Databricks
面向企业级的数据和AI统一分析平台（Data Intelligence Platform），由Apache Spark创始团队于2013年创立，提供数据工程、查询、机器学习、AI应用等统一能力，底层依赖Delta Lake实现湖仓一体架构
核心事实
时间轴 (近 90 天)
Databricks首次进入Gartner分析与商业智能（BI）平台魔力象限，并被评为远见者象限
数据平台厂商（如Databricks、Microsoft Fabric、Snowflake）正从单一的数据存储或BI工具向覆盖数据工程、分析、机器学习的端到端平台演进
Databricks从远见者走向领导者需要证明企业级BI功能的成熟度、大规模客户的落地案例以及与传统BI生态的兼容性
Lakeflow Designer 于 6 月正式 GA，截至十月更新时已有超过 800 个组织将其用于生产环境的数据管道编排。
交互式调试画布的底层依赖是 Databricks 在 Spark 引擎层面实现的算子级断点机制。
John Holland Group 使用 SqlDBM 作为 gold 层模型的单一事实来源，在九个月内完成了 Databricks 迁移。
SqlDBM 是 Databricks 认证数据合作伙伴，全球超过 40 万用户，客户包括 DocuSign、Pfizer 和 Zendesk。
Mosaic AI Vector Search 是 Databricks 的原生向量搜索服务，作为湖仓上 RAG 和智能体应用的检索层。
Soda 有针对 Databricks 的专门方案，并提供开源项目 Soda Core 支持以代码方式编写检查。
SqlDBM 是一款云原生的免代码数据建模平台，可直接接入 Databricks Unity Catalog 和 Hive Metastore。
还有 40 条时间轴事件
全部知识事实 (20)
Databricks 是数据与 AI 平台领域的头部厂商
90%已验证OpenAI将GPT-6 Astra定位为'能力上的世代级飞跃'
90%已验证Unity Catalog统一了数据、特征表、模型和函数的治理与权限管理
90%已验证Databricks由Apache Spark的创始团队于2013年创立
90%已验证Databricks通过其开源项目Delta Lake实现了数据湖仓（Lakehouse）架构
90%已验证MLflow由Databricks于2018年开源
90%已验证Databricks的Unity Catalog提供列级权限控制、数据血缘追踪和操作审计日志等治理能力
85%已验证Unity Catalog作为Databricks的统一数据治理层于2021年正式推出，以'目录.schema.模型名'三层命名空间管理模型版本
85%已验证AI编程工具的能力上限很大程度上取决于系统提示词和技能配置
80%已验证Databricks 通过 Unity Gateway 实现对模型访问的统一治理
80%已验证Lakebase 是 Databricks 面向 AI 应用场景推出的数据库服务，是构建在 Lakehouse 架构之上的事务性数据库能力
80%已验证Databricks是基于Apache Spark的统一数据分析平台,最初由Spark创始团队创建
80%已验证Delta Lake是Databricks开源的存储层格式，构建于Parquet文件之上，提供ACID事务、版本回溯、Schema演进等特性
80%已验证大模型竞争重心正从对话能力向行动能力（通用智能体）迁移
75%已验证在大模型能力趋同的背景下，企业特有的业务上下文和数据治理体系将成为AI应用的护城河
75%已验证GPT-6 Astra基准测试数据来自Databricks的内部评估，尚待第三方独立验证
75%已验证Databricks Unity Catalog采用三级命名空间（Catalog → Schema → Table/View/Function）的层次结构来组织数据资产
75%已验证Lakehouse架构由Databricks在2020年提出，旨在融合数据湖的灵活性与数据仓库的事务性
75%已验证Lakebase 是 Databricks 生态中提出的一种新型数据库形态，其核心理念是将 Postgres 兼容的事务型数据库能力构建在数据湖仓架构之上
75%已验证Databricks在2023年以13亿美元收购了Mosaic ML团队
65%