Databricks CEO专访:AI生存风险近乎为零,企业本体论是关键

Databricks CEO阿里·戈迪西表示,AI生存风险近乎为零,并指出四项RSI标准均未满足。真正的企业瓶颈在于缺乏组织本体论;而利用漏洞武器化的AI驱动网络攻击现在仅需数小时,这才是紧迫的威胁。
Key insights
核心立场:生存风险被夸大
阿里·戈迪西认为AI灭绝风险近乎为零,批评恐惧渲染造成了实际伤害(例如他的妹妹为AI末日做准备)。他将灭绝风险与其他风险区分开来,强调AI驱动的网络攻击才是迫在眉睫的威胁。马丁·卡萨多补充说,“追赶前沿”的表述是公关失误;安全是工程问题,而非速度问题。
四项RSI条件均未满足
阿里提出了递归自我改进的四项可检验条件:计算量减少、时间减少、智能持续提升以及循环延续。他观察到所有四项均为假:前沿训练成本从约1亿美元升至50-100亿美元,人员增加,训练每年仅进行一次或两次且伴有失败。马丁澄清说,大多数“RSI”实际上是自催化,即利用AI编写GPU内核等,类似于之前的通用技术。
企业瓶颈:缺失本体论
戈迪西表示,企业AI应用停滞不前并非因为模型不够智能,而是因为它们缺乏组织上下文。解决方案是本体论——一个包含概念、目标、部门、决策的知识图谱。Databricks内部构建了包含百万节点的本体论,改变了公司的运营方式。他将智能体MCP服务器检索类比为没有预计算PageRank索引的谷歌搜索。
成本管理与多模型策略
Databricks通过Unity Gateway控制成本:预算约束、使用量警报、智能路由(简单任务使用廉价模型)。一个意外发现:相同模型在不同框架下成本相差近2倍。Token使用量上升但总成本持平。企业趋势:从前沿模型转向更便宜的模型;开源模型占Token流量的60%以上。由于评估困难,定制企业训练很少见。
智能体重塑基础设施:Databricks收购
Databricks收购了Neon/Lakebase,针对智能体进行了优化(亚秒级数据库创建、分支、故障安全)。现在超过90%的数据库实例由智能体而非人类创建。这反映了行业趋势:赢得智能体即赢得市场。