions 集成到数据仓库中
Databricks 推出了 AI Functions，这是一项新功能，允许用户使用标准的 SQL 查询将 AI 模型直接集成到他们的数据仓库中。这种方法无需单独的笔记本、API 或复杂的数据管道，使用户能够与结构化数据一起处理 PDF 和客户反馈等非结构化数据。AI Functions 旨在简化文档智能、情感分析、内联翻译、分类、销售通话数据提取和生成式草稿等任务，所有这些都在 Databricks Lakehouse 环境中通过 …
-
苏格兰水务公司通过 Databricks Genie 使资本投资数据实现对话化
苏格兰水务公司已实施 Databricks Genie，以改变其资本投资数据的访问方式。此前，团队在查找零散报告中的信息时遇到困难，或依赖数据专家。现在，通过一个名为 SPARK 的对话界面，该界面集成了 Microsoft Teams 和 Copilot，用户可以通过简单的英语提问，并获得通过 Unity Catalog 治理的数据提供的即时、可信赖的答案。该解决方案通过从静态报告转向交互式数据对话，减少了摩擦，加速了决策制定，并促…
-
Databricks 估值 1900 亿美元，伴随 AGI 论调和 50 亿美元融资
Databricks 已获得 50 亿美元新融资，公司估值达到 1900 亿美元。这一显著估值之际，CEO Ali Ghodsi 声称，基于 2022 年前的行业定义，通用人工智能 (AGI) 已经实现。公司计划利用这笔资金拓展其 AI 业务，重点关注其用于工作负载路由和成本控制的 Unity AI Gateway、Lakebase 数据库以及用于企业上下文访问的 Genie 平台等领域。
-
Databricks 通过事件驱动架构将网络配置延迟降低 97.5%
Databricks 已重新设计其网络配置交付系统，以应对其无服务器计算平台的巨大规模。新的事件驱动架构在后台预先计算网络配置，将 RPC 延迟降低了 97.5%，并将可用性提高到 99.99%。此更改显著减少了上游服务的负载，并确保了 AWS、Azure 和 Google Cloud Platform 上数据和 AI 产品的更快的 VM 启动时间。
-
Amtrak 构建由 AI 驱动的数据主干以实现重大铁路转型
Amtrak 正在实施一个名为 Rail Intelligence 的综合性数字智能平台，该平台基于 Databricks 构建，以支持其 50 多年来最重大的运营转型。该平台旨在将来自新列车组、预订系统和基础设施项目等各种来源的数据统一到一个单一的治理层中。目标是通过利用实时数据和机器学习模型，实现预测性维护，提高运营准备能力，并改进资本决策。
-
Databricks Genie Code 自动化货运铁路数据管道创建
一家主要的加拿大货运铁路公司通过实施Databricks的Genie Code和Unity Catalog，显著加快了其数据管道现代化进程。这种新方法自动化了生产级摄取代码的生成，将创建新表的时间从几天缩短到几分钟。通过将企业惯例和业务逻辑直接嵌入自动化流程，该公司实现了超过90%的新表摄取自动化，从而能够高效地扩展其数据资产现代化。
-
Databricks 通过 Unity Catalog 将 AI Agents 植根于数据治理
Databricks 推出了 Genie Agents，这是一项旨在整合结构化数据和非结构化文档以获取人工智能驱动的洞察力的新功能。一个关键特性是这些代理在最终用户的凭据下运行，并利用 Databricks 的 Unity Catalog 进行治理。这种方法确保数据访问由现有的身份和权限控制，而不是依赖 AI 模型本身作为安全边界。该系统支持与 Microsoft Entra ID 和 Okta 等提供商进行自动身份管理，从而在用户角…
-
Databricks 集成了 Moonshot AI 的 Kimi K3 以供企业使用
Databricks 已将 Moonshot AI 的开放权重模型 Kimi K3 集成到其 Unity AI Gateway 中。此次集成允许企业将 Kimi K3 与 Anthropic 的 Claude、OpenAI 的 GPT 和 Google Gemini 等专有模型一起使用，从而提供更大的选择和控制权。Kimi K3 在企业任务上的表现已与领先的专有模型相媲美，而成本显著降低，并通过 Databricks 的 Unity …
-
Databricks 推出 Unity AI Gateway 以实现统一的 AI 治理和成本控制
Databricks 宣布其 Unity AI Gateway 已正式可用，该平台旨在帮助企业管理 AI 成本、控制访问权限，并确保跨各种 AI 代理和资产的安全性。该网关提供统一的 AI 治理，允许组织监控 AI 支出、设置预算，并通过智能路由等功能优化模型使用，智能路由可为每项任务动态选择最具成本效益的模型。Rivian、Asana 和 Edmunds 等公司已在使用该网关，去年处理了超过一千万亿个 token。
-
Databricks 将 Lakebase 与 Backstage 集成，实现统一的 FinOps 和治理
