Databricks与NVIDIA联手打造面向智能体时代的新一代AI平台

Databricks与NVIDIA正在显著深化合作伙伴关系，共同构建一个专为“智能体时代”（agentic era）打造的端到端平台，将NVIDIA最新芯片（Vera CPU、Blackwell/Rubin GPU）、无服务器GPU运行环境和智能体专属工具直接集成到Databricks数据智能平台中。

这一合作瞄准智能体的全生命周期——从基于无服务器NVIDIA GPU的训练和微调，到基于NVIDIA Vera CPU的推理和编排——所有环节都依托Databricks lakehouse实现数据治理。以下是本次合作涵盖的具体技术、集成方案和行业趋势。

关键技术及集成

NVIDIA Vera CPU集成

Databricks正在将NVIDIA全新Vera CPU（号称“面向智能体的CPU”）集成到其平台中。Vera是一款基于Arm架构的定制CPU，配备256 MB L3缓存和专用的JSON解析硬件单元，专门用于处理智能体工作负载中的编排和强化学习循环瓶颈。这标志着基础设施层面的根本性转变：NVIDIA和Databricks认为，AI智能体的性能瓶颈已不再是GPU吞吐量，而是承担规划、工具调用和记忆循环任务的宿主CPU。

AI Runtime：无服务器NVIDIA GPU

Databricks推出了AI Runtime（AIR），这是一个无服务器计算层，可按需提供NVIDIA A10和H100 GPU用于训练和微调深度学习模型，无需用户操心基础设施开销。多节点分布式训练和多GPU支持目前处于Beta阶段，该服务专为计算机视觉、大语言模型和基于深度学习的推荐系统等场景设计。

Databricks免费版中的GPU支持

NVIDIA GPU加速现已集成到Databricks免费版中，大幅降低了开发者试用AI智能体的门槛。

模型服务增强与智能体AI堆栈

本次扩展合作还包括针对智能体工作负载的模型服务优化，以及对NVIDIA智能体导向软件栈（例如NVIDIA Agent Toolkit、NIM微服务）的全面支持，这些服务将在Databricks lakehouse的受管控企业数据上运行。

NVIDIA CUDA加速Photon引擎

NVIDIA的加速计算已集成到Databricks的高性能SQL引擎Photon中，用于加速AI流水线的数据预处理和ETL环节。NVIDIA CEO黄仁勋表示，实现这一加速所需的库耗时五年才得以构建完成。

推动合作的行业趋势

智能体AI的崛起

双方合作明确锚定在从静态AI模型向自主、多步骤AI智能体的转型上，这一转型对数据、计算和编排的耦合提出了更高要求。Databricks的一份报告显示，面向2026年，自主AI系统的采用率激增了327%。

CPU成为新瓶颈

NVIDIA与Databricks判断，AI智能体的性能瓶颈已不再是单一的GPU吞吐量，而是承担规划、工具调用和记忆循环的宿主CPU。Vera CPU正是为了填补这一缺口而设计。

受管控数据成为基石

一个核心趋势是：智能体必须基于受管控、高质量的企业数据运行。双方合作强调将NVIDIA加速能力引入由Databricks Unity Catalog管理的lakehouse，从而使智能体在可信数据而非孤立或未经管控的数据源上进行推理。

生态系统扩张

Databricks同时也在投资开放协议（面向Agent Skills的OpenSharing）和智能体构建工具（Agent Bricks、用于智能体记忆的Lakebase），而NVIDIA也在通过HPE等伙伴扩大其AI Factory合作网络——这使本次合作置身于一个更广泛的行业趋势之中，即推动标准化、生产级智能体基础设施的建设。