20个博士的AI为何在企业里寸步难行?

OpenAI与Databricks创始人对话指出:企业AI代理落地需要上下文、权限与护栏三位一体。
OpenAI联合创始人Greg Brockman与Databricks CEO Ali Ghodsi在DATA + AI LIVE活动上对话,核心观点是:企业AI的瓶颈不在模型智力,而在业务上下文的获取。Brockman用"20个博士却不给数据访问权"的比喻说明,缺乏上下文的AI如同一个对公司一无所知的新员工。自主代理进入生产环境还需要权限体系与行为护栏同步到位,不能先放开再补救。Databricks新产品Genie体现了"上下文+权限+护栏"的落地思路。两位创始人的共识是,企业AI竞争焦点正从模型能力转向上下文工程与信任基础设施。
OpenAI联合创始人Greg Brockman用一个比喻描述了当前企业AI的困境:你招了一个拥有20个博士学位的人,却不让他参加任何会议、查看任何文档或数据。这就是最强大的AI模型在企业中面临的现实——智力若脱离业务上下文,能发挥的作用极其有限。
在DATA + AI LIVE活动上,Brockman与Databricks联合创始人兼CEO Ali Ghodsi展开对话,核心议题只有一个:自主AI代理要真正完成企业工作,到底需要什么?



上下文比智商更重要
Brockman的比喻揭示了一个常被忽视的真相。企业部署AI时,往往把注意力集中在模型本身的基准跑分上,却忽略了模型能否获取到理解业务所需的信息。一个满腹经纶却对公司一无所知的“新员工”,产出很难令人满意。
这与AI编程领域的经验相通:同一个模型,在提供完整代码库上下文时表现远优于仅给出孤立片段的场景。企业场景中的会议纪要、内部文档、数据库结构、历史决策记录,构成了AI理解任务的“隐性知识库”。缺少这些,模型只能依靠通用知识进行猜测。
上下文工程(Context Engineering) 是与提示工程(Prompt Engineering)密切相关但范围更广的概念。如果说提示工程关注“怎么问”,上下文工程则关注“给模型看什么”——包括如何检索、筛选、组织和注入与任务相关的背景信息。在企业场景中,上下文工程的典型实现方式是检索增强生成(RAG):将内部文档、数据库记录、会议纪要等转化为向量索引,在模型推理时动态检索相关片段注入提示中。更进阶的做法包括知识图谱构建、多轮对话记忆管理、以及针对特定业务领域构建结构化的“上下文包”。业界逐渐认识到,对于企业级AI应用,上下文工程的质量往往比模型选型更能决定最终效果——一个中等能力的模型配上精准的上下文,表现可能优于顶级模型在信息匮乏时的输出。
自主代理需要访问权,也需要安全带
Ghodsi与Brockman讨论的另一个重点,是自主AI代理在企业中工作的前提条件。光有业务上下文的访问权还不够,还需要配套的权限体系与护栏机制,让企业敢于信任这些代理去执行真实操作。
这里存在一个天然的张力:代理越自主,能做的事情越多,潜在风险也越大。如果代理可以读取合同、修改数据库、触发工作流,任何一次误判都可能造成实际损失。因此,权限控制和行为护栏不是可选项,而是自主代理进入生产环境的前置条件。两位创始人的共识是,上下文访问与安全机制需要同步设计,而不是先放开再补救。
自主AI代理(Autonomous AI Agent) 是指能够在无需人工逐步指令的情况下,自主规划任务步骤、调用工具、执行操作并达成目标的AI系统。与传统的问答式AI不同,自主代理具备“行动能力”——它可以访问数据库、调用API、修改文件、触发工作流等。这种能力来自“工具使用”(Tool Use)或“函数调用”(Function Calling)机制,即模型根据任务需要自主选择并调用外部工具。企业部署自主代理时面临的核心挑战是:代理的自主性越强,其行为空间越大,不可预测性和潜在破坏性也越高。因此需要“人在回路”(Human-in-the-loop)审核、操作白名单、沙箱隔离等护栏手段。这与自动驾驶的分级逻辑类似——L2辅助驾驶和L4高度自动驾驶所需的安全冗余完全不同。
Genie:把理念落到产品里
对话的后半段展示了Databricks的新产品Genie如何将上述理念付诸实践。Genie的目标是让AI在拥有业务上下文的前提下,安全地完成企业数据相关的工作。这一产品思路与讨论中强调的“上下文+权限+护栏”三角框架一脉相承。
从行业视角看,Databricks与OpenAI两家公司的交集正在扩大。一方提供模型能力,一方提供数据平台与企业落地经验,二者的合作对话本身就说明:企业AI的竞争焦点,正从模型能力转向上下文工程与信任基础设施。
对于正在评估AI代理落地的团队,这场对话提供了一个务实的判断标准:不要只问模型有多聪明,要问它能看到什么、能做什么、以及做错时有什么兜底。
Databricks Genie 是Databricks推出的对话式数据分析产品,其定位是让业务用户通过自然语言直接查询和分析企业数据,而无需编写SQL或依赖数据团队。Genie的技术基础建立在Databricks的Data Intelligence Platform之上,能够理解企业特有的数据模式(Schema)、表关系和业务语义层,从而将自然语言问题转化为准确的数据查询。这恰好体现了文中“上下文+权限+护栏”的三角框架:Genie依托企业数据目录获取业务上下文,通过Databricks已有的权限体系控制数据访问范围,并以受控方式生成和执行查询。该产品反映了数据平台厂商向AI应用层延伸的趋势——不只是提供数据存储和计算能力,而是让AI直接在数据之上完成分析工作。
相关推荐

OpenAI发布GPT-6.2双模型Astra与Sol,API降价20%
OpenAI发布GPT-6.2 Astra与Sol两款模型,Astra的API价格下调20%至每百万token 8/40美元,并在Artificial Analysis Intelligence Index上排名第二。本文分析双模型策略、降价影响与开发者选型建议。

Perplexity Computer上线Multiagent:16个AI智能体交叉校验
Perplexity 为 Computer 推出 Multiagent 模式,主导智能体可调度最多 16 个基于 Claude、GPT、Gemini 的子智能体,共享发现并交叉校验工作成果,努力程度高于 Ultra 档位。

亚马逊与谷歌将合持Anthropic近30%股份
Anthropic IPO后,亚马逊持股略低于15%并保留增持选择权,谷歌持股近14%,两家合计掌控近30%股权。本文分析这一股权结构背后的战略逻辑、治理挑战及对AI竞争格局的影响。