📊 Data+AI 全球日报

来源： Databricks Blog
摘要： DAIS 2026 Day 3，Databricks 宣布与 NVIDIA 扩展全栈合作。GPU 侧：NVIDIA GPU 进入 Databricks Free Edition，多节点分布式训练 AI Runtime 采用 Hopper GPU + Quantum InfiniBand。CPU 侧：首次探索 NVIDIA Vera CPU 在 Agent 编排场景的应用——针对工具调用、多步推理和 SQL 分析，Vera 宣称可提供 3 倍 SQL 查询加速和 80% Agent 性能提升。软件侧：NVIDIA Agent Toolkit 可在 Databricks Apps 上直接部署，BioNeMo、MONAI、Parabricks 等行业 AI 框架进入 Databricks 平台，覆盖药物发现、医学影像、基因组学等领域。
为什么对数据平台重要： 这标志着 Agent 时代的算力竞争从"谁有更多 GPU 训练模型"转向"谁有更优的 CPU 架构支撑 Agent 运行时"。Agent 编排——工具调用、多步推理、数百个并行线程——的 CPU 开销正在成为新的基础设施瓶颈。NVIDIA Vera 是首个为 Agent 工作负载设计的服务器 CPU，意味着芯片厂商开始按 Agent 运行特征而非通用计算来设计硅。

来源： Databricks Blog
摘要： DAIS Day 3 发布 Genie Code 重大升级。新增全页面指挥中心，支持多线程并行任务管理；MLflow 和 Model Serving 原生集成——Agent 可直接读取实验数据、诊断 serving 问题、优化 GPU 利用率；Genie Ontology 学习团队开发模式，避免使用无关默认配置。即将推出的定时任务功能让 Genie Code 脱离人工交互自主运行，在用户离线时执行管道检查、异常诊断和定期分析。Genie 产品线已覆盖 90% Databricks 客户，年增长超 10 倍。
为什么对数据平台重要： 这是数据/ML 开发范式的进化——Agent 从 Copilot（你问我答）迈向 Coworker（你布置任务，它自主执行）。MLflow 和 Model Serving 的原生集成让 Agent 不再是"能写代码的聊天窗口"，而是理解完整 ML 工程生命周期的数字工程师。定时任务消除了最后一个需要人工在场的环节。

来源： 新浪财经
摘要： 在 2026 中国国际金融展上，阿里云发布金融级通用智能体平台"点金"。三大核心能力：100 毫秒内唤醒弹性沙箱为 Agent 创建独立隔离工作空间；千问大模型从"理解"升级为"行动"，原生支持复杂任务规划与工具调用；三重合规防线与全链路审计追溯。平台已在中信证券、中再产险等机构落地——中信证券"超级研究员"月均使用近 4 万次，中再产险自动核赔从 1-2 天压缩至 3 分钟。IDC 数据显示阿里云在中国金融 AI 全栈云市场份额达 29.7%，位居第一。
为什么对数据平台重要： "点金"代表了数据平台在金融行业的 Agent 原生形态——不再是"给分析师用的查询引擎"，而是"给数字员工用的可信执行环境"。弹性沙箱 + 合规审计 + 全链路追溯的组合，在定义 Agent 时代的金融数据基础设施标准。背后的真武芯片 + 千问模型 + 点金平台三层协同，构成了完整的"芯-云-模-智"全栈方案。

来源： Microsoft Tech Community
摘要： 微软在 DAIS 2026 期间宣布 Azure Databricks OneLake Catalog Federation 正式 GA，允许从 Azure Databricks 直接查询 OneLake 数据，无需管道或数据复制。同时发布 Azure Databricks Excel Add-in（Public Preview），支持将受治理的 Lakehouse 数据直接导入 Excel 并可写回；SharePoint Connector（Beta）支持将 SharePoint 内容（PDF、Word、PPT、结构化表格）摄取至 Delta 表；Genie for Microsoft Teams 和 M365 Copilot 同时进入 Beta。
对数据平台的影响： OneLake Federation GA 意味着微软 Fabric 生态与 Databricks 湖仓实现了双向零拷贝——数据留在 OneLake，由 Databricks 引擎直接计算。更值得关注的是 Excel Add-in 和 SharePoint Connector：它们将数据治理的覆盖范围从数据工程团队延伸到一线业务人员的日常工具，本质是通过 Office 渗透企业数据治理。这是一条比"培训所有人用数据平台"更务实的路径。

