Databricks AI Runtime正式可用，把托管GPU训练放进数据平台
Databricks宣布AI Runtime（AIR）正式可用，提供全托管GPU基础设施，运行在其Lakehouse与Unity Catalog治理范围内；官方称已有数百家公司使用，包括Robinhood、Merck、FactSet等。
AI解读：Databricks于其博客宣布AI Runtime（AIR）正式可用，将全托管GPU基础设施直接引入Databricks，让客户在企业数据所在的平台上训练模型。
官方给出的能力包括：按需的serverless GPU、多节点训练、秒级启动、支持自带代码/容器/Ray，并通过Unity Catalog对数据访问、检查点、日志等执行权限控制。
Databricks称已有数百家公司使用AIR，列出Robinhood、PicPay、Merck、Flo Health、TinyFish、FactSet等；其自家研究团队用它训练KARL和AI Parse背后的模型。
效果数字来自客户与官方引述：Superhuman称训练从 8 张A100单节点约 7 天缩短到 16 张H100多节点 48 小时，快 3.5 倍；Databricks称在AIR上把Qwen训练时间降低 6 倍。这些是相关方说法，未见独立验证。
Databricks在博客中宣布AI Runtime（AIR）正式可用（General Availability），把全托管GPU基础设施放进Databricks平台，使客户能在企业数据所在的Lakehouse内训练模型。
AIR提供什么
据Databricks介绍，AIR提供按需的serverless GPU、多节点训练、环境缓存和内置调试工具。用户可自带代码、容器和Ray工作负载，官方称在启用RDMA的GPU上可实现秒级启动延迟。
运维方面，Databricks表示其承担GPU采购、集群配置和网络管理，并在训练前和训练中运行数十项GPU与网络健康检查，以支持扩展到数百张GPU。
- 通过CLI、Notebook或IDE访问GPU；官方称首个工作负载只需一条CLI命令
- 环境可预构建或自带容器，支持Ray等主要框架
- 通过warm serverless GPU池和惰性镜像加载缩短启动时间
治理与安全边界
Databricks称AIR运行在Databricks与Unity Catalog的治理边界内，对GPU工作负载的数据访问、检查点和日志执行统一的读写权限控制，并支持PrivateLink和serverless出网控制。
官方称AIR采用VM级隔离，区别于会暴露宿主机内核的GPU隔离机制。GPU用量和成本可通过Databricks计费系统表按工作负载追踪。
客户与效果说法
Databricks称已有数百家公司使用AIR，包括Robinhood、PicPay、Merck、Flo Health、TinyFish和FactSet，场景覆盖医疗、制造和面向消费者的智能体。其自家Databricks AI Research团队用AIR训练KARL和AI Parse背后的模型。
博客引述的效果数字均来自Databricks或其客户：Superhuman称把训练从 8 张A100单节点约 7 天改为 16 张H100多节点 48 小时，快 3.5 倍；Databricks称在AIR上把Qwen训练时间降低 6 倍；FactSet称模型从搭建、训练到部署的时间从数天缩短到数小时。这些为相关方说法，博客未提供独立评测数据。