夜雨聆风
AI颠覆软件? Databricks CEO最新访谈:80%用户已经是Agent
顶尖模型红利期不足一个月、开源封锁不住、AI 智能体查询占比 81%——一线掌门人眼中的 AI 产业真实图景。
PART 01
前言：这场访谈聊了什么
上周发了一篇软件已死时代，逆势增长的SaaS巨头都说“软件已死”，怎么这家千亿公司估值还越涨越高，今天分享一篇该公司CEO最新的访谈，让我们更好理解，我们的认知里错过了什么。
PART 02
观点合集：七个反共识判断
① 平台最大的”用户”已经不是人类
三年前 Databricks 平台 100% 的查询来自人工操作，如今 AI 智能体发起的查询占比已突破 81%，且智能体的查询效率远高于人类。按量计费模式下，这是收入高速增长的核心驱动——AI 没有取代它的生意，AI 成了它付费最多的”客户”。
② 顶尖模型的红利期，已经不足一个月
GPT-4 曾垄断市场热度半年；不久前行业共识是三个月；现在一款热门模型的红利期甚至撑不过一个月。很快，”哪款模型昨日火爆、今日过时”会变成一个无关紧要的问题——模型层的商品化速度，比最悲观的预测还要快。
③ 现在不缺智能，缺的是业务上下文
“行业并不缺基础智能模型，真正稀缺的是适配 AI 的业务场景上下文。脱离业务语境的 AI 模型毫无价值。”——这是 Databricks 整个 AI 产品线（Genie、Lakebase）的立论基础，也侧面解释了为什么掌握企业数据的公司在 AI 时代反而更值钱。
④ 企业客户最迫切的需求：不是更强的 AI，是给 AI 设预算上限
Databricks 的 Unity 网关最初为安全管控而生，但客户如今最核心的使用诉求竟是设置 AI 支出上限。配套出现的新架构是”轻量开源调度模型”：小模型便宜快速、负责日常调用，遇到复杂问题再调度大模型——AI 用量涨、账单不涨。
⑤ 中国的开源模型封锁不住，价格已经主导客户选择
同一套业务方案，用美国大模型年开销三千万，换中国开源模型只需一百万。更微妙的是：不少客户明确表示不愿直接采购中国模型，却在使用基于中国开源模型二次开发的产品（如 Cursor 的 Composer）。”模型权重一旦开源，全球开发者都会落地复用”——技术管制挡不住权重文件的流动。
⑥ “SaaS 危机”是防守者的危机，进攻者的机会
AI 让软件开发效率提升十倍、让传统厂商的风控假设集体失效，跨界颠覆的门槛被大幅压低。Databricks 借势推出 Lake Watch 杀入网络安全——没有存量业务包袱，就没有创新者窘境。”同行的利润，就是我们的机会。“
⑦ 人类必须留在决策链里——不是技术问题，是追责问题
他不认同”AI 造成 20% 失业”的判断，理由不在技术层面而在权责层面：截肢手术出了事故，没人能接受”由 AI 自动判定”的答复；自动驾驶客机技术早已成熟，但没人愿意搭乘没有机长的航班。出于权责追溯的硬性要求，人类保留最终决策权会是长期常态。
PART 03
访谈实录
以下为访谈主要内容，经翻译整理，部分表述有精简。Q 为主持人提问，其余为 Ali Ghodsi 的回答。
▍一、50 亿美元怎么花：核心业务、研发人才与 GPU
Q：公司估值已达千亿美元量级，正好聊聊资金分配。你提到过好几项计划——给员工兑现股权收益、迭代 Lakebase（专为 AI 打造的自研数据库）和对话式 AI 产品 Genie、投入 AI 前沿研发等等。面对这笔 50 亿美元的关键资金，你如何规划投入优先级？
目前我们全业务线都在高速增长，核心业务的势头尤其突出。不管拆分欧洲、美国、拉美、亚洲各区域市场，还是拆分不同云服务合作渠道，所有板块都在同步扩张。业务持续扩张就意味着必须同步加大投入，所以我们会持续加码核心业务，也就是数据平台、数据安全等基础设施，这部分会占用大额资金。
而在 AI 赛道，我认为当下最大的机遇是：行业并不缺基础智能模型，真正稀缺的是适配 AI 的业务场景上下文。脱离业务语境的 AI 模型毫无价值，这正是我们打造 Genie 的核心逻辑。
我们组建了庞大的研发团队，专门深耕强化学习与前沿 AI 技术，扩招规模达数百人。顶尖研发人才的人力成本极高，实际投入体量堪比上千名普通员工的开销；除此之外，GPU 算力采购也要投入巨额资金。这几块是我现阶段最看重、也最愿意投入的方向。
▍二、进军网络安全：为什么是现在，为什么是我们
