Databricks 谈智能体营销：如何把客户上下文连到可衡量的 ROI

Databricks 为 Lakebase Postgres 推出基于分支的恢复机制，将恢复时间从数小时降至秒级，即使数据库规模达 100 TB。该架构将计算与存储解耦，数据库历史已存于对象存储中可直接引用，恢复只需在指定时间戳创建分支这一元数据操作，无需拷贝数据或重放 WAL。

Databricks 宣布 IP Functions 正式 GA，把 IP 地址分析变成 Lakehouse 上的一等公民 SQL 工作负载，安全团队可在同一治理模型下解析、富化和分析海量 IP 数据。

Databricks 推出新的 AI Function ai_decide（Beta），由 TypeSafe AI 的 Jev 决策模型驱动，对文本评估一个或多个问题，在几分之一秒内返回概率、命名标准中的选项或有序量表评分，延迟和成本低于 LLM。

Databricks 发布 Lakebase Search，为 Lakebase Postgres 带来 lakebase_vector（可扩展近似最近邻搜索）和 lakebase_text（BM25 全文搜索）两个扩展，已在 AWS 和 Azure 正式可用。

Databricks 宣布 Genie One MCP 服务器正式向所有用户开放，让任意 Agent 通过统一接口获取 Genie One 的结构化与非结构化数据、洞察和答案，并以 Genie Ontology 作为受治理的业务上下文基础。

Databricks 正式发布（GA）Genie One MCP，将 Genie Ontology 中的已批准指标定义、数据关系、来源权威性和权限控制接入 ChatGPT、Claude、Microsoft Copilot、Claude Code 等 MCP 兼容助手。

评估 AI 智能体数据库的 5 项标准包括分支隔离（branch isolation）与 serverless 等。该评估框架用于判断数据库是否适合承载 AI 智能体工作负载。

Databricks 提出 Genie Ontology，主张企业不必手工建模全部业务概念，而是"治理头部、学习长尾"：人工定义收入、合规规则、核心 KPI 等不能出错的概念，其余从组织实际运作中持续学习。其内部测试中，一个 AI 助手为产品顾问委员会生成简报时声称有 24 家客户参与，被追问后承认该数字是编造的。

Databricks 产品营销负责人 Richard Tomlinson 解释，AI analytics 与传统 BI 的关键差异在于由系统而非人完成分析路径：从仪表盘展示已测指标，到对话式提问，再到智能体自主调查。它依赖受治理的数据、共享业务上下文、权限感知执行和可验证证据四项条件，仅靠更强的模型无法实现。

Databricks 推出 Adaptive Instructed-Retriever，在保持前沿级搜索质量的同时将延迟降低 2 倍。该检索器面向企业数据智能体设计，兼顾准确性与速度，旨在解决此前检索方案在精度与响应时间上的权衡问题。