這款 AI 助理可透過網頁、原生 iOS 與 Android App 使用，並能整合至團隊日常使用的協作工具中，包括 Slack、Microsoft Teams 以及行動應用程式 。在企業工作流程方面，使用者可以在 Microsoft Teams 的討論串中標記 Genie，以取得受 Unity Catalog 控管的上下文感知回覆。Genie for Microsoft Teams 與 M365 Copilot 已於本次峰會進入 Beta 階段 。Genie One 還可以連結外部知識庫，例如 Google Drive 和 SharePoint，進一步擴展其在更廣泛的企業脈絡中進行推理的能力 。

Genie Ontology：你的企業專屬即時知識地圖

一項關鍵的架構轉變是 Genie Ontology，它已於 2026 年 6 月 15 日進入公開預覽階段 。與其讓 Genie 在每次查詢時從零開始搜尋背景資訊，Ontology 的作用就像是一張持續更新的企業地圖。它會自動從儀表板、筆記本、資料管線以及已連結的工作應用程式中提取知識並進行排序 。Databricks 將其稱為「所有知識的網絡」，讓 Genie One 能夠識別可信賴的來源，並根據完整的業務脈絡來回答問題 。

根據 Databricks 在 2026 年 5 月公佈的內部基準測試，他們聲稱搭載 Ontology 的 Genie 在查詢準確率上，「相較於領先的編碼代理，從 32% 提升到超過 90%」。這是一個相當驚人的數字，但必須注意一個重要的先決條件：這項從 32% 到 90% 的提升，是基於 Databricks 內部的評估數據，而非外部獨立驗證的基準。外部分析師指出，這項數據作為方向性的參考信號很有用，但若用於與其他代理式架構進行一對一的橫向比較，參考價值就相對有限 。

Genie Agents：從 Genie Spaces 進化而來的可重用 AI 代理

Databricks 利用本次峰會，將既有的 Genie Spaces 概念進化為 Genie Agents。使用者現在可以將任何 Genie 對話儲存為一個可重複使用、可分享的代理，這個代理會繼承該對話的記憶、資料來源、指令和行為模式。同事們可以透過名稱呼叫這個代理，它就會重複相同的推理方法 。數據團隊依然可以建立 Genie Spaces，作為特定領域的環境，用來設定驅動 Genie One 回答所需的可信數據、指標和業務規則 。

Genie App Builder 與 Genie ZeroOps

Genie 生態系如今已不再侷限於分析領域。Genie App Builder 讓團隊可以用「隨性編碼」的方式建構受 Unity Catalog 控管的簡易商業應用程式，將平台觸角延伸至輕量級應用開發 。

而宣布進入私人預覽的 Genie ZeroOps，目標則是讓數據與 AI 的營運全面自動化。初期支援的範圍包括作業、管線、資料表與機器學習工作負載，應用程式和 Lakebase 資料庫則被列在近期的開發路線圖上 。

2026 年 7 月 6 日起的隨用隨付定價轉型

或許最受業界關注的商業變革，就是 Genie 全系列產品——包括 Genie One、Genie Spaces 和 Genie Code——全新的隨用隨付定價模式。自 2026 年 7 月 6 日起，每位用戶每月可獲得 150 DBU 的免費 LLM 使用額度（在美國東部區域約合 10.50 美元，但實際的等值金額因地區而異）。超出免費額度的使用量，將依據 DBU 消耗量來計費，而 SQL Serverless 的運算資源則會另外計費 。

帳戶管理員現在就可以透過 Unity AI Gateway 的預算功能，開始設定預算與成本控制，並能跨帳戶、工作區、群組和個別用戶來追蹤使用情況 。

更宏觀的峰會背景：LTAP、Lakehouse//RT 與重量級主題演講

Genie 的系列公告，是這場由 Databricks 稱為全球最大數據與 AI 大會的峰會中，整體平台故事的一環。共同創辦人 Ali Ghodsi、Matei Zaharia、Arsalan Tavakoli-Shiraji 和 Reynold Xin 在主題演講舞台上，與嘉賓講者展開了精彩的對話，其中包括微軟執行長薩蒂亞·納德拉的事先錄製爐邊談話、OpenAI 的 Greg Brockman，以及百事可樂的 Magesh Bagavathi 。

峰會還發布了兩項重大的基礎設施公告：

• LTAP（Lake Transactional/Analytical Processing）： 一種全新的架構，能在資料湖的單一數據副本上，將線上式分析處理與線上式交易處理統一起來，旨在從設計上消除 ETL 與數據複本。LTAP 的基礎是 Lakebase，目前該平台每天要處理 1200 萬次的資料庫啟動 。
• Lakehouse//RT： 一個即時的 Lakehouse 平台，由名為 Reyden 的全新運算引擎驅動，能在受控管的 Delta Lake 和 Apache Iceberg 資料表上，為數以萬計的並髮用戶和代理提供毫秒級的查詢延遲。Databricks 表示，其效能最高可達現有即時服務堆疊的 16 倍，在小規模數據集上的反應時間甚至可低至 10 毫秒 。