同时我们也在开拓全新赛道，背后的大背景就是业内所说的”SaaS 行业危机”。外界的解读往往很极端，但本质是：软件行业各细分赛道的入行门槛大幅降低，任何企业都能入局同台竞争——所以我们也顺势拓展新市场。
Q：能具体讲讲新赛道布局，重点切入了哪些领域？
我们推出了 Lake Watch，正式入局网络安全。这个行业本身正经历颠覆性变革：黑客平台 HackerOne 的年度榜单显示，头号攻击源的所有攻击行为均由自动化 AI 智能体执行，攻击者甚至借助大模型实现了 Linux 内核漏洞入侵。大量 AI 智能体正在持续攻击各类企业，网络安全已成为企业核心风险。但传统安全服务商还停留在老旧模式——要求企业上传海量原始数据、服务成本高昂，根本无法应对 AI 智能体发起的新型攻击。
我们此时入局，门槛被 AI 压低了，原因有三点：
第一，依托 AI 工具，软件开发效率提升十倍，我们能快速推出有竞争力的安全产品——五年前没有 AI，这完全做不到；第二，AI 催生的新型威胁改写了安全行业的底层逻辑，传统厂商的风控假设全部失效，给新入局者留出了空白；第三，我们此前没有安全业务线，不存在创新者窘境，不需要顾虑原有营收受损。行业有句老话：同行的利润，就是我们的机会。
Q：搭建安全业务需要扩招多少人？总不能只靠 AI 智能体。
我们已经搭建起完整的专项团队，长期看会达到数百人规模——但仅此而已。安全赛道的运营逻辑更适合小规模、高机动团队，灵活迭代才是最优解；扩张到千人反而会拖慢进度。AI 时代，大型团队是效率短板，大量人员协同会制约研发落地速度。我们更希望依靠 AI 智能体释放效率，保持团队轻量化运转。
▍三、AI 智能体的边界：人类必须留在决策链里
Q：你曾直言很多企业早期过度押注聊天机器人。现在你们集中资源发力智能体，如何规避风险？哈佛商学院有研究称，拟人化 AI 工具会导致责任主体模糊、人工审核质量下滑、用户信任流失——所谓”认知耗竭”。你们如何避免 Lake Watch 这类新产品过度依赖生成式 AI？
数据 AI 与网络安全的边界正在快速融合。过去客户只要求我们保障数据存储安全；现在客户会追问：如何管控 AI 智能体，避免它们执行异常操作？我们入局安全绝非偶然。
报告里提到的风险完全属实。一旦放开智能体的自主执行权限，核心问题就来了：智能体能否全权代表人类做决策？如何避免它越权执行违规操作？
基于此我判断：未来很长一段时间，人类必须全程介入 AI 决策链路。很多人宣扬 AI 会造成 20% 失业率，我并不认同。恰恰相反，出于权责追溯的硬性要求，人类必须保留最终决策权。
举个例子：就医时如果系统判定需要截肢，一旦出现医疗失误，所有人都会追问审批责任人。如果答复只是”由 AI 智能体自动判定”，没有人能接受因机器误判失去肢体。最终诊疗方案必须由主治医生签字确认、审核完整决策逻辑，才能通过。教育同理——没人会放任 AI 自主教导孩子，出了问题，追责的一定是授课教师和监管环节。
可以参考一个历史规律：自动驾驶民航客机技术早已成熟，但即便航空公司推出一折机票、只配一名飞行时长不足 50 小时的辅助飞行员，也不会有人愿意搭乘。如今客机都搭载自动驾驶系统，但人类飞行员必不可少——没有人愿意把生命安全完全交付机器。这也是我们安全产品的核心研发方向之一。
当然，单靠一款产品无法解决所有风险。AI 渗透全社会，是全人类需要共同应对的长期课题，和早年互联网普及如出一辙：互联网刚兴起时电信诈骗层出不穷，所有人都断言线上信用卡支付绝不安全，但我们逐步建立起风控规则，如今线上消费已是常态。人类总能摸索出配套的管控方案。
▍四、增长的真相：智能体查询占比 81%，超过人类
Q：聊一组经营数据。彭博今年 2 月采访你时，你透露年化营收约 54 亿美元。现在已经过了一个季度，能否更新最新数字？
如果随意披露营收数据，财务团队会问责我（笑）。作为没有上市计划的私营企业，理论上没有静默期约束，但每次采访后他们依旧会对我施压。我只能透露：增长速度远超预期——去年同期的同比增幅在 40% 至 65% 区间，今年一季度同比增速已经突破 65%，再多说就要惹麻烦了。
可以补充一点：无论拆分产品线还是区域市场，哪怕剔除 OpenAI、Anthropic 这类头部 AI 大客户，整体增长曲线依旧高速上扬。很多头部 AI 企业都是我们的客户——比如 OpenAI 借助 Databricks 管理 8 亿用户数据、实时监控 AI 异常行为。
