Databricks AI Runtime正式可用，用无服务器英伟达GPU微调开放模型
Databricks在GTC Berlin宣布AI Runtime全面开放，支持在无服务器NVIDIA GPU上使用NeMo、NGC容器和新Nemotron cookbooks训练、微调开放模型，训练后可通过Databricks Model Serving部署实时推理。
AI解读：Databricks称AI Runtime（AIR）已全面可用，提供无服务器NVIDIA GPU，开发者可运行现有代码和容器，无需自行管理GPU集群与网络。
支持多节点分布式训练，底层由Databricks管理集群和网络，采用NVIDIA Quantum InfiniBand（RDMA）和NCCL负责GPU间通信。
工具链接入NeMo、NGC容器、Nemotron cookbooks，以及MLflow、Unity Catalog、Lakeflow Jobs等Databricks既有组件，训练数据访问受Unity Catalog治理。
官方举例的技术支持智能体场景中，团队可用Nemotron模型在标注过的工单上微调，再用Model Serving部署为生产推理服务；这是Databricks描述的示例流程，未给出效果数据。
Databricks在GTC Berlin宣布，其AI Runtime（AIR）正式全面可用。开发者可在无服务器NVIDIA GPU上使用NVIDIA NeMo、NGC容器和新的Nemotron cookbooks训练与微调开放模型，之后通过Databricks Model Serving部署实时推理。这一消息来自Databricks官方博客。
AIR提供什么
据Databricks介绍，AIR提供无服务器NVIDIA GPU，开发者可以运行已有代码和容器，不必管理GPU基础设施。它支持多节点分布式训练，把较大工作负载扩展到多个GPU节点；节点间通信由NVIDIA Quantum InfiniBand（带RDMA）和NCCL承担，底层集群和网络由Databricks管理。
环境方面，开发者可在GPU notebook或AIR CLI中准备Lakehouse数据，使用包含PyTorch和CUDA的标准环境，也可使用分布式训练框架或自带库与自定义训练循环。AIR现支持Docker和私有镜像仓库，并可用环境缓存加快工作负载启动。
治理与运维接入既有组件
Databricks将AIR定位为与其数据治理和运维工具打通。Unity Catalog管控训练数据访问，原生系统表提供CPU和GPU使用情况；MLflow跟踪训练实验和GPU利用率；Lakeflow Jobs把训练与上游数据准备、下游评估编排为可重复流程，Declarative Automation Bundles支持这些工作流的CI/CD。
调试方面，Genie Code可帮助在notebook中编写和调整训练脚本、排查模型代码与训练错误、定位显存和通信开销等GPU瓶颈，并给出CUDA、cuDNN、NCCL和性能分析工具的指导。Databricks表示开发者可在运行前审阅和修改建议代码。
覆盖的模型与场景
Databricks称，随着Nemotron 3.5 Lightning和Super VL发布，客户可在Databricks上从第一天起加载、试验、适配和部署这些模型；AIR借助NeMo和NeMo Automodel支持模型定制。官方给出的示例是技术支持智能体：用NeMo在标注过的历史工单上微调Nemotron，使其更了解公司产品、术语和排障流程，训练完成后经Model Serving部署。
除语言模型外，AIR还提供针对NVIDIA Kumo Anomaly的验证微调流程，这是一个用于时间序列异常检测的开放研究模型，配套MLflow跟踪和Unity Catalog检查点。Databricks称，将Kumo-Anomaly与Genie Ontology配合，可把时间序列中的异常模式与业务含义关联起来。这些是Databricks描述的能力与适用方向，博客未给出微调后的准确率、成本或性能数据。