搜索关键词 Lakehouse
AI & Enterprise
金融业AI竞争转向落地能力，平台能力成分水岭
2026年，AI在金融业已进入普及阶段，但机构之间的应用成效正持续分化。决定差距的关键不再是模型本身，而是能否在合规、可治理的基础上，将AI稳定部署到真实业务场景。领先机构正通过现代数据与AI平台打通数据、分析与AI流程，以提升运营效率和可信度。
AI & Enterprise
Databricks推出LTAP架构，打通事务数据库与分析系统并面向AI Agent
Databricks发布LTAP数据架构，基于数据湖中的同一份数据打通事务处理与分析，使应用、分析系统和AI Agent能够共享访问，减少对CDC、ETL及数据副本的依赖。公司同时推出实时分析引擎Lakehouse/RT，称小规模任务最低响应时间为10毫秒，大规模任务低于100毫秒以内。
Columns
Databricks：企业AI转型不应止于单一智能体
Databricks表示，韩国企业的AI应用正从单一聊天机器人和单一模型的导入，转向围绕行业数据与业务场景构建多智能体协同体系。其报告显示，近几个月多智能体系统使用量增长了327%，78%的企业同时使用两种以上大语言模型；在数据库建设中，约80%的工作由AI智能体完成。随着自动化加速落地，企业也更需要通过评估与治理机制保障AI安全进入生产环境。
