Databricks 用真实应用与 400 万段落实测 Lakebase Search 容量规划

Databricks 分享其让全部员工在模型发布首日即可试用新模型的内部流程，依托 Unity Gateway 做配置分发、治理与可观测性。流程分三步：立即以实验标签开放新模型、用四类按人预算控制成本、再依据内部基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下线。

Databricks 为 Lakebase Postgres 引入 LTAP 架构，将批量数据加载从主计算节点卸载到 Spark 分布式引擎，内部基准测试显示加载 1 TB 数据现在只需不到 5 分钟。

Databricks 博客指出，生物医学影像 AI 的真正瓶颈在数据而非模型：截至 2024 年中，FDA 授权的约 950 款 AI/ML 医疗器械中约 723 款（约 76%）为放射学工具，但数据锁在 PACS 等系统中难以查询。EXAM 研究（Nature Medicine，2021）中 20 家机构以联邦学习共享模型权重，AUC 平均提升 16%、泛化性提升 38%。

Databricks 在 Data & AI Platform 上推出主动式成本管理方案，通过成本归因、预算、告警、仪表盘和优化五大支柱，让团队在花钱前就设好护栏。

Apache Iceberg 社区为 Iceberg REST Catalog 推进两项新规范：read restrictions 与 catalog labels。

Databricks 博客梳理了营销与数据工程团队最常理解不一致的 24 个营销数据术语，围绕活动数据来源、客户身份、受众就绪、激活等五个实际问题展开。文章以“inactive customers”“real-time”等为例，说明同一术语在双方眼中的定义差异会直接影响构建内容、成本与上线时间，并建议在开工前先对齐含义。全部 24 个术语可通过可打印 PDF 获取。

Databricks 发布可导入 Notebook，支持在 SQL 中通过 ai_query 直接调用开源决策模型 SemIf-OpenJev，并返回结构化分类结果与选项概率。该流程借助 Serverless GPU 与 AI Runtime 自动下载模型、注册并创建 GPU Model Serving 端点，三步即可完成部署，示例用于将酒店评论分类为好评或差评。

Databricks 官方博客给出 5 个基于 system.billing.usage 与 system.billing.list_prices 的 SQL 查询，用于按产品、SQL Warehouse 和标签拆解账户支出，并识别异常花费。

Databricks 发布 Unity Catalog Pages，作为 Genie Ontology 中人工策展的语义层，用于存放业务术语、实体和缩写的权威定义，并按域与所描述的数据资产并列组织。

Databricks 推出 RADAR，一套四阶段、指标无关的灰色故障检测方案，由可靠性指标、异常检测、告警和根因分析组成，在其内部实现超过 90% 的精确率和快 95% 的故障发现速度。该系统采用无监督流式模型 SPOT，从过去 14 天数据学习正常基线，只需一个风险参数而无需手工设定阈值，可基于 Databricks 原生组件为计费、转化或模型性能等任意指标搭建。