AI 智慧已成熟，为何迟迟未融入企业？——Databricks CEO Ali Ghodsi 对企业 AI 的深度剖析

每日清晨8:30，为你速递全球前沿AI产品、设计、技术领域的播客与峰会洞察，助你紧跟最新认知步伐。全文逾3000字，可路上收听，亦可先收藏后细读。

AI 怎样步入企业？

我相信你与我同样好奇，这也是我持续收集相关实践与观点的缘由。

在2026年 Data + AI Summit 上，Databricks 联合创始人兼 CEO Ali Ghodsi 直面这一疑问：

为何当下大模型已极其强大，企业却仍未掀起真正的 AI 变革？

并且Ali 还给出了极为明确的论断：

AI 的智慧难题已基本攻克，企业真正匮乏的是让 AI 领会企业的能力。

基于这一论断，他不仅重新阐释了 AI 为何迟迟无法进入企业，也呈现了Databricks对未来企业 AI 基础设施的完整方案，非常值得钻研AI融入企业的同学深入剖析。

首部分

AI 已足够智慧，为何还未融入企业？

一、AGI 或许已降临，但企业变革尚未启动

Ali 在演讲开场向全场观众抛出疑问：

AGI 今日已降临了吗？

现场仅有极少数人举手。

随后，他展示了一道极为繁复的数学难题——关于李群 G2 分类空间的 Spin Bordism 计算。几乎无人能解，而当前最尖端的大模型却已能攻克。

Ali 的结论非常直白：

按十几年前 AI 学术界对 AGI 的界定，我们今日其实已远远跨越那道门槛。

换言之，AI 已拥有足够强大的智慧。但与此同时，一个更引人深思的疑问浮现：

若 AI 已如此聪慧，为何我们的企业里并无成百上千个 AI 员工？为何今日的大多数企业，仍仅把 AI 当作聊天机器人、代码助手或搜索工具？

Ali 给出的解答是：

AI 已完成 Intelligence Revolution（智慧革命），真正尚未发生的是 Enterprise Revolution（企业变革）。

模型已足够聪慧，但它还未真正融入企业。

二、AI 的瓶颈，已从 Intelligence 转向 Context

这是整场演讲最核心的一句话，也是 Ali 反复强调的关键观点：

AI doesn’t have an intelligence problem. It has a context problem.

AI不存在智力难题。它有一个情境难题。

过去数年，我们一直竭力让模型更聪慧。但今日，大多数企业每日面对的难题，并非求解复杂数学，也不是创造新的科学理论。

真正的工作更多是：

这些任务本身，大模型都具备完成它们的能力。

真正的难题在于：AI 并不知晓你的企业是何模样。

它不知晓：

因此，企业真正持有的竞争优势，并非模型，而是企业自己的情境（Context）。此处的 Context，并非简单地上传几份 PDF，也不是做一个知识库，而是整个企业数十年积淀下来的运行环境，涵盖数据、流程、组织、权限、业务语义、专家经验以及各种系统之间的关联。

企业 AI 的竞争，正从模型能力竞争，转向情境能力竞争。

三、真正困难的，不是 Agent，而是 Context

许多企业今日都在尝试部署 Agent。但 Ali 认为，大多数 Agent 并未真正领会企业。今日一个通用 Agent 接到任务后的工作方式大致如此：

收到疑问。

搜索文档。

打开一个链接。

调用一个 MCP。

再打开另一个系统。

继续搜索。

继续推理。

最终把零散的信息拼凑成答案。

这种方式看似很智慧，但它天然存在三个难题。

第一，速度迟缓。

Agent 每次都要重新寻觅信息，一条稍复杂的疑问可能需要运行十几分钟。

第二，成本高昂。

每一次搜索、每一次工具调用、每一次推理都会消耗 Token。Ali 引用了 Uber CEO 的案例：Uber 一个季度便花光了全年 AI 预算。若成本持续失控，企业最终必然会限制 AI 的应用，而非扩大部署。