Q：剔除头部 AI 客户依旧高增长，核心驱动是什么？
关键原因很多人没有深度思考：AI 智能体已经全面渗透产业生态，开始自主生成海量数据查询指令。一个半月前我们对外公布：Databricks 平台上，AI 智能体发起的查询量已经超过人类用户。
三年前，平台查询 100% 来自人工操作；如今智能体查询占比突破 81%，且智能体的运算、查询效率远高于人类。我们按量计费，查询量暴涨直接带动营收大幅提升——这就是高速增长的核心驱动力。
▍五、后台读表：大模型市场的两个新变化
Q：你们能直观掌握工程师使用各类大模型的情况——研发人员切换模型的频率越来越高，你们也推出了简化切换的工具，后台能统计各模型的使用占比。过去半年你观察到了哪些变化？哪些模型热度出人意料？
先声明：所有大模型厂商都是我们的合作伙伴与客户，我的表述需要谨慎（笑）。
第一个变化：迭代周期大幅压缩。早年 GPT-4 问世后能垄断市场热度半年之久；不久前行业共识是前沿模型的热度周期仅三个月；而现在，一款热门模型的红利期甚至不足一个月。去年 11 月谷歌 Gemini 发布时全行业轰动、大量开发者集体切换，但短短数月后讨论热度几乎完全消退；当下开发者高度关注 Codex 系列，各类开源模型热度也在飙升，未来 Gemini 3.5 发布又会引发新一轮热潮。很快，”哪款模型昨日火爆、今日过时”会变成无关紧要的问题——新品迭代快到常态化。
第二个变化颠覆了我的过往认知。早年开发者切换模型只是单纯追新——各家模型底层逻辑相通、切换成本极低，开发者会直接选成本更低、性能更强的新款。但如今不止研发人员，企业 IT 部门、管理层都在为 AI 成本失控焦虑：头部 AI 厂商单季度营收暴涨，最终成本全部由企业客户承担，企业开始迫切搭建成本管控体系。
我们的 Unity 网关最初是为安全管控研发的——统一管控内部允许使用的模型、拦截违规模型、监控数据流出。但目前客户最核心的使用诉求，其实是设置 AI 预算上限。
企业当下普遍采用一套全新架构：轻量开源调度模型。这类小模型算力成本极低、响应快、擅长调用工具；处理复杂问题算力不足时，再调度高性能大模型深度运算。这套架构解决了成本指数级上涨的难题——即便 AI 使用量持续攀升，整体支出也能维持平稳。
▍六、中国开源模型：三千万 vs 一百万
Q：后台能看到中国大模型的使用热度，它们的单次调用成本远低于美国本土模型。随着企业成本敏感度提升，是否出现客户主动转向中国模型的趋势？
确实有大量企业倾向选用中国的开源大模型。成本差距十分悬殊：一套业务方案，选用美国大模型年开销三千万，替换中国开源模型仅需一百万。巨大的差价会驱动企业做出选择——即便部分企业对中国模型存在顾虑，成本差距也会成为决定性因素。
Q：怎么看美国限制中国 AI 技术发展的相关政策？这类管控起到预期效果了吗？
开源技术本身是无法封锁的客观趋势——模型权重一旦开源，全球开发者都会落地复用，技术壁垒很难长期锁住。
举个案例：Cursor 推出的 Composer 代码模型，底层训练依托一款中国开源大模型，脱离它就无法完成研发。我们不少客户明确表示不愿直接采购中国模型，但会使用基于中国模型二次开发的 Composer。归根结底，商业成本是企业的核心考量，价格会主导市场选择。
▍七、IPO：为什么今年不是好时机
Q：今天早上你在彭博电视上给出了一个颇具争议的判断——今年不适合企业 IPO。先别把这个观点告诉埃隆、达里奥和山姆（笑）。在你看来，什么样的市场环境才是上市好时机？
当下宏观环境充满波动变量：大选年份、宏观经济指标好坏难辨、全球能源地缘局势持续不确定；同时市场上扎堆多家巨型企业筹备上市，单家募资规模创下历史新高。
所以我认为观望是更稳妥的选择——当然我的判断也可能出错，今年后续市场或许会回暖。但推迟上市我们没有实质损失，完全可以等更稳定的窗口。所有企业都偏爱可预测、无突发剧烈波动的市场环境。
Q：那 2026 年上市前，公司会启动新一轮融资吗？
不排除这个可能性。等几家头部大型私营企业完成上市后，一级市场会释放出大量闲置私募资本——私募机构只能投资非上市企业，届时 Databricks、Stripe 这类公司会获得充足的资金供给。我们不会面临资金短缺问题。
注：本文根据 2026 年 6 月 Databricks CEO Ali Ghodsi 公开访谈内容翻译整理，部分表述经过精简与顺序调整；文中数据均为受访者口径，本文不构成任何投资建议。