中国的 “Databricks” 们：打造 AI 基础架构，我们是认真的

中国的 “Databricks” 们：打造 AI 基础架构，我们是认真的桂林生活网团购 AI 落地最大的驱动因素是基础架构的升级。 近年来，大数据分析、AI 等领域一直备受关注，常有引人关注的融资事件发生。美国数据科学公司 Databricks

AI 落地最大的驱动因素是基础架构的升级。

近年来，大数据分析、AI 等领域一直备受关注，常有引人关注的融资事件发生。美国数据科学公司 Databricks 刚刚在今年 8 月底完成了 16 亿美元 H 轮融资，其最新估值高达 380 亿美元，相比 7 个月前 G 轮融资时 280 亿美元的估值，又轻松增加了 100 亿美元。

Databricks“红了”，连带着 “深巷里的美酒”——数据科学也得到了更多关注。虽然数据科学是一门复杂的学科，但如今已进入金融、工业乃至千行百业，这一过程其实也是 AI 从 “可用” 到 “好用” 的一个缩影。

“AI 落地的关键，是其价值的彰显，以及寻找到适合的商业落地途径。” 九章云极 DataCanvas 董事长方磊指出，“以前，人们认为算法可能是壁垒。但随着技术的快速迭代、开源开放，事实证明算法并非高不可攀，AI 落地最大的驱动因素是基础架构的升级。”

AI 基础架构升级刻不容缓

当前，中国正处于企业数智化转型的时代拐点。回顾信息化发展的历程可以发现，1980 年-2000 年，这是基础信息化时代，服务器、存储、操作系统、数据库等基础设施软硬件快速发展；2000 年-2020 年，进入到流程数字化时代，云计算开始大行其道，云成为基础设施，各类 SaaS 应用百花齐放；2020 年以后，市场迈入新的阶段，其标志是 “决策智能化”，相关领域包括数据科学平台、云原生数据仓库、开源技术等迎来爆发的机会。

决策智能化的实现，需要一个 “智能化的底座”，也就是常说的 AI 基础架构。通过 AI 基础架构的不断完善和升级，AI 应用落地的效率会更高，也更容易。“AI 基础架构的价值就在于，它能够让企业在其上自主地开发 AI 应用。” 方磊概括道。

AI 落地的探索源于算法的创新，之后涌现出的一批 AI 企业，致力于为客户提供定制化的端到端的 AI 应用开发。这在无形中造成了 AI 落地的高门槛。随着各行各业对智能化的需求愈发迫切，AI 已经成了众多行业头部客户的刚需。但是这些头部客户不仅业务规模庞大，而且十分复杂，其需求也各不相同。如果仍然沿用过去那种 “千人千面” 的定制化端到端应用开发模式，很难快速满足这些头部客户的业务需求，而且 AI 应用的门槛依然高高在上，客户始终掌握不了主动权。

“从各行业头部客户的需求来看，他们更希望围绕自身的业务开发自己的 AI 应用，这就需要一个自主可控的基础设施。” 方磊表示，“依托 AI 基础架构，由企业自主开发 AI 应用，锻炼并形成自主的 AI 能力，这才是市场主流，也是 AI 应用落地的内驱力。”

Databricks 之所以受到市场追捧，正是因为它以最擅长的流数据处理为出发点，向上发展机器学习、建模，向下打造数据湖仓一体，不断扩展和完善 AI 基础架构，为最上层的 AI 应用提供一个优化的承载平台，即 AI Foundation。

AI 落地最大的驱动因素是基础架构的升级。

近年来，大数据分析、AI 等领域一直备受关注，常有引人关注的融资事件发生。美国数据科学公司 Databricks 刚刚在今年 8 月底完成了 16 亿美元 H 轮融资，其最新估值高达 380 亿美元，相比 7 个月前 G 轮融资时 280 亿美元的估值，又轻松增加了 100 亿美元。

Databricks“红了”，连带着 “深巷里的美酒”——数据科学也得到了更多关注。虽然数据科学是一门复杂的学科，但如今已进入金融、工业乃至千行百业，这一过程其实也是 AI 从 “可用” 到 “好用” 的一个缩影。

“AI 落地的关键，是其价值的彰显，以及寻找到适合的商业落地途径。” 九章云极 DataCanvas 董事长方磊指出，“以前，人们认为算法可能是壁垒。但随着技术的快速迭代、开源开放，事实证明算法并非高不可攀，AI 落地最大的驱动因素是基础架构的升级。”

AI 基础架构升级刻不容缓

当前，中国正处于企业数智化转型的时代拐点。回顾信息化发展的历程可以发现，1980 年-2000 年，这是基础信息化时代，服务器、存储、操作系统、数据库等基础设施软硬件快速发展；2000 年-2020 年，进入到流程数字化时代，云计算开始大行其道，云成为基础设施，各类 SaaS 应用百花齐放；2020 年以后，市场迈入新的阶段，其标志是 “决策智能化”，相关领域包括数据科学平台、云原生数据仓库、开源技术等迎来爆发的机会。

决策智能化的实现，需要一个 “智能化的底座”，也就是常说的 AI 基础架构。通过 AI 基础架构的不断完善和升级，AI 应用落地的效率会更高，也更容易。“AI 基础架构的价值就在于，它能够让企业在其上自主地开发 AI 应用。” 方磊概括道。

AI 落地的探索源于算法的创新，之后涌现出的一批 AI 企业，致力于为客户提供定制化的端到端的 AI 应用开发。这在无形中造成了 AI 落地的高门槛。随着各行各业对智能化的需求愈发迫切，AI 已经成了众多行业头部客户的刚需。但是这些头部客户不仅业务规模庞大，而且十分复杂，其需求也各不相同。如果仍然沿用过去那种 “千人千面” 的定制化端到端应用开发模式，很难快速满足这些头部客户的业务需求，而且 AI 应用的门槛依然高高在上，客户始终掌握不了主动权。

“从各行业头部客户的需求来看，他们更希望围绕自身的业务开发自己的 AI 应用，这就需要一个自主可控的基础设施。” 方磊表示，“依托 AI 基础架构，由企业自主开发 AI 应用，锻炼并形成自主的 AI 能力，这才是市场主流，也是 AI 应用落地的内驱力。”

Databricks 之所以受到市场追捧，正是因为它以最擅长的流数据处理为出发点，向上发展机器学习、建模，向下打造数据湖仓一体，不断扩展和完善 AI 基础架构，为最上层的 AI 应用提供一个优化的承载平台，即 AI Foundation。

朴有天尹恩惠恋爱 http://www.xinzhiliao.com/bj/meirong/35004.html