Databricks数据+AI峰会2026主要收获

布拉德·泽尼克德意志银行证券公司让这一事件尤为引人入胜的是，Databricks正从多个技术栈层面为这一时刻进行构建，不断演进以支持自主智能型应用，并采取整体平台化方法。据我们观察，该公司正着手解决企业AI尚未能将模型智能充分转化为广泛生产力提升的核心原因，即缺乏高质量的企业级上下文、受控访问权限、成本控制以及代理在生产环境中运行所需的低延迟数据基础设施。正如Ghodsi先生所言，若仅从各种前沿模型的能力来看，通用人工智能（AGI）已然到来。Genie本体论、Lakehouse RT / Rayden以及Unity AI网关是针对现有差距推出的主要产品发布，分别着力解决企业级上下文、低延迟基础设施和规模化治理AI使用问题，我们将在本文中对此进行进一步探讨。德意志银行研究我们参加了在旧金山举行的数据平台公司（Databricks）2026年数据+人工智能峰会（Data + AI Summit, DAIS），其中包括该公司举办的投资人专场会议，由CEO阿里·戈德西（Ali Ghodsi）、CFO戴夫·康蒂（Dave Conte）以及管理团队其他成员发表演讲。长期以来，我们一直将Databricks视为领先的多云数据和人工智能平台，而今年的DAIS峰会更强化了这一观点，因为该公司持续推动创新前沿，特别是在智能代理工作流领域。对我们而言，最大的收获是Databricks立志成为企业智能代理的记录系统（agentic system of record）的雄心。虽然许多软件供应商的定位越来越相似，但我们认为只有少数公司具备创新力、架构广度以及产品迭代速度，能够可信地实现这一愿景，而Databricks是其中最清晰的例子之一。沙宾·沙哈，CFA持证人研究员 +1-212-250-6775丹尼尔·克瑙夫研究助理 +1-415-2622041北美软件Databricks数据+AI峰会2026主要收获重要研究披露与分析师认证位于附录一。德意志银行与其研究报告中所涵盖的公司进行并寻求进行业务往来。因此，投资者应注意该公司可能存在利益冲突。7T2se3r0Ot6kwoPa 值得注意的是，这些因素可能会影响本报告的客观性。投资者在做出投资决策时，应将本报告仅视为一个因素。亚什·凯杰里瓦尔研究助理 +1-212-250-1203研究员 +1-212-250-8563虽然表面上该公司的愿景极具吸引力且契合当前时机，但我们认为财务数据背后的增长势头印证了Databricks的产品创新正转化为客户成功——2026财年营收达41亿美元以上（同比增长>55%），并预期2027财年第一季度营收跑率达到69亿美元（代表整体同比增长80%以上，核心增长65%以上）。规模效应的加速也支持了我们的观点：数据与分析平台是AI主题的关键受益者，随着客户持续将数据资产迁移至云平台及Databricks、Snowflake等能够提供企业级AI所需上下文、治理与边界条件的平台。Databricks正通过创新与增长展现其领导力，尽管我们仍视其为一个远非零和的巨大市场机遇，其中存在充足的空间容纳多个领先的多云平台赢家。在此，我们重点分享此次活动的核心要点，包括对产品发布的进一步讨论，以及投资者会议中的关键财务数据/指标。行业美国软件Date2026年6月17日 德意志银行证券公司第 2 页2026年6月17日 美国软件多项基础设施和生态系统更新提升了平台价值。 在 Lakeflow 中，ZeroBus Ingest 是一个完全托管的数据摄取层，管理层将其描述为与 Kafka 线路兼容，并能够直接将流数据加载到湖屋中。LTAP 是一项更具增量性的基础设施公告，Databricks 推出了一款湖交易/分析平台。通用本体（Genie Ontology）是最大的亮点，也是我们认为产品故事中最具差异化的部分。 CEO阿里·戈德西将当今智能体的核心局限性归结为企业背景知识图谱缺乏高质量地图，而非底层大语言模型的缺陷。没有这个地图，智能体被迫实时搜索各种来源，往往只能覆盖企业知识图谱中一小部分，同时浪费时间和计算资源。在此，Genie本体被定位为一个经过学习、具备权限感知的企业知识图谱，它不仅连接Databricks以外的系统，还使用所谓的“本体排序”（OntoRank）来识别最权威的片段，并将这些片段注入Genie或其他任何智能体，以提供恰当的背景信息。这使得Genie能够在合理的时间内，以显著更高的准确率（引用数据为84.5%）追求期望的输出。我们认为，随着Databricks正确地将智能体系统的实用性定义为搜索问题而非缺乏智能，这一点将日益重要，这将使AI系统在企业环境中具有实质性的更高价值。扩展的Genie产品组合能够支持企业自动化工作流程。 Genie One 被定位为企业用户跨企业数据进行推理的前端体验，而 Genie Agents、Genie Code 和 Genie Zero Ops 分别将此概念扩展到智能体创建、开发者工作流和自主数据运营。Genie Code 更具体地被指出在数据工程和机器学习工作流方面尤其强大，这与 Databricks 在这些领域的独特传承一致，并由管理层所指的 Genie Ontology 的“秘方”所驱动。Unity AI Gateway 作为控制平面，与这一愿景相符，用于管理安全、模型选择和成本，随着这些工作流进入生产环境。这很可能变得重要，因为记录在案的智能体系统论要求既要有强大的底层数据/上下文，也要有规模化治理的使用，尽管我们注意到，智能体控制平面仍然是各基础设施软件供应商之间广泛争夺的战场。我们认为 Databricks 赢得胜利的权利源于它所能提供的上下文和控制，尤其是在最大的企业中。湖屋 RT / Rayden 是另一个重要宣布，尤其对于能动世界而言。 databricks认为，当今的数据架构通常涉及使用具有相同底层数据的独立实时实例，以实现亚秒级响应时间。这不仅需要运营复杂度，而且管理方指出，随着每秒查询次数（qps）的扩展，各供应商现有的引擎往往难以保持持续的低延迟性能，内部基准测试显示，在低100到中1k的qps范围内会出现延迟峰值或故障。rayden是一种新的底层引擎，它正好解决了这个问题，旨在直接在湖屋上支持毫秒级分析，并容忍12k+ qps，同时保持亚秒级响应时间。我们认为，随着代理在组织架构中普及并在生产环境中并发运行，这变得具有战略意义，因为这些工作流将越来越依赖数据层上的低延迟响应，以便代理能够持续迭代。 德意志银行证券公司第 3 页2026年6月17日 美国软件能够处理交易数据上的分析工作负载的架构，无需传统的ETL或CDC管道。在安全方面，计划的Panther收购通过添加一个具有100多个开箱即用集成的AI SOC平台，扩展了Lakewatch的推广（请参阅我们的全部想法）。 here 最后，Databricks通过支持Iceberg v3和OpenShar