LTAP 嘅地基係 Lakebase，Databricks 嘅無伺服器（Serverless）Postgres 服務，底層係開放物件儲存。Lakebase 本身已經服務緊幾千個客戶，全平台每日處理 1,200 萬次數據庫啟動 。喺 LTAP 模型之下，Lakebase 會將數據直接以開放格式——即係 Delta Lake 同 Apache Iceberg——儲存喺 Unity Catalog 入面。咁樣一嚟，受管制嘅交易數據就可以即刻畀分析工作查詢到 。

Databricks 列出咗呢個架構嘅幾個關鍵特性：統一嘅管治同單一事實來源（Single Source of Truth）、交易同分析工作可以獨立擴容、為 Postgres 工作提供完整嘅 ACID 語義，而且冇隱藏嘅管線或者連接器要維護 。

Lakebase 嘅新絕招

除咗 LTAP，Databricks 仲公布咗 Lakebase 本身嘅幾項增強功能：

• 跨雲、跨區域嘅災難恢復（Disaster Recovery），為生產環境嘅 Postgres 數據庫提供保障。
• Git 風格嘅分支（Branching）同快照（Snapshots），等你可以安全咁喺生產數據上直接做實驗。
• 自主數據庫操作，會自動監控變慢嘅情況、偵測異常，仲會觸發自動恢復 。

呢啲功能嘅信號好明確：Databricks 唔單止想將無伺服器 Postgres 當作一個方便分析嘅工具，而係想佢成為應用程式同 AI Agent 頂尖嘅業務數據庫。

Lakehouse//RT：受管制數據上嘅實時分析

第二項重磅基建發布係 Lakehouse//RT，呢個係一個實時 Lakehouse，背後係一個叫 Reyden 嘅全新運算引擎（個名源自聯合創辦人 Reynold Xin，全寫係「Reynold’s Dream Engine」） 。Databricks 話 Reyden 可以喺受管制嘅 Delta Lake 同 Apache Iceberg 表格上面，直接對住幾萬個同時在線嘅用戶同 Agent 提供毫秒級嘅查詢延時 。

呢個意味住嘅嘢好緊要：企業以後可能唔使再特登建立獨立嘅服務基建——例如快取層、物化視圖或者外部查詢引擎——去達到實時性能。Sigma Computing 已經作為啟動夥伴加入，直接連接 Lakehouse//RT 嚟做嵌入式分析 。

Databricks 聯合創辦人 Reynold Xin 直頭形容呢次發布係「自 Lakehouse 推出以來，我哋可能做過最大規模嘅一次性介紹」 。

代理式企業大計：Genie One、Agent Bricks 同更廣嘅 AI 工具

Databricks 利用今次峰會，將自己嘅平台定位成企業 AI Agent 嘅基礎設施。相關嘅公布包括：

• Genie One： 一個 AI 代理同事，旨在幫業務團隊自動化工作，佢會紮根喺真實嘅業務數據度，仲加強咗代理上下文（Agentic Context）嘅功能 。
• Genie Agents 同 Agent Bricks： 用嚟構建同部署 AI Agent 嘅工具，呢啲 Agent 可以喺企業數據上面觀察、推理同採取行動。Agent Bricks 係預先組裝好嘅組件，能夠用受管制嘅數據自動優化 Agent 。
• Unity AI Gateway： 為管理緊多個 AI 模型供應商嘅組織，提供多 AI 管治同成本控制 。

業界分析師普遍認為，LTAP 同 Lakehouse//RT 正正就係「代理式企業架構」下面嗰層數據服務層。Databricks 嘅如意算盤係：只要將業務數據以開放格式放喺受管制嘅儲存層上面，AI Agent 就可以唔使移動或者複製數據，直接存取、推理同作用喺生產數據庫上面 。

