Discovery Bank 如何用行为 AI、受治理数据与实时决策实现大规模超个性化银行服务
Discovery Bank 借助行为 AI、受治理数据和实时决策,在满足规模、速度与安全要求的同时,让每一次客户交互都更具个性化。文章围绕这一目标,说明银行如何在规模化运营中落地超个性化服务。
databricks.com · 网站与博客
Discovery Bank 借助行为 AI、受治理数据和实时决策,在满足规模、速度与安全要求的同时,让每一次客户交互都更具个性化。文章围绕这一目标,说明银行如何在规模化运营中落地超个性化服务。
Databricks 为 Lakebase Postgres 引入自动扩缩容,解决预先选定数据库实例规格、负载未知时难以匹配容量的问题。该能力让实例规模随工作负载自动调整,用户无需在部署前猜测配置。
AI Copilot 是直接嵌入软件应用中的 AI 助手。Databricks Blog 对其概念进行了说明。
Databricks 为 Genie One 推出新功能,让 AI 工具不止于秒级给出答案,而是把洞察转化为行动。原文未披露具体功能名称、版本号或可用性细节。
Trackunit 利用 AI 将设备遥测、维护记录等建筑数据转化为决策依据。建筑行业产生的数据量庞大,Trackunit 的做法是把这些分散数据接入 AI 流程以支撑实际判断。
Indra 借助 Databricks 统一了电动汽车充电数据,以应对数据增长速度超过周边系统承载能力所带来的复杂性。原文未披露具体模型、参数规模、benchmark 分数或价格等细节。
Databricks 介绍在 AI Runtime 上进行快速、容错的 PyTorch 训练,核心指标是衡量有效训练吞吐的 "goodput"。该方案针对大规模训练场景,通过容错机制减少故障导致的算力浪费,从而提升训练效率。
Databricks 将在 VLDB 2026 分享多项支撑其平台的创新,涵盖 Lakebase、流处理与 Lakehouse 方向。这些创新用于驱动 Databricks 平台,具体细节尚未在原文中展开。
Databricks 提出用结构化图表提取增强 Agent 检索,让智能体能够处理企业文档中的图表信息。该方案针对越来越多企业要求 Agent 处理此类内容的场景,正文未披露具体模型、参数或性能数据。
Databricks 发文指出,QSR 报表往往遗漏了最关键的决策信息。限时优惠虽能制造热度、吸引顾客回流,但仅靠报表难以看清真正影响经营结果的决策环节。
Databricks 发文阐述 Lakebase Postgres 与 Agentic AI 结合为垂直行业带来的变革,这是该系列博客的第二篇。首篇已介绍 Lakebase Postgres 如何改写相关能力,本篇聚焦行业落地场景。
Databricks 的 Lakebase Postgres 采用对象存储加 WAL 的架构,解决 AI 智能体访问传统 OLTP 数据库时在存储层造成的瓶颈。该方案面向智能体时代的新部署场景,将数据库存储层与对象存储结合以支撑智能体负载。
Databricks 发布 Governance Hub,为账户级 Databricks 资产提供智能治理能力。该产品面向 FinOps 负责人等角色,支持下钻查看 Databricks 支出并定位成本驱动因素。
Databricks 发布博客,介绍其平台如何支持日本金融情报系统中心(FISC)发布的《银行及相关金融机构计算机系统安全指南》。文章面向金融行业用户,说明如何借助 Databricks 满足该安全指南的相关要求。
Databricks 发文解析资本市场融资如何保护资产负债表回报。文章以保险公司在损失发生数月后才理赔、资产管理公司对持仓进行估值等场景切入,说明这类业务对资金与回报结构的要求。
Databricks 推出新能力,允许开发者直接在本地 IDE 中运行、调试和扩展 Databricks 工作负载。该功能面向数据分析与数据工程场景,将原本在 Databricks workspace 内完成的操作延伸至本地开发环境。
Databricks 分享了其用 AI 加速事故调查的做法。此前该团队已介绍过如何用 AI 调试数千个问题,本次聚焦事故调查环节的 AI 应用。
