Databricks och NVIDIA fördjupar sitt partnerskap – satsar på AI-agenter och ny Vera-processor

Databricks och NVIDIA fördjupar sitt redan omfattande partnerskap för att bygga en heltäckande plattform för den så kallade "agentiska eran". Integrationen omfattar NVIdias senaste kisel (Vera CPU, Blackwell/Rubin GPU:er), serverlösa GPU-körtider och agent-specifika verktyg som kopplas direkt in i Databricks Data Intelligence Platform .

Samarbetet täcker hela livscykeln för AI-agenter – från träning och finjustering på serverlösa NVIDIA GPU:er till inferens och orkestrering på NVIDIA Vera CPU:er – allt förankrat i Databricks lakehouse för datastyrning. Här är de specifika teknikerna, integrationerna och branschtrenderna som samarbetet omfattar.

Viktiga tekniker och integrationer

NVIDIA Vera CPU-integration

Databricks integrerar NVIdias nya Vera CPU – marknadsförd som "processorn för agenter" – i sin plattform. Vera är en specialbyggd Arm-baserad CPU med 256 MB L3-cache och en dedikerad hårdvaruenhet för JSON-tolkning, designad för att hantera de orkestrerings- och förstärkningsinlärningsloopar som är flaskhalsar för agentarbetsbelastningar . Detta markerar ett grundläggande skifte: NVIDIA och Databricks satsar på att prestandan för AI-agenter nu begränsas av värdprocessorn (som kör planering, verktygsanrop och minnesloopar) snarare än enbart GPU-genomströmning .

AI Runtime: Serverlösa NVIDIA GPU:er

Databricks har lanserat AI Runtime, ett serverlöst beräkningslager som ger åtkomst till NVIDIA A10- och H100-GPU:er på begäran för träning och finjustering av djupinlärningsmodeller utan infrastruktur-overhead . Multinod distribuerad träning och stöd för flera GPU:er är i betaversion, och tjänsten är utformad för datorseende, stora språkmodeller och rekommendationssystem baserade på djupinlärning .

GPU-stöd i Databricks gratisversion

NVIDIA GPU-acceleration är nu tillgänglig i Databricks gratistier, vilket sänker tröskeln för utvecklare att experimentera med AI-agenter .

Förbättrad modellservering och agentisk AI-stack

Det utökade samarbetet inkluderar förbättrad modellservering för agentiska arbetsbelastningar och fullt stöd för NVIdias agentorienterade mjukvarustack (t.ex. NVIDIA Agent Toolkit, NIM-mikrotjänster) som körs på styrda företagsdata i Databricks lakehouse .

NVIDIA CUDA-accelererad Photon-motor

NVIdias accelererade beräkningar integreras i Databricks Photon, den högpresterande SQL-motorn, för att snabba upp dataförbehandling och ETL för AI-pipelines . NVIDIA:s vd Jensen Huang noterade att det tog fem år att bygga de bibliotek som gör denna acceleration möjlig .

Branschtrender som driver samarbetet

Framväxten av agentisk AI

Partnerskapet är uttryckligen inramat kring skiftet från statiska AI-modeller till autonoma AI-agenter som utför flerstegsuppgifter och kräver tät koppling mellan data, beräkning och orkestrering. En rapport från Databricks visar på en ökning på 327 procent i antagandet av autonoma AI-system inför 2026 .

CPU blir den nya flaskhalsen

NVIDIA och Databricks satsar på att prestandan för AI-agenter nu begränsas av värdprocessorn (som kör planering, verktygsanrop och minnesloopar) snarare än enbart GPU-genomströmning. Vera CPU är designad för att täppa till detta gap .

Styrda data som grund

En kärntrend är att agenter måste agera på styrda, högkvalitativa företagsdata. Partnerskapet betonar att NVIDIA-acceleration förs till Databricks Unity Catalog-styrda lakehouse, så att agenter resonerar över betrodda data snarare än isolerade eller ostyrda källor .

Ekosystemexpansion

Databricks investerar också i öppna protokoll (OpenSharing for Agent Skills) och verktyg för agentbyggande (Agent Bricks, Lakebase för agentminne), medan NVIDIA samtidigt utökar sina AI Factory-partnerskap med HPE och andra – vilket positionerar detta samarbete inom en bredare industriell push mot standardiserad, produktionsklar agentinfrastruktur .