Databricks และ NVIDIA สร้างแพลตฟอร์มแห่งยุค Agentic AI

Databricks และ NVIDIA กำลังขยายความร่วมมือกันครั้งใหญ่เพื่อสร้างแพลตฟอร์มแบบครบวงจรสำหรับยุค "agentic era" โดยผสานเทคโนโลยีล่าสุดของ NVIDIA ไม่ว่าจะเป็น Vera CPU, Blackwell/Rubin GPUs, serverless GPU runtimes, และเครื่องมือสำหรับพัฒนาเอเจนต์ เข้ากับ Databricks Data Intelligence Platform โดยตรง

ความร่วมมือนี้ครอบคลุมวงจรชีวิตของเอเจนต์ทั้งหมด ตั้งแต่การฝึกฝน (training) และการปรับแต่ง (fine-tuning) บน serverless NVIDIA GPUs ไปจนถึงการอนุมาน (inference) และการจัดการ (orchestration) บน NVIDIA Vera CPUs โดยทุกอย่างเชื่อมต่อกับ Databricks lakehouse เพื่อการจัดการข้อมูลอย่างมีธรรมาภิบาล

เทคโนโลยีและการผสานการทำงานที่สำคัญ

การผสาน NVIDIA Vera CPU

Databricks กำลังผสาน Vera CPU ตัวใหม่ของ NVIDIA ซึ่งถูกขนานนามว่า "CPU สำหรับเอเจนต์" เข้ากับแพลตฟอร์มของตนเอง Vera เป็นซีพียูแบบ Arm-based ที่ออกแบบมาเฉพาะ มีแคช L3 ขนาด 256 MB และหน่วยประมวลผลฮาร์ดแวร์สำหรับ JSON โดยเฉพาะ เพื่อรับมือกับภาระงาน orchestration และ reinforcement-learning loops ซึ่งเป็นปัญหาคอขวดสำหรับระบบเอเจนต์ นี่คือการเปลี่ยนแปลงครั้งสำคัญในโครงสร้างพื้นฐาน NVIDIA และ Databricks เชื่อว่าประสิทธิภาพของ AI เอเจนต์ตอนนี้ถูกจำกัดโดยซีพียูโฮสต์ (ซึ่งทำหน้าที่วางแผน เรียกใช้เครื่องมือ และจัดการหน่วยความจำ) มากกว่าแค่ปริมาณงานของ GPU เพียงอย่างเดียว

AI Runtime: Serverless NVIDIA GPUs

Databricks เปิดตัว AI Runtime ซึ่งเป็นเลเยอร์การประมวลผลแบบ serverless ที่ให้เข้าถึง NVIDIA A10 และ H100 GPUs ได้ตามต้องการ สำหรับการฝึกฝนและปรับแต่งโมเดล Deep Learning โดยไม่ต้องกังวลเรื่องโครงสร้างพื้นฐาน การฝึกแบบ distributed training แบบหลายโหนดและหลาย GPU อยู่ในช่วงเบต้า และบริการนี้ถูกออกแบบมาสำหรับงาน Computer Vision, LLMs และระบบแนะนำที่ใช้ Deep Learning

รองรับ GPU ใน Databricks Free Edition

การเร่งความเร็วด้วย NVIDIA GPU พร้อมใช้งานแล้วใน Databricks ฟรี ทำให้ผู้พัฒนาสามารถทดลองสร้าง AI เอเจนต์ได้ง่ายขึ้น

การปรับปรุง Model Serving และ Stack Agentic AI

ความร่วมมือที่ขยายออกไปนี้รวมถึงการปรับปรุงการให้บริการโมเดลสำหรับงาน agentic และการสนับสนุนเต็มรูปแบบสำหรับซอฟต์แวร์ที่เน้นเอเจนต์ของ NVIDIA (เช่น NVIDIA Agent Toolkit, NIM microservices) ที่ทำงานบนข้อมูลองค์กรที่มีการควบคุมภายใน Databricks lakehouse

NVIDIA CUDA-Accelerated Photon Engine

การประมวลผลแบบเร่งความเร็วของ NVIDIA ถูกผสานเข้ากับ Databricks Photon ซึ่งเป็น SQL Engine ประสิทธิภาพสูง เพื่อเร่งการประมวลผลข้อมูลล่วงหน้าและ ETL สำหรับไปป์ไลน์ AI Jensen Huang ซีอีโอของ NVIDIA กล่าวว่าต้องใช้เวลาห้าปีในการสร้างไลบรารีที่ทำให้การเร่งความเร็วนี้เป็นไปได้

เทรนด์อุตสาหกรรมที่ขับเคลื่อนความร่วมมือ

การเพิ่มขึ้นของ Agentic AI

ความร่วมมือนี้ถูกวางกรอบอย่างชัดเจนบนการเปลี่ยนแปลงจากโมเดล AI แบบคงที่ ไปสู่ AI เอเจนต์อัตโนมัติที่ทำงานหลายขั้นตอน ซึ่งต้องการการเชื่อมโยงอย่างแน่นหนาของข้อมูล, การประมวลผล และการจัดการ รายงานของ Databricks เผยให้เห็นถึงการเพิ่มขึ้น 327% ในการนำระบบ AI อัตโนมัติมาใช้ในปี 2026

CPU กลายเป็นปัญหาคอขวดใหม่

NVIDIA และ Databricks เชื่อว่าประสิทธิภาพของ AI เอเจนต์ตอนนี้ถูกจำกัดโดยซีพียูโฮสต์ (ซึ่งรันการวางแผน การเรียกใช้เครื่องมือ และลูปหน่วยความจำ) มากกว่าปริมาณงาน GPU เพียงอย่างเดียว Vera CPU ถูกออกแบบมาเพื่อปิดช่องว่างนี้

ข้อมูลที่มีการควบคุมเป็นรากฐาน

เทรนด์หลักคือการที่เอเจนต์ต้องทำงานบนข้อมูลองค์กรที่มีคุณภาพสูงและมีการควบคุม ความร่วมมือนี้เน้นการนำการเร่งความเร็วของ NVIDIA มาสู่ Databricks' Unity Catalog-governed lakehouse เพื่อให้เอเจนต์ใช้ข้อมูลที่เชื่อถือได้ แทนที่จะเป็นแหล่งข้อมูลที่แยกส่วนหรือไม่มีการควบคุม

การขยายระบบนิเวศ

Databricks กำลังลงทุนในโปรโตคอลแบบเปิด (OpenSharing สำหรับ Agent Skills) และเครื่องมือสร้างเอเจนต์ (Agent Bricks, Lakebase สำหรับหน่วยความจำเอเจนต์) ในขณะที่ NVIDIA ขยายความร่วมมือ AI Factory กับ HPE และอื่นๆ ไปพร้อมกัน ซึ่งทำให้ความร่วมมือนี้อยู่ในบริบทของการผลักดันอุตสาหกรรมไปสู่โครงสร้างพื้นฐานเอเจนต์แบบมาตรฐานที่พร้อมสำหรับการผลิต

โดยสรุป ความร่วมมือนี้ครอบคลุมวงจรชีวิตของเอเจนต์ทั้งหมด ตั้งแต่การฝึกฝนและปรับแต่งบน serverless NVIDIA GPUs ไปจนถึงการอนุมานและการจัดการบน NVIDIA Vera CPUs โดยทุกอย่างยึดโยงกับ Databricks lakehouse เพื่อธรรมาภิบาลข้อมูล