Azure 同微軟整合

Databricks 亦都深化咗同 Azure 生態圈嘅整合，有幾項聯合公布嘅能力：

• Copilot Studio 同 GitHub Copilot： 用戶可以透過單一 MCP (Model-Centric-Protocol) 連接，創建能夠推理整個 Azure Databricks 工作空間嘅 Copilot Studio 代理 。
• Genie for Microsoft Teams 同 M365 Copilot (Beta)： 用戶可以直接喺 Teams 執行緒入面 @Genie，就可以由你嘅 Azure Databricks 環境中得到貼合上下文嘅回答 。
• Azure Databricks Excel Add-in (公眾預覽版) 同原生 Excel 數據匯入 (正式版)，實現咗由 spreadsheet 驅動嘅「無人值守分析」 。
• Databricks CustomerLake： 首個 Lakehouse 原生嘅客戶數據平台，喺 Azure Databricks 上面亮相 。

呢啲整合顯示出一個策略：將 Databricks 嘅管治同 AI 能力，嵌入到業務決策發生嘅協作工具入面，而唔係迫用戶轉去另一個獨立嘅分析界面。

呢啲嘢對企業數據架構意味住啲咩？

綜合嚟睇，成個峰會嘅公布代表住一個好一致嘅平台賭注：下一代企業應用程式將會係代理式（Agentic）、實時（Real-time）同受管制（Governed）嘅。LTAP 消除咗交易同分析之間嘅分歧，Lakehouse//RT 消除咗分析查詢嘅延時妥協，而 Genie 家族就提供咗代理編排層。

如果搞得掂，呢個架構可以大幅減少典型企業數據棧入面嘅「運動部件」——少啲數據庫、少啲管線、少啲服務層——同時為 AI Agent 提供佢哋自主處理業務數據所需嘅、受管制嘅實時上下文。

雖然 Databricks 並非唯一一間喺呢條收斂賽道上奔跑嘅公司，但隨住 Lakebase 已經達到每日 1,200 萬次數據庫啟動，加上一個超過 30,000 人參加嘅峰會為其生態系統吶喊助威，LTAP 呢個公布無疑標誌住 Lakehouse 架構由分析平台進化到業務數據中樞嘅一個重要里程碑 。

LTAP 嘅地基係 Lakebase，Databricks 嘅無伺服器（Serverless）Postgres 服務，底層係開放物件儲存。Lakebase 本身已經服務緊幾千個客戶，全平台每日處理 1,200 萬次數據庫啟動 。喺 LTAP 模型之下，Lakebase 會將數據直接以開放格式——即係 Delta Lake 同 Apache Iceberg——儲存喺 Unity Catalog 入面。咁樣一嚟，受管制嘅交易數據就可以即刻畀分析工作查詢到 。

Databricks 列出咗呢個架構嘅幾個關鍵特性：統一嘅管治同單一事實來源（Single Source of Truth）、交易同分析工作可以獨立擴容、為 Postgres 工作提供完整嘅 ACID 語義，而且冇隱藏嘅管線或者連接器要維護 。

Lakebase 嘅新絕招

除咗 LTAP，Databricks 仲公布咗 Lakebase 本身嘅幾項增強功能：

• 跨雲、跨區域嘅災難恢復（Disaster Recovery），為生產環境嘅 Postgres 數據庫提供保障。
• Git 風格嘅分支（Branching）同快照（Snapshots），等你可以安全咁喺生產數據上直接做實驗。
• 自主數據庫操作，會自動監控變慢嘅情況、偵測異常，仲會觸發自動恢復 。

呢啲功能嘅信號好明確：Databricks 唔單止想將無伺服器 Postgres 當作一個方便分析嘅工具，而係想佢成為應用程式同 AI Agent 頂尖嘅業務數據庫。

Lakehouse//RT：受管制數據上嘅實時分析

第二項重磅基建發布係 Lakehouse//RT，呢個係一個實時 Lakehouse，背後係一個叫 Reyden 嘅全新運算引擎（個名源自聯合創辦人 Reynold Xin，全寫係「Reynold’s Dream Engine」） 。Databricks 話 Reyden 可以喺受管制嘅 Delta Lake 同 Apache Iceberg 表格上面，直接對住幾萬個同時在線嘅用戶同 Agent 提供毫秒級嘅查詢延時 。

