对话张磊：数驱智领 解码Databricks赋能中国企业创新之路 Databricks作为一家专注于数据及人工智能的全球领先企业，正通过数据驱动构建生成式AI落地全新体系，赋能企业技术创新，加速转型征程。而张磊作为Databricks大中华区销售总监，对中国市场乃至亚洲市场的人工智能发展、企业数字化转型及技术创新有着清晰的了解、认知和思考。 本期《数智谈》，对话Databricks大中华区销售总监张磊，探讨了人工智能应用、数据治理及数智化转型战略等话题，探寻企业推动生成式 AI技术落地的新路径，助力跨国企业和本土企业出海的全球化布局，抢抓数据与 AI 带来的巨大的市场空间和发展潜力，开启技术创新发展之路。
Databricks落地中国 “缘”于市场契机 DTinsight：请您简单介绍一下Databricks的一个基本情况。 张 磊：Databricks是一家数据及人工智能公司，诞生于加州大学伯克利分校AMP 实验室，2013年，由AMP实验室Spark系统创始人团队联合创立，专注于提供基于Spark的云端数据处理与分析服务，构建集数据仓库、机器学习为一体的数据智能平台。Databricks与中国有着很深的渊源，在公司创始团队中，包含一位华人联合创始人Reynold Xin，他是项目核心成员之一，专注大数据处理与云计算领域。 DTinsight：近年来，中国“数字经济”发展迅猛，而AI技术的快速应用，不仅加快了数字化转型的进程，更为数据与 AI 领域带来了巨大的市场空间和发展潜力。请您为我们分享一下Databricks 基于怎样的契机进入中国市场？ 张 磊：2019年，Databricks 开始布局中国市场，主要是围绕企业两个关键需求展开：一方面针对企业普遍存在的数据孤岛问题，Databricks于2020 年提出数据湖仓概念，并被众多跨国企业列为统一数据平台标准，基于企业在华合规建立数据中心的需求，Databricks 已在华东、北京等地完成数据中心布局，以便支撑跨国公司在华的合规运营，也服务于大量本土客户；另一方面，随着中国企业出海热潮兴起，Databricks 凭借成熟的国际市场服务能力，能够为中国出海企业提供支持。 Databricks在中国市场布局不仅覆盖国际公司在华业务，还深度赋能本土企业的海外布局，这也是 Databricks 加大中国市场投入的重要原因。 机遇与挑战并存 DTinsight：随着大数据、云计算、人工智能等技术的发展，各个行业的转型进程不断加快，在技术不断迭代的背景下，Databricks的优势体现在哪，看到中国市场哪些核心发展机遇？ 张 磊：国家提出 AI+ 战略后，众多企业纷纷谋划转型为数据 + AI 公司，而数据正是 AI 战略落地的核心基础，缺乏数据便难以开展 AI 模型训练及生产级应用。 Databricks 的核心优势在于统一数据存储格式，契合AI发展对数据的要求。首先，依托开源技术实现数据存储格式统一，通过自研开源的 Delta Lake和 Iceberg，以开源模式统一企业全量数据格式，大幅降低企业成本；第二，在合规层面具备全方位保障，一方面凭借开源技术产品及相关开源技术，确保企业数据监管符合各国法律标准，确保企业在可信数据基础上支撑业务发展；另一方面在AI环境下，Databricks还能对 AI 模型进行监管并评估其有效性，覆盖数据与 AI 模型双重合规需求，实现AI模型端到端的过程，支撑数据工程、模型训练、面向业务人员的 AI BI 智能数据问答等多元业务场景。Databricks的使命就是助力企业实现数据 AI 的民主化。 DTinsight：当前，人工智能技术发展迅猛，数据驱动、智能引领成为企业加快转型、提升竞争力的关键。但是，企业对于数据驱动、AI能力的需求和应用并不一致。您认为，Databricks面临哪些挑战？ 张 磊：目前，主要面临客户认知层面的挑战，不少客户对Databricks的认知仍停留在 Spark、湖仓一体等传统概念上。事实上，在AI时代，Databricks已经将定位升级为数据智能平台，其核心是在湖仓一体的技术基础上，深度融入面向业务场景的 AI 能力，最终目标是让业务用户能够充分发挥数据价值，高效解决实际业务中的各类问题。 DTinsight：无论是数字化转型初级阶段，还是AI掀起的又一轮数字化变革，“数据孤岛”都是被行业提及并引起重视的问题，您怎么看，“数据孤岛”对业务产生影响，该如何破解这一难题？ 张 磊：在企业数字化建设进程中，数据孤岛形成是一种必然现象。早期数字化转型聚焦物理场景的数字化落地，搭建了营销、财务、ERP 等功能性系统，后续大数据平台、AI 训练与分析相关的数据应用又多采用开源技术自建模式，导致多系统分散部署、数据格式各异，且各系统间需额外投入大量集成工作，显著增加了架构复杂性与维护成本。 Databricks通过 Data Intelligence Platform，可帮助用户解决系统架构复杂性，实现数据格式统一、数据管控标准化，通过统一存储方案避免数据多份拷贝，既降低了企业整体拥有成本，又通过减少集成与维护工作量实现增效；最终围绕“降本、增效、AI 创新”的核心定位，为企业数字化转型扫清数据孤岛障碍，夯实数据价值释放的基础。