关系型与非关系型数据库的选择是影响深远的技术决策之一。文章对比两类数据存储的差异,说明在不同场景下应如何权衡并选出合适的方案。
Databricks 发文探讨零售与消费品团队如何把需求计划与营销活动、门店执行打通,以应对跨环节的复杂运营周期。文章指出这些团队在相互关联却复杂的运营周期中做决策,需将计划与执行环节衔接起来。
Databricks 的 Inbound Private Link 现已支持账户级 Genie One、账户控制台以及自定义 URL。该功能面向将最敏感数据部署在 Databricks 上的企业,此前这些场景通常依赖 Inbound Private Link 实现私有网络接入。
Databricks 发文破除 SQL 迁移迷思,指出新 SQL 特性让数据仓库向 Lakehouse 的 lift-and-shift 迁移更简单。文章针对仓库中每晚运行的大量存储过程等迁移顾虑展开,说明新 SQL 能力如何降低迁移难度。
Databricks 提出用单个提示词设计高效 Genie Agent 的方法,解决通用智能体面对营收类问题时容易抓取第一张营收表、缺乏业务语义理解的问题。文章围绕提示词设计展开,说明如何让 Genie Agent 更准确地定位正确的数据表与指标。
Databricks 推出 Document Intelligence,面向杂乱非结构化文档的复杂抽取任务。该能力旨在把企业被困在文档中的有价值数据释放出来,推进文档抽取的前沿。
零售商正进入 AI 采用新阶段,治理重点从模型本身转向上下文管理,需要一个控制平面来统一管控上下文。文章指出,早期围绕模型的讨论已不足以应对零售场景中分散、动态的数据与权限问题。
Databricks 今年举办了首届 Grounded Reasoning Cup,对 AI 智能体进行实时评测。该赛事被描述为首个此类竞赛,聚焦智能体的 grounded reasoning 能力。
Databricks Feature Store 通过流式管道实现亚秒级特征新鲜度,让模型能基于最新信号做推理。机器学习模型的效果取决于输入信号质量,特征延迟会直接影响欺诈检测等实时场景的判断准确性。
Databricks 指出,团队为验证 AI 想法搭建的原型往往无法直接进入生产,由此产生的"原型税"正在拖垮 AI 路线图。文章聚焦 AI 数据管道从原型到生产的落地断层问题。
Databricks Blog 介绍了在数据仓库中使用 AI_Functions 的主要用例。多数组织的数据仓库存储结构化数据,而 AI_Functions 可用于处理非结构化数据。
Scottish Water 借助 Databricks Genie 将资本投资(CI)项目数据转为可对话查询,让团队快速获取答案。原文未披露所用模型版本、数据规模或性能数字。
AI 幻觉指模型输出看似连贯自信、实则事实错误或凭空捏造的内容。这类输出并非模型在"撒谎",而是其基于概率生成文本时产生的偏差。
Unity AI Gateway 推出智能路由功能,可在编码任务中以 30%+ 更低的单任务成本达到前沿模型质量。该功能面向 2026 年涌现的多样化模型与 harness 组合,按任务自动匹配模型。
Databricks 的 serverless 平台每天启动数千万台 VM,其网络配置交付需覆盖这一规模。该文章讲述 Databricks 如何将网络配置下发到每天启动的数千万台 serverless VM。
加拿大一家大型铁路网络借助 Databricks 的 Genie Code,将数据管道创建从手工编写扩展为规模化生成。该铁路网络覆盖约 20,000 英里线路,此前管道开发依赖人工逐条编写。
Databricks 发文讨论 AI 如何改写数据分析师的工作内容,认为"数据分析师已死"的说法被反复提起,但 AI 实际改变的是这一岗位的职责定义。文章围绕数据分析的未来展开,正文未给出具体模型、版本或评测数据。
Databricks 开源了 Metals v2,这是其面向数百万行代码库的 Java 和 Scala 语言服务器。Databricks 表示,公司大部分代码如今已由 AI 智能体编写。
Databricks 发文指出,在波动的宏观经济环境下,企业风险管理正受制于过时、批处理式的数据架构,难以支撑实时决策。文章面向首席风险官(CRO),主张以实时数据基础取代传统风控模式,让风险信号在发生时即可被捕捉与响应。