呢個意味住嘅嘢好緊要：企業以後可能唔使再特登建立獨立嘅服務基建——例如快取層、物化視圖或者外部查詢引擎——去達到實時性能。Sigma Computing 已經作為啟動夥伴加入，直接連接 Lakehouse//RT 嚟做嵌入式分析 。

Databricks 聯合創辦人 Reynold Xin 直頭形容呢次發布係「自 Lakehouse 推出以來，我哋可能做過最大規模嘅一次性介紹」 。

代理式企業大計：Genie One、Agent Bricks 同更廣嘅 AI 工具

Databricks 利用今次峰會，將自己嘅平台定位成企業 AI Agent 嘅基礎設施。相關嘅公布包括：

• Genie One： 一個 AI 代理同事，旨在幫業務團隊自動化工作，佢會紮根喺真實嘅業務數據度，仲加強咗代理上下文（Agentic Context）嘅功能 。
• Genie Agents 同 Agent Bricks： 用嚟構建同部署 AI Agent 嘅工具，呢啲 Agent 可以喺企業數據上面觀察、推理同採取行動。Agent Bricks 係預先組裝好嘅組件，能夠用受管制嘅數據自動優化 Agent 。
• Unity AI Gateway： 為管理緊多個 AI 模型供應商嘅組織，提供多 AI 管治同成本控制 。

業界分析師普遍認為，LTAP 同 Lakehouse//RT 正正就係「代理式企業架構」下面嗰層數據服務層。Databricks 嘅如意算盤係：只要將業務數據以開放格式放喺受管制嘅儲存層上面，AI Agent 就可以唔使移動或者複製數據，直接存取、推理同作用喺生產數據庫上面 。

Azure 同微軟整合

Databricks 亦都深化咗同 Azure 生態圈嘅整合，有幾項聯合公布嘅能力：

• Copilot Studio 同 GitHub Copilot： 用戶可以透過單一 MCP (Model-Centric-Protocol) 連接，創建能夠推理整個 Azure Databricks 工作空間嘅 Copilot Studio 代理 。
• Genie for Microsoft Teams 同 M365 Copilot (Beta)： 用戶可以直接喺 Teams 執行緒入面 @Genie，就可以由你嘅 Azure Databricks 環境中得到貼合上下文嘅回答 。
• Azure Databricks Excel Add-in (公眾預覽版) 同原生 Excel 數據匯入 (正式版)，實現咗由 spreadsheet 驅動嘅「無人值守分析」 。
• Databricks CustomerLake： 首個 Lakehouse 原生嘅客戶數據平台，喺 Azure Databricks 上面亮相 。

呢啲整合顯示出一個策略：將 Databricks 嘅管治同 AI 能力，嵌入到業務決策發生嘅協作工具入面，而唔係迫用戶轉去另一個獨立嘅分析界面。

呢啲嘢對企業數據架構意味住啲咩？

綜合嚟睇，成個峰會嘅公布代表住一個好一致嘅平台賭注：下一代企業應用程式將會係代理式（Agentic）、實時（Real-time）同受管制（Governed）嘅。LTAP 消除咗交易同分析之間嘅分歧，Lakehouse//RT 消除咗分析查詢嘅延時妥協，而 Genie 家族就提供咗代理編排層。

如果搞得掂，呢個架構可以大幅減少典型企業數據棧入面嘅「運動部件」——少啲數據庫、少啲管線、少啲服務層——同時為 AI Agent 提供佢哋自主處理業務數據所需嘅、受管制嘅實時上下文。

雖然 Databricks 並非唯一一間喺呢條收斂賽道上奔跑嘅公司，但隨住 Lakebase 已經達到每日 1,200 萬次數據庫啟動，加上一個超過 30,000 人參加嘅峰會為其生態系統吶喊助威，LTAP 呢個公布無疑標誌住 Lakehouse 架構由分析平台進化到業務數據中樞嘅一個重要里程碑 。