Databricks dan NVIDIA Bina Platform untuk Era Agentik

Databricks dan NVIDIA sedang memperdalam kerjasama mereka secara signifikan untuk membina platform hujung-ke-hujung yang direka khas untuk 'era agentik', dengan mengintegrasikan silikon terkini NVIDIA (CPU Vera, GPU Blackwell/Rubin), runtime GPU tanpa pelayan, dan alat khusus ejen terus ke dalam Platform Data Pintar Databricks .

Kerjasama ini menyasarkan kitaran hayat ejen sepenuhnya — dari latihan dan penalaan halus pada GPU NVIDIA tanpa pelayan hingga inferens dan orkestrasi pada CPU NVIDIA Vera — semuanya berlabuh pada lakehouse Databricks untuk tadbir urus data. Berikut adalah teknologi khusus, integrasi, dan trend industri yang dirangkumi kerjasama ini.

Teknologi & Integrasi Utama

Integrasi CPU NVIDIA Vera

Databricks mengintegrasikan CPU Vera baru NVIDIA — yang dijenamakan sebagai 'CPU untuk ejen' — ke dalam platformnya. Vera adalah CPU tersuai berasaskan Arm dengan cache L3 256 MB dan unit perkakasan khusus untuk penghuraian JSON, direka khusus untuk mengendalikan gelung orkestrasi dan pembelajaran pengukuhan yang menjadi kesesakan untuk beban kerja ejen . Ini menandakan peralihan asas dalam infrastruktur: NVIDIA dan Databricks bertaruh bahawa prestasi ejen AI kini dihadkan oleh CPU hos (yang menjalankan perancangan, panggilan alat, dan gelung ingatan) dan bukannya daya pemprosesan GPU semata-mata .

AI Runtime: GPU NVIDIA Tanpa Pelayan

Databricks melancarkan AI Runtime, lapisan pengkomputeran tanpa pelayan yang menyediakan akses atas permintaan kepada GPU NVIDIA A10 dan H100 untuk latihan dan penalaan halus model pembelajaran mendalam tanpa bebanan infrastruktur . Latihan teragih berbilang nod dan sokongan berbilang GPU berada dalam beta, dan perkhidmatan ini direka untuk penglihatan komputer, LLM, dan sistem syor berasaskan pembelajaran mendalam .

Sokongan GPU dalam Edisi Percuma Databricks

Pecutan GPU NVIDIA kini tersedia dalam tier percuma Databricks, menurunkan halangan untuk pemaju bereksperimen dengan ejen AI .

Peningkatan Penyajian Model & Tindanan AI Agentik

Kerjasama yang diperluas ini merangkumi penyajian model yang lebih baik untuk beban kerja agentik dan sokongan penuh untuk timbunan perisian berorientasikan ejen NVIDIA (contohnya, Kit Alat Ejen NVIDIA, perkhidmatan mikro NIM) yang berjalan pada data perusahaan tertakluk dalam lakehouse Databricks .

Enjin Foton Pecutan CUDA NVIDIA

Pengkomputeran dipercepat NVIDIA diintegrasikan ke dalam Databricks Photon, enjin SQL berprestasi tinggi, untuk mempercepat prapemprosesan data dan ETL untuk saluran paip AI . Ketua Pegawai Eksekutif NVIDIA Jensen Huang menyatakan bahawa ia mengambil masa lima tahun untuk membina perpustakaan yang memungkinkan pecutan ini .

Trend Industri Mendorong Kerjasama

Kebangkitan AI Agentik

Perkongsian ini secara eksplisit dirangka di sekitar peralihan dari model AI statik kepada ejen AI autonomi pelbagai langkah yang memerlukan gandingan rapat data, pengkomputeran, dan orkestrasi. Laporan Databricks mendedahkan lonjakan 327% dalam penggunaan sistem AI autonomi menjelang 2026 .

CPU Menjadi Kesesakan Baru

NVIDIA dan Databricks bertaruh bahawa prestasi ejen AI kini dihadkan oleh CPU hos (yang menjalankan perancangan, panggilan alat, dan gelung ingatan) dan bukannya daya pemprosesan GPU semata-mata. CPU Vera direka untuk menutup jurang ini .

Data Tertakluk sebagai Asas

Trend teras adalah bahawa ejen mesti bertindak berdasarkan data perusahaan tertakluk yang berkualiti tinggi. Perkongsian ini menekankan membawa pecutan NVIDIA ke lakehouse yang ditadbir oleh Unity Catalog Databricks, supaya ejen menaakul berdasarkan data yang dipercayai dan bukannya sumber terpencil atau tidak tertakluk .

Pengembangan Ekosistem

Databricks juga melabur dalam protokol terbuka (OpenSharing untuk Kemahiran Ejen) dan alat pembangunan ejen (Agent Bricks, Lakebase untuk ingatan ejen), sementara NVIDIA serentak mengembangkan perkongsian AI Factory dengan HPE dan lain-lain — meletakkan kerjasama ini dalam dorongan industri yang lebih luas ke arah infrastruktur ejen piawai dan gred pengeluaran .