XNews

Databricks AI战略与GPT-6 Astra全面部署观察

Databricks AI战略与GPT-6 Astra全面部署观察

Databricks首席执行官Ali Ghodsi表示,AI存在风险接近于零,并指出真正的威胁是AI驱动的网络攻击。联合创始人Patrick Wendell报告称,全面部署GPT-6 Astra使编码成本增加了60%,但提升了复杂任务的处理能力,从而催生了基于预算的模型路由策略。该公司通过网关进行实验性部署和成本治理。

Key insights

CEO否认AI存在风险,警告网络威胁

Databricks首席执行官Ali Ghodsi认为,AI存在风险“接近于零”,恐吓公众会造成实际伤害。他举例说明恐慌情绪如何蔓延至非技术人员。相反,真正的近期威胁是AI驱动的网络攻击:从CVE到武器化的时间已从2-3年缩短至数小时。他呼吁建立自动化防御系统,因为人类安全运营中心团队无法跟上节奏。

对“控制前沿”叙事的批评

a16z合伙人Martin Casado批评Anthropic的“控制前沿”框架是公关失误。他认为安全是工程问题,而非速度问题,并且实验室因持续竞赛而缺乏可信度。正确的框架应是“守护前沿”。Ghodsi补充了“公地悲剧”视角:由于竞争和IPO压力,没有实验室会单方面放慢速度。

递归自我改进(RSI)的四个条件未满足

Ghodsi提出了RSI的四个条件:(1)训练计算成本下降,(2)训练时间缩短,(3)智能持续提升,(4)循环重复。他观察到相反情况:训练成本从约1亿美元升至50-100亿美元,复杂性增加,训练失败常见。Casado指出,90%所谓的RSI实际上是“自催化效应”——用AI编写GPU内核或清理数据——这对通用技术而言是正常的。

GPT-6 Astra部署:成本增加与能力分布

Databricks联合创始人Patrick Wendell报告称,全面部署GPT-6 Astra使整体编码成本增加了60%。能力提升集中在高复杂度任务(系统设计、长周期任务),而简单任务因饱和未见改进。这意味着企业应根据任务复杂度而非整体基准评估模型。成本增加是杰文斯悖论:更好的工具驱动更多使用。

部署方法:网关与队列实验及预算路由

Databricks采用分阶段部署:先由200人试点收集质量和成本信号,再扩展至3500人。Unity Gateway作为统一基础设施,用于模型评估、金丝雀发布和预算管理。新模型像功能标志一样进行实验性引入。预算被用作路由激励:Astra有单独子预算,引导工程师仅对复杂任务使用昂贵模型。工程师仍可在总预算内混合使用工具,并定期审查。

企业AI瓶颈:缺失组织本体

Ghodsi指出,企业采用AI的主要障碍是缺乏组织上下文。大多数企业将AI用作“高级谷歌搜索”加代码生成。解决方案是本体(知识图谱),捕捉概念、部门、人员和项目之间的关系。Databricks构建了拥有数百万节点的本体,改变了公司运营。他将本体类比为谷歌的离线PageRank索引,但由于访问控制和异构对象而更难实现。

成本管理与多模型策略

Databricks通过Unity Gateway实施成本控制:预算约束、使用警报、成本预测和智能路由(简单任务用廉价模型)。一个反直觉发现:同一模型搭配不同工程框架,成本差异可达近2倍。Token使用量上升,但总成本趋于平稳。新兴模式是分层模型使用:昂贵模型用于架构和审计,廉价模型用于实现。开源模型按支出占比5%,但按Token量占比超过60%。

智能体友好基础设施:Neon/Lakebase成为智能体首选Postgres

Databricks收购了Neon/Lakebase,后者在第三方测试中成为“智能体首选Postgres”。团队针对智能体这一新角色进行了优化:亚秒级数据库创建、亚秒级克隆大型数据库、分支、故障安全及实验友好定价。超过90%的数据库实例现在由智能体而非人类创建,这强化了“赢得智能体即赢得市场”的论点。

Source posts