第三，也是最严峻的难题——质量不足。

企业持有的是海量知识。而 Agent 每次回答疑问，都只是随机访问其中极小的一部分。它可能找到过期文档，也可能忽略真正权威的数据，更可能误解企业内部的业务定义。

因此，Ali 提出了一个极为重要的判断：

Context 不能依赖实时搜索。

真正的企业情境，必须提前组织、提前领会、提前构建。

Agent 不应每次重新认识企业，而应从一开始就领会企业。

四、企业 AI，本质是一套系统工程

Ali 随后把企业 AI 的挑战进一步抽象成四个系统难题。

第一，是Context。

如何让 AI 真正领会企业。

第二，是Governance。

如何确保 AI 在企业内部安全、可控、可审计地运行。

第三，是Cost。

如何让 AI 能够长期、大规模运行，而非因成本失控而停留在实验阶段。

第四，是Choice。

如何避免企业再度陷入新的技术锁定。

过去数十年，企业已被数据库、ERP、CRM、云平台锁定过很多次。

AI 时代，若企业又把整个组织绑定到某一个模型，那么未来仍会失去选择权。

因此，Ali 提出了一个极值得思考的观点：

企业 AI，并非在部署一个 Agent，而是在建设一套 AI 的运行系统。

模型仅是其中的一部分。真正决定企业 AI 能否规模化落地的，是：数据、治理、成本、情境以及开放能力。

五、Agent 正在重新定义企业软件

过去二十多年，企业软件的基本结构未发生变化。

每一个 SaaS 产品都拥有：

CRM 管销售、ERP 管供应链、HR 管员工，每个系统彼此独立。

但 AI 出现之后，一切开始改变。未来真正工作的，不再只是人，而是 Agent。而 Agent 的工作天然跨越多个系统。

一个销售分析任务，可能同时需要访问 CRM、邮件、财务系统、客服系统以及会议记录。一个市场活动，也需要跨越多个 SaaS。这意味着：

Agent 不再隶属于某一个 SaaS，而属于整个企业。

于是，传统的软件入口开始变化。未来真正的入口，不一定是某一个业务系统，而可能是企业统一的 AI 助手。

这也是 Ali 提出的Agentic System of Record的缘由。

未来企业需要的不再仅是各种业务系统，而是一套能让所有 Agent 共用的数据、治理和情境基础设施。

六、企业未来真正的竞争优势

Ali 将整场 Keynote 浓缩成四个关键词：

对应的并非四个产品，而是未来企业 AI 的四项基础能力。他反复强调：未来企业真正需要竞争的，并非谁持有最大的模型。而是谁持有：更开放的数据、更完善的治理、更低的运行成本、更丰富、更准确的企业情境。

模型负责智慧，企业负责情境。

未来企业真正的护城河，是来自企业自己的知识、流程和组织能力。

第二部分

Databricks 的答案：构建企业 AI 的操作系统

如果说首部分是在回应“为何 AI 还未融入企业”，那么第二部分，便是 Databricks 给出的答案。

Ali 并未把 Databricks 定义成一家数据平台公司。也未把自己定义成一家模型公司。他的目标，是构建一套完整的Enterprise AI Operating System（企业 AI 操作系统）。

整个平台可抽象成五层。

第一层：开放的数据基础（Open Data Foundation）

AI 首先需要能够接触企业真实世界的数据。

因此，Databricks 的第一层能力，并非模型，而是开放的数据基础设施。

这一层的目标只有一个：让企业的数据统一、开放、实时，并且能够低成本地持续流动。

无论数据来自数据库、SaaS、日志、文档还是实时流，都能够汇聚到统一的数据底座，并保持开放格式，避免供应商锁定。

数据，是 AI 的燃料。

第二层：统一治理与控制（Governance & Control Plane）

企业不能简单把 AI 接到所有系统上。真正的企业 AI，必须拥有统一的治理能力。

Databricks 希望建立一个统一的控制平面，对整个企业 AI 系统进行管理。它管理的不再仅是数据权限，而是整个 AI 运行体系，涵盖：

未来企业治理的对象，不再仅是数据库，而是整个 AI 系统。

第三层：企业情境层（Enterprise Context Layer）

这是 Databricks 最核心、也是最具差异化的一层。

Ali 最想解决的难题，并非让 Agent 更聪慧，而是让 Agent 在开始工作之前，就已领会企业。因此，他们提出了企业情境层。这一层并非一个知识库，而是持续领会整个企业：

领会数据之间的关系；

领会业务语义；

领会组织结构；

领会谁是真正的专家；

领会哪些知识最权威；

领会哪些数据最可信。

换言之，它试图把整个企业，提前组织成 AI 能够领会的一套长期记忆。这也是 Databricks 整个平台最重要的竞争壁垒。

第四层：企业 AI 运行时（Enterprise AI Runtime）

当数据、治理和情境准备完成之后，各种 Agent 才真正开始工作。无论是企业助手、数据分析 Agent、代码 Agent，还是自动运维 Agent，本质上都是同一套运行时上的不同能力。

Databricks 不再把它们看成一个个孤立产品，而是统一运行在企业情境之上的 AI Runtime。不同 Agent 可以共享同一套企业知识、治理能力和数据基础，而非各自重新领会企业。

第五层：Agent 应用生态（Enterprise AI Applications）

最顶层，才是真正面向业务的各种 AI 应用。

安全、营销、客服、开发、运营……不同业务可以快速构建属于自己的 Agent 应用。这些应用无需重新建设底层能力，而是建立在统一的数据、治理、情境和 AI Runtime 之上。

Databricks 希望形成的，不单是几个 AI 产品，而是一整个企业 AI 应用生态。

写在最后

很多人会把这场 Keynote 视作一次大型产品发布。

但如果站得更高一点，会发现 Ali 真正想表达的，并非产品，而是未来企业软件的一次重新分层。

过去二十年，我们围绕数据库、ERP、CRM 和 SaaS 构建企业。未来十年，企业将围绕数据、情境、Agent 和 AI Runtime重新组织。

Databricks 试图成为的，也不再仅是数据平台，而是连接企业知识与人工智能之间的那套基础设施。

AI 已拥有足够聪慧的大脑。

接下来决定企业竞争力的，将不再是谁持有更聪慧的模型，而是谁能够把自己的企业情境，真正交付给AI。