Databricks 谈资本市场如何用受治理数据与 AI 现代化交易生命周期

Databricks 介绍如何让 Genie Agents 同时基于结构化数据与文档运行，且不牺牲治理能力。文章探讨了构建自动化简单业务任务的智能体虽易，但要在统一治理框架下融合两类数据源、确保安全合规地执行查询，仍需解决数据权限、血缘追踪与策略管控等关键问题。

Databricks 发文介绍能源团队如何借助 Genie 和 AI 业务流程，把窃电检测从单纯识别升级为受治理的行动。窃电指故意不付费使用燃气或电力，文章围绕这一场景展开。原文未披露具体模型版本、参数规模或性能数字。

Databricks 营销团队基于 Genie Agents 构建 AI 分析助手 Marge，让营销人员用自然语言提问、数秒内获得受治理的答案，数据用于决策的频率提升 3 倍。目前超过 85% 的营销组织在使用 Marge，使用量环比增长 50%，每月处理逾 800 个问题、累计回答超 5000 个，错误标记响应下降 25%，且未增加分析人员编制。

Databricks 发文介绍如何用 Lakeflow Connect 统一营销数据，这是该系列的第一篇文章。正文未披露具体连接器、数据源、性能数字或可用性信息。

Databricks 发文介绍在 Open Lakehouse 中统一跨引擎与目录治理的方案，延续其此前关于开放表格式、开放 API 与统一治理的讨论。文章聚焦如何让治理能力在不同引擎和目录之间保持一致，具体实现细节与数据未在摘要中披露。

Databricks 探讨了在客户面向应用中嵌入 AI/BI Dashboard 时，如何为每位查看者实施细粒度安全控制。文章聚焦于超越简单嵌入的权限管理方案，确保不同用户仅能访问其被授权的数据视图，并兼顾性能与合规要求。

Zepto 在 Databricks 和 MLflow 上构建评估优先的 AI 智能体，以支撑其快速增长的实时客户支持。该方法将评估作为开发核心环节，通过持续测试与迭代提升智能体可靠性。文章详述了其工程实践与落地路径，为同类大规模客服场景提供参考。

Databricks 介绍如何结合 Temporal 与 Lakebase 构建持久化 AI 智能体，以个人贷款审批场景为例，展示智能体在收集证据、应用策略及等待外部输入等环节中的状态保持与恢复能力。文章聚焦于架构设计与工程实践，而非发布新模型或产品。

Databricks 提出 LTAP 架构，打破数据库领域延续 40 年的 OLTP 与 OLAP 分离规则，将两类工作负载统一到单一系统。该方案由 Jonathan Katz 主导，旨在消除传统上事务处理与分析处理之间的数据复制和架构割裂，让同一份数据既能支撑实时事务又能进行复杂分析。LTAP 的核心价值在于简化数据栈，降低运维复杂度和端到端延迟。

Databricks 发文介绍如何通过专用 GPU kernel 生成实现极高效率。文章指出传统生产推理系统依赖通用 kernel 处理多样化负载，并探讨专用 kernel 的优化路径。