破局瓶颈与打造协作赋能体系 DTinsight：大模型和生成式 AI 的爆发式发展，让不少企业都在探索技术落地的新路径，而这也对数据平台的兼容性、算力支撑提出了更高要求。请您为我们分享一下Databricks 如何帮助客户解决相关痛点？ 张 磊：纵观国际市场，约85%企业AI应用仍停留在实验室阶段，未能实现向生产场景的落地转化。其核心症结在于AI成熟度不足，AI规模化落地同样受限于企业AI意识与技术成熟度的欠缺。站在AI角度看，由于AI发展高度依赖数据，缺乏坚实的数据基础，AI技术便难以真正发挥价值。Databricks核心思路是先助力企业提升 AI 认知与成熟度，在此基础上搭建一体化的技术基础设施。 对客户而言，AI落地过程中存在两大痛点：一个是AI 投入ROI衡量难题，不少客户已投入大量资金用于模型建设等相关布局，但缺乏明确的业务价值评估标准，难以量化技术落地的实际产出；二是企业文化与员工认知层面的障碍，在企业中，普通员工普遍担忧技术会替代自身工作，进而产生抵触情绪，这就需要企业着力推进数据 + AI 文化建设，引导员工认清技术变革的不可逆趋势，主动拥抱新机遇。 DTinsight：Databricks帮助客户应对相关AI落地痛点过程中，取得了哪些典型效果？ 张 磊：以国内某家药企为例，其推进药物美国上市进行 FDA 审批时，需将大量临床病例数据外包翻译，单次流程耗时约两个月且成本高昂，而借助 AI 技术后，同类工作仅需一天即可完成，不仅大幅提升效率，还显著降低了成本；国内某知名 PC 厂商则聚焦制造业核心的供应链优化需求，通过相关技术实现数据统一与全流程优化，成功达成库存大幅降低、交货周期缩短的目标，创造了直接的经济效益。此外，众多电商企业也在积极探索 AI 在效率提升等场景的应用。 DTinsight：不同行业数字化基础和业务目标有所不同，不同市场之间也存在着明显差别和关于数据、合规等独特要求。您认为，Databricks在拓展合作伙伴及客户服务支持上，有哪些关键举措？呈现出怎样的特点？ 张 磊：在中国市场，合作伙伴是DataBricks实现业务价值落地、推动增长的核心支撑。DataBricks虽提供基础数据平台，但只有将平台能力与具体业务场景深度结合，才能让客户真正感知到数据价值，因此构建多元化合作伙伴生态至关重要。DataBricks已形成多层次的合作布局：首先，与德勤、埃森哲等全球咨询公司携手，借助其产业背景与咨询能力，精准对接行业业务场景需求；第二，与在中国市场的云服务商推进落地合作，同时依托本地合作伙伴，提供针对性的能力提升支持；第三，未来，计划推出ISV计划，鼓励独立软件开发商基于平台开发专属应用，进一步丰富场景化解决方案。 值得一提的是，这一合作模式已在澳大利亚等亚太其他国家取得显著成效，当地合作伙伴基于平台开发了市场营销领域的 CDP、IT 运维监管平台等应用，有效提升了运营效率并降低了存储成本。 展望未来，DataBricks在中国市场的增长将始终与合作伙伴紧密绑定，持续深化合作生态，共同释放数据与 AI 技术的业务价值。
展望未来 DTinsight：Databricks 的业务在大中华区已经积累了一定的客户基础和行业反馈，这些也会为后续的业务规划提供方向。在未来1-2年，Databricks 大中华区的重点拓展方向是什么？ 张 磊：未来，Databricks的业务布局围绕三大核心支柱展开，一是以在华跨国公司为初始服务对象，为更多在华外资企业提供优质支持，持续保障业务稳定增长筑牢业务基础；二是聚焦中国本土企业的出海需求；三是为数字原生企业提供服务，加强相关布局。 在服务中国本土企业出海方面分为两大核心领域，在智能制造板块，推动三大重点产业实现精准突破：一是快消行业，针对中国品牌出海面临的美国、欧盟相关法案等合规要求，通过数据合规解决方案提供支撑；二是生命科学药企，伴随中国药企海外布局的持续扩大，涵盖原材料供应、临床实验等海外拓展场景，积极开展合作；三是新能源汽车、智能家电等相关制造业，助力企业拓展海外业务版图。 同样，在赋能数字原生企业方面，推动三大重点领域推进：一是以币圈交易所为代表的相关机构展开合作；二是游戏产业，与国内头部游戏公司建立密切合作并提供支持；三是电商领域，服务众多中国电商企业出海。 通过这三大支柱的精准布局，全面覆盖不同类型企业的业务需求，推动市场拓展与业务增长。 DTinsight：当前，AI发展趋势迅猛及企业AI规模化场景落地强烈需求，从数据与算力两大核心支撑维度看，您认为，未来要实现 AI 在更多场景的规模化落地，需要在哪些方面取得关键突破？ 张 磊：推动 AI 在更多场景的规模化落地，算力与数据层面需形成核心突破并构建全流程管控体系。在算力端，Databricks认为上云是关键方向，云端具备横向扩展计算资源的优势，能有效突破自建算力的资源受限瓶颈，为 AI 应用提供坚实的基础支撑；在数据端，首要任务是搭建统一数据平台，唯有实现数据统一才能保障数据可信度，这是 AI 模型面向业务解决实际问题的前提。同时，需严格满足合规要求。 此外，模型训练的端到端监控与有效性评估至关重要，既要通过科学评估体系确保模型价值，更要构建负责任的 AI 管控机制，通过合理的监控与管控规避伦理风险及社会责任问题，为 AI 规模化落地筑牢安全防线。
 |