来源： PR Newswire
摘要： 在 Pure//Accelerate 大会上，Everpure 发布 Data Stream——基于 NVIDIA AI Data Platform 参考设计的 AI 数据准备平台。核心能力：将非结构化数据从原始采集到 AI 可用从数月压缩至数分钟，通过 GPU 加速管道实现从摄取到推理的全流程自动化，内置数据分类、上下文标注和属性级访问控制。Everpure 同时宣布正在开发基于 NVIDIA Vera CPU + BlueField-4 STX 存储处理器的下一代 AI 原生存储方案。
对数据平台的影响： AI 数据准备长期是企业的隐性基础设施瓶颈——非结构化数据需要大量手动工程才能进入训练和推理流程。Everpure Data Stream 试图将这一过程工业化，核心思路是让数据停留原地、通过 GPU 加速管道直接转化为 AI 可用格式。这与 Snowflake 和 Databricks 的"数据不移动"策略形成呼应，但侧重非结构化数据的治理和加速，填补了湖仓在非结构化数据 AI 化方面的空白。

来源： 腾讯新闻
摘要： 腾讯云与无问智科于 6 月 17 日达成战略合作，共同打造物理 AI 数据基础设施。双方将依托无问智科通用物理 AI 数据基座"无垠"，融合腾讯混元大模型技术，在具身智能研发、场景落地和生态共建维度展开深度合作，目标是构建"算力与数据一体化闭环基础设施"。腾讯云将为无问智科提供算力支持及场景生成、场景理解大模型能力。
对数据平台的影响： 这是数据基础设施从"服务数字世界"向"服务物理世界"延伸的标志性合作。物理 AI（具身智能、机器人）的数据需求与传统企业数据平台截然不同——传感器流、3D 点云、仿真数据、多模态指令等。云数据平台正在寻找超出传统 OLAP/OLTP 的新增长空间，物理 AI 数据基础设施是其中最前沿的方向。

今日无合格一手分析师观点或机构研究报告进入窗口。

今日无符合准入标准的窗口内投融资事件。

来源： Databricks Blog
为什么值得继续看： DAIS 2026 四天共发布 30+ 产品更新，形成三大战略方向：存储层统一（LTAP + Lakebase 消除 OLTP/OLAP 四十年的分离）、Agent 成为一等公民（Genie One/Code/ZeroOps + Unity AI Gateway 将治理从数据扩展到运行时）、芯片合作深度整合（从 NVIDIA GPU 到 CPU 到工具链的全栈加速）。这三大方向将定义未来 12-18 个月数据平台竞争的核心维度。
需要等待什么信号确认： LTAP 架构的实际 GA 日期和首批生产客户案例；Agent 治理的行业标准是否以 Unity AI Gateway 为蓝本收敛；NVIDIA Vera 在 Databricks 上的实际部署时间表。

来源： dbt GitHub
为什么值得继续看： dbt Core v2.0 已在 alpha 阶段，预计 6 月 23 日多个行为变更标志达到成熟度并默认启用。v2.0 以 Rust 重写核心引擎，在保持 Apache 2.0 许可证的同时提供更快解析和现代化接口。同步发布的 dbt lint（SQL 静态检查，比 SQLFluff 快约 50 倍）和 dbt Docs v2（二进制索引替代 manifest.json）代表了数据工程工具链从 Python 向 Rust 的系统性迁移趋势。
需要等待什么信号确认： 6 月 23 日行为变更标志默认启用后的社区反馈和兼容性问题；dbt Core v2.0 正式 GA 日期。

来源： IT桔子 / 腾讯新闻 / 东方财富
为什么值得继续看： 窗口内 AI 基础设施融资密集——硅基流动完成超 20 亿元 B 轮（推理基础设施）、章鱼动力完成 $50M 新轮（世界基础模型）、觅蜂科技完成数亿元天使+轮（具身智能数据基础设施）。但资金几乎全部集中在模型推理和训练层，纯数据平台/数据治理层的融资活跃度明显偏低。这一结构偏差是否在未来数季度修正——特别是随着 Agent 对数据治理需求的爆发——值得持续跟踪。
需要等待什么信号确认： 下一季度是否出现专注数据平台/数据治理的规模融资；AI 推理基础设施的算力需求是否会向上游传导至数据准备和治理赛道。