Databricks 详细介绍了如何将其 Lakebase 与 Backstage 平台集成，重点关注 FinOps 和数据治理。该解决方案涉及使用 Databricks Lakehouse Federation 将来自 Backstage 的 PostgreSQL 数据库的运营所有权数据与存储在 Unity Catalog 中的分析计费数据进行联接。此集成允许通过单一查询按基础设施所有权跟踪云支出，克服了计算和数据治理之间的传统分离。
-
Databricks AI Gateway 替代方案：TrueFoundry 领跑平台无关选项
Databricks Mosaic AI Gateway 为 Databricks 生态系统内访问 LLM 提供了一个统一的端点，提供速率限制和 PII 保护栏等功能。然而，跨多个云或 Databricks 外部运行的团队正在寻找提供平台无关性的替代方案。TrueFoundry 被列为首选替代方案，它提供了一个支持广泛 LLM、代理治理和深度可观测性的自托管网关。其他选项包括 LiteLLM，一个具有广泛模型覆盖的开源代理；以及 Po…
-
Databricks 推出可扩展代理式媒体购买平台
Databricks 推出了一个旨在实现代理式媒体购买的新平台，解决了目前阻碍行业可扩展性的协调挑战。该解决方案侧重于为自主买方和卖方代理提供必要的基础，包括受管数据、交易状态、身份管理和可观察性。该平台旨在通过利用 AI 代理和开放标准来简化媒体购买流程，将其从手动协调转向战略决策。
-
Databricks MCP 服务器授予 AI 代理直接访问 Lakehouse 的权限
Databricks 发布了一款新工具 Databricks MCP 服务器，它允许 Claude 等 AI 代理直接访问和交互用户的数据 Lakehouse。此次集成支持对话式执行 Notebook、针对 Delta Lake 的 SQL 查询、计算资源管理以及数据沿袭和 MLflow 工件的检查。该工具旨在通过允许代理查询数据、检查作业状态和提取见解，而无需手动干预，从而简化数据分析和工程的 AI 工作流。
-
Microsoft Foundry 和 Databricks Genie 集成以实现受管 AI 代理
Microsoft Foundry 和 Databricks Genie 已合作推出一种与 Unity Catalog 集成的新代理模式。此次合作旨在使业务用户能够使用自然语言查询数据，并获得受管且可审核的答案。此次集成允许直接通过 Microsoft Teams 等平台访问复杂的数据分析和见解。
-
FDA实现85%员工采用新AI平台
美国食品药品监督管理局（FDA）成功推出了其企业级AI平台ELSA，在两个月内实现了16,000名员工中85%的采用率。该平台基于Databricks的Halo基础构建，并利用Unity Catalog进行治理，整合了来自八个先前孤立中心的的数据。员工现在不仅使用ELSA进行基本查询，还用它来构建自定义AI代理，自动化工作流程，并将研究时间从几天缩短到几分钟。
-
Databricks 通过 AWS IAM 委派简化 Amazon S3 数据连接
Databricks 推出了一种更简化的流程，用于将 Amazon S3 数据连接到其平台，显著降低了设置外部位置的复杂性。以前，这需要复杂的 IAM 策略和跨控制台配置，但新的流程利用了 AWS IAM 临时委派。这使得 Databricks 能够自动配置具有最小权限的必要资源，从而增强了安全性并简化了数据摄取和分析工作流。
-
陶氏公司利用 Databricks 构建碳账本以追踪产品排放
陶氏公司（Dow）已开发出碳足迹账本（Carbon Footprint Ledger, CFL），利用 Databricks 数据智能平台来简化其广泛产品组合的产品碳足迹（Product Carbon Footprints, PCFs）的计算。该系统构建在 Apache Spark 和 Delta Lake 等技术之上，将处理时间从数周大幅缩短至一小部分，同时确保数据沿袭和可审计性。CFL 的设计符合 ISO 14067 和 GHG …
-
Databricks 通过受管的研发数据上下文层赋能 AI 智能体
Cellcentric 在 Databricks 上开发了一个“数据中心”，作为研发数据和 AI 应用的受管上下文层。该平台将来自各种来源的零散研发数据整合为统一的、面向 AI 的格式，显著加速了复杂的调查。该系统使用 Unity Catalog 和 Lakehouse Federation 为人类用户和 AI 智能体提供单一接口，重点关注数据质量和附加的上下文。
-
Databricks 推出内部数据和 AI 市场，支持 Discover 和 Domains
Databricks 推出了其新的 Discover 和 Domains 功能的公开预览版，旨在创建数据和 AI 资产的内部市场。Discover 允许用户查找可信赖的数据和 AI 资源，而 Domains 提供业务背景信息，帮助代理和用户理解资产的相关性和可靠性。这些功能由 Unity Catalog 提供支持，旨在通过围绕业务结构组织资产来改进数据治理和 AI 代理性能。