這款 AI 助理可透過網頁、原生 iOS 與 Android App 使用，並能整合至團隊日常使用的協作工具中，包括 Slack、Microsoft Teams 以及行動應用程式 。在企業工作流程方面，使用者可以在 Microsoft Teams 的討論串中標記 Genie，以取得受 Unity Catalog 控管的上下文感知回覆。Genie for Microsoft Teams 與 M365 Copilot 已於本次峰會進入 Beta 階段 。Genie One 還可以連結外部知識庫，例如 Google Drive 和 SharePoint，進一步擴展其在更廣泛的企業脈絡中進行推理的能力 。

Genie Ontology：你的企業專屬即時知識地圖

一項關鍵的架構轉變是 Genie Ontology，它已於 2026 年 6 月 15 日進入公開預覽階段 。與其讓 Genie 在每次查詢時從零開始搜尋背景資訊，Ontology 的作用就像是一張持續更新的企業地圖。它會自動從儀表板、筆記本、資料管線以及已連結的工作應用程式中提取知識並進行排序 。Databricks 將其稱為「所有知識的網絡」，讓 Genie One 能夠識別可信賴的來源，並根據完整的業務脈絡來回答問題 。

根據 Databricks 在 2026 年 5 月公佈的內部基準測試，他們聲稱搭載 Ontology 的 Genie 在查詢準確率上，「相較於領先的編碼代理，從 32% 提升到超過 90%」。這是一個相當驚人的數字，但必須注意一個重要的先決條件：這項從 32% 到 90% 的提升，是基於 Databricks 內部的評估數據，而非外部獨立驗證的基準。外部分析師指出，這項數據作為方向性的參考信號很有用，但若用於與其他代理式架構進行一對一的橫向比較，參考價值就相對有限 。

Genie Agents：從 Genie Spaces 進化而來的可重用 AI 代理

Databricks 利用本次峰會，將既有的 Genie Spaces 概念進化為 Genie Agents。使用者現在可以將任何 Genie 對話儲存為一個可重複使用、可分享的代理，這個代理會繼承該對話的記憶、資料來源、指令和行為模式。同事們可以透過名稱呼叫這個代理，它就會重複相同的推理方法 。數據團隊依然可以建立 Genie Spaces，作為特定領域的環境，用來設定驅動 Genie One 回答所需的可信數據、指標和業務規則 。

Genie App Builder 與 Genie ZeroOps

Genie 生態系如今已不再侷限於分析領域。Genie App Builder 讓團隊可以用「隨性編碼」的方式建構受 Unity Catalog 控管的簡易商業應用程式，將平台觸角延伸至輕量級應用開發 。

而宣布進入私人預覽的 Genie ZeroOps，目標則是讓數據與 AI 的營運全面自動化。初期支援的範圍包括作業、管線、資料表與機器學習工作負載，應用程式和 Lakebase 資料庫則被列在近期的開發路線圖上 。

2026 年 7 月 6 日起的隨用隨付定價轉型

或許最受業界關注的商業變革，就是 Genie 全系列產品——包括 Genie One、Genie Spaces 和 Genie Code——全新的隨用隨付定價模式。自 2026 年 7 月 6 日起，每位用戶每月可獲得 150 DBU 的免費 LLM 使用額度（在美國東部區域約合 10.50 美元，但實際的等值金額因地區而異）。超出免費額度的使用量，將依據 DBU 消耗量來計費，而 SQL Serverless 的運算資源則會另外計費 。

帳戶管理員現在就可以透過 Unity AI Gateway 的預算功能，開始設定預算與成本控制，並能跨帳戶、工作區、群組和個別用戶來追蹤使用情況 。

更宏觀的峰會背景：LTAP、Lakehouse//RT 與重量級主題演講

Genie 的系列公告，是這場由 Databricks 稱為全球最大數據與 AI 大會的峰會中，整體平台故事的一環。共同創辦人 Ali Ghodsi、Matei Zaharia、Arsalan Tavakoli-Shiraji 和 Reynold Xin 在主題演講舞台上，與嘉賓講者展開了精彩的對話，其中包括微軟執行長薩蒂亞·納德拉的事先錄製爐邊談話、OpenAI 的 Greg Brockman，以及百事可樂的 Magesh Bagavathi 。

峰會還發布了兩項重大的基礎設施公告：

• LTAP（Lake Transactional/Analytical Processing）： 一種全新的架構，能在資料湖的單一數據副本上，將線上式分析處理與線上式交易處理統一起來，旨在從設計上消除 ETL 與數據複本。LTAP 的基礎是 Lakebase，目前該平台每天要處理 1200 萬次的資料庫啟動 。
• Lakehouse//RT： 一個即時的 Lakehouse 平台，由名為 Reyden 的全新運算引擎驅動，能在受控管的 Delta Lake 和 Apache Iceberg 資料表上，為數以萬計的並髮用戶和代理提供毫秒級的查詢延遲。Databricks 表示，其效能最高可達現有即時服務堆疊的 16 倍，在小規模數據集上的反應時間甚至可低至 10 毫秒 。