Databricks 推出新技術(shù)，助力企業(yè) AI 成本降低高達(dá)90倍

　　在企業(yè) AI 的發(fā)展中，除了選擇合適的模型和提示詞，如何優(yōu)化提示詞同樣至關(guān)重要。Databricks 近期推出的 Agent Bricks 技術(shù)致力于解決這一難題，并在此基礎(chǔ)上進(jìn)一步改善了提示優(yōu)化技術(shù)。該公司今天發(fā)布的新研究顯示，其 GEPA(生成進(jìn)化提示適應(yīng))技術(shù)在提示優(yōu)化方面實現(xiàn)了質(zhì)的飛躍，幫助企業(yè)將模型的運營成本降低多達(dá)90倍。

　　此次突破的提示優(yōu)化技術(shù)正值 Databricks 與 OpenAI 達(dá)成1億美元合作伙伴關(guān)系之際。該協(xié)議將使 Databricks 的企業(yè)客戶能夠原生訪問 GPT-5模型，這也與 Databricks 之前與 Anthropic 和 Google 達(dá)成的合作相呼應(yīng)。需要強(qiáng)調(diào)的是，1億美元并非兩家公司之間的支付金額，而是 Databricks 對該合作潛在收益的預(yù)期。

　　“提示優(yōu)化不僅僅是對已有查詢的優(yōu)化，而是對查詢本身進(jìn)行重新構(gòu)造，”Databricks 神經(jīng)網(wǎng)絡(luò)首席技術(shù)官唐漢林在接受采訪時表示。他指出，GEPA 技術(shù)通過調(diào)整企業(yè)提問的方式，提高與 AI 系統(tǒng)的交互質(zhì)量。

　　GEPA 采用一種被稱為自然語言反思的方法，讓 AI 對自身輸出進(jìn)行自我評估并逐步改進(jìn)。通過這種反饋循環(huán)，該技術(shù)能夠自動發(fā)現(xiàn)特定任務(wù)的最佳提示策略。數(shù)據(jù)顯示，GEPA 優(yōu)化后的模型在金融、法律、商業(yè)和醫(yī)療等多個領(lǐng)域的表現(xiàn)比基準(zhǔn)模型高出4-7個百分點。

　　在企業(yè)級應(yīng)用中，Databricks 的優(yōu)化開源模型在處理10萬次請求時，服務(wù)成本僅為 Claude Opus4.1的1/90。這一優(yōu)勢在大規(guī)模應(yīng)用時更為明顯，優(yōu)化的單次成本相較于長期服務(wù)成本顯得微不足道。GEPA 不僅超越了目前流行的監(jiān)督微調(diào)技術(shù)，還減少了20% 的服務(wù)成本，同時節(jié)省了工程師和數(shù)據(jù)科學(xué)家的時間。

　　此外，與 OpenAI 的集成使得企業(yè)能夠更加便捷地使用多種高質(zhì)量模型。唐漢林提到，企業(yè)無需外部供應(yīng)商關(guān)系或 API 密鑰，即可直接在 Databricks 中調(diào)用 GPT-5模型。該集成簡化了以前在部署高級模型時所需的供應(yīng)商管理工作。

　　為了幫助企業(yè)更好地部署 AI 技術(shù)，唐漢林給出了三條建議:首先，建立可靠的評估機(jī)制;其次，質(zhì)疑傳統(tǒng)微調(diào)的默認(rèn)選項;最后，重新思考模型采購策略。對于希望在 AI 應(yīng)用中占據(jù)領(lǐng)先地位的企業(yè)而言，顯然，突破性的 AI 性能成本壁壘已經(jīng)被打破，早期投資優(yōu)化能力的企業(yè)將擁有越來越明顯的競爭優(yōu)勢。