Databricks RADAR：用异常检测捕捉灰色故障

AIOps 将 AI 与机器学习应用于 IT 运维，用于检测异常、关联事件、定位根因并加速事件响应，从而降低宕机风险、减少告警疲劳并缩短 MTTR。该概念由 Gartner 于 2017 年提出，其核心组件包括数据摄取、数据归一化与增强、异常检测、事件关联、根因分析以及自动化与编排。AIOps 是对可观测性和 DevOps 的补充而非替代，高风险操作仍保留人工监督。

Databricks 的 Lakebase 在无服务器基础设施上运行 PostgreSQL，自动处理区域内的补丁、扩缩容、故障切换和备份，并支持 scale-to-zero、时间点恢复（PITR）、分支、pgvector 和 PostGIS。其自动扩缩容可实现比标准 Postgres 快 5 倍的写入速度，故障时直接替换无持久本地状态的计算节点。跨区域灾难恢复仍需客户自行管理恢复流程。

Databricks 发文指出，健康保险计划的 BI 报表只能显示 MLR（医疗赔付率）发生变动，却无法解释变动原因。文章探讨如何用 AI 从数据中定位 MLR 波动的驱动因素，弥补传统 BI 在归因分析上的不足。

Databricks 官方博客介绍营销团队使用 Genie One 的五种方式，指出营销团队手头已有campaign 表现指标和客户数据等数据资产，可用 Genie One 加以利用。

Databricks 发文讨论面向 AI 的数据治理，指出多数组织将治理等同于安全控制，而文章主张治理还应覆盖知识、上下文与本体层面。文章围绕 lakehouse 提出超越安全视角的治理思路，原文正文仅给出开篇部分。

Databricks 官方博客发布 Southern Company 的 SCOUT 风暴情报案例续篇，延续此前一篇对该公司相关实践的文章，补完风暴情报的整体故事。

Databricks 发文解释 AI Copilot 的概念：AI copilot 是直接嵌入软件应用中的 AI 助手。文章对这一概念给出了基础定义和说明。

Databricks AI Runtime 通过优化 PyTorch 训练流程，显著提升大规模训练效率，核心指标"goodput"成为衡量训练效率的关键。该方案在故障容错与性能之间取得平衡，减少因节点故障导致的训练中断与重启开销，从而提升整体吞吐量。适用于需要长时间稳定运行的大规模分布式训练场景。

Gary Marcus 引用 NYT 报道称 Trump 出于经济考虑淡化 AI 恐慌、抵制监管，并转发 Katie Bo Lillis 的报道，一份 AI 辅助情报报告因模型幻觉误判一艘中国船只运载核武部件，美军紧急拦截，据称"几乎引发战争"。

Ethan Mollick 撰文指出 GPT-6 Astra 和 Fable 5.1 已能可靠完成数周量级的人类工作，但大多数人远未用尽其能力，形成能力悬差。