Databricks 共同創辦人 Matei Zaharia 和 Reynold Xin 正推動公司超越 Lakehouse，邁向一個完整的資料與 AI 作業系統。他們在 2026 年 Data + AI Summit 上與 Latent Space 暢談 Omnigent、LTAP、Lakebase、代理安全性、開放格式、Mosaic，以及為何當 AI 代理開始執行實際工作時，資料庫可能比以往任何時候都更重要。

我們深入探討了 Omnigent：Databricks 開源的元整合平台，用於結合、控制和分享跨 Claude Code、Codex、Cursor、Pi、自訂代理和內部工具的代理。Matei 解釋了為什麼程式碼代理和企業代理面臨相同的問題：可攜性、協作、會話歷史、安全性、支出控制，以及所有整合平台之上都需要一個通用 API。

接著 Reynold 闡述了 Databricks 的資料庫願景：為何 CDC 如此脆弱，以至於開玩笑說它代表「持續資料損壞」（continuous data corruption）；為何 HTAP 一直是資料庫工程的聖杯；以及為何 Databricks 認為 LTAP 透過統一儲存層而非整合所有查詢引擎，就能獲得大部分優勢。

我們還討論了 Databricks 的基礎設施規模、快速原型開發的文化、技術客戶與企業客戶的差異、Databricks 與 Snowflake 的比較、向量資料庫是否應該存在、Mosaic 模型策略、Genie、AI Runtime、強化學習微調，以及傳統軟體在資料到位且代理在其之上運行後將被重寫的論點。

Matei Zaharia 表示，Genie 已經改變了 Databricks 用戶處理資料的方式，其準確度是通用代理的三倍。他為研究團隊所帶來的影響感到非常自豪，並分享了其背後的一些研究以及建構資料代理所面臨的挑戰。

Databricks 最初是一家為大數據時代而生的公司，透過 Spark 和 Lakehouse 產品，讓企業能夠在一個開放的基礎上儲存和分析所有資料。如今，資料的重要性只增不減，它不再是隨意追蹤和分析的東西，而是代理行動所需的必要情境。

因此，框架已從「我們將所有資料放在哪裡？」轉變為「我們如何在 AI 系統執行工作時，精確地向其公開正確的狀態、歷史、權限和業務邏輯片段？」如果前瞻模型（frontier model）的性能變得商品化，那麼持久的優勢將是圍繞它們的公司特定情境：專有資料、受控存取、操作狀態、交易日誌、工作流程和回饋循環。這使得 Databricks 處於絕佳位置。

剛結束 2026 年 Data + AI Summit，Databricks 正以同樣快的速度跟進，宣布了 Genie One、Omnigent、LTAP 等多項產品，這表明其新工作的核心任務：Databricks 正試圖成為企業代理的作業系統。

Matei Zaharia 也非常興奮地宣布開源新專案 Omnigent，一個用於 AI 代理的元整合平台。它讓您能夠建構多代理程式碼和自訂代理，位於 Claude Code、Codex、Pi 和代理 SDK 之上，讓您能夠組合它們，並增加了即時協作和豐富的控制策略。

模型已足夠好，但代理只有在擁有正確的情境、權限、記憶、狀態、成本控制和即時業務資料時才有用。從根本上說，在生產環境中顯著提升模型性能似乎是一個系統問題，而像 Databricks 這樣的資料專家，正準備好解決這個問題！

討論內容涵蓋了 Databricks 為何將 Omnigent 建構為現有 AI 代理之上的元整合平台，以及程式碼代理和自訂企業代理為何需要相同的基礎設施。他們也探討了代理會話、檔案、串流、工具呼叫和取消的通用 API，以及持久會話、雲端沙盒、分享、搜尋和協作的重要性。

Databricks 選擇開源 Omnigent 而非將其專有化，並分享了其內部代理使用、雲端沙盒和程式碼工作流程。他們指出 Databricks 的規模龐大，每天處理 5000 萬至 6000 萬個虛擬機器，以及早餐前處理的 EB 級資料。代理安全性需要情境感知和有狀態的策略，以防止代理讀取機密文件、安裝受損的 npm 套件並洩露資料。

支出控制也至關重要，因為代理可能因讀取日誌而花費 500 美元。他們也看到了圍繞程式碼代理分析、品質、技能和支出的新創機會，並深入探討了 LTAP、Lakebase 以及 Databricks 為何想重新思考資料庫堆疊。

Reynold Xin 認為，資料庫的未來正直接建構在物件儲存之上，他們稱之為 Lakebase 架構。長期以來，業界將資料湖嚴格視為分析或離線儲存，但 Lakebase 架構正在改變這一點，實現了真正的資料處理能力。

他們討論了 OLTP 與 OLAP、CDC 的問題，以及資料管道為何會在凌晨 3 點中斷。HTAP 一直是資料庫工程的聖杯，而 Databricks 認為 LTAP 是「正確的 HTAP」。將交易資料寫入欄式儲存格式如何改變分析，以及代理為何需要資料庫提供的即時操作情境，而不僅僅是遙測資料。

Databricks 擁有快速原型開發戰略系統的文化，並討論了企業客戶與技術客戶、治理、採購和 DIY 文化。他們也提到了重寫資料庫引擎的「第二系統症候群」風險，以及從十年追蹤和數千兆資料點建構資料庫引擎的經驗。

他們認為向量資料庫從不應該是一個獨立的類別，開放格式和 AI 如何改變與 Snowflake 的競爭。Mosaic 故事、DBRX、Genie、文件解析模型和專業模型訓練，以及為何模型客製化和強化學習微調可能成為主流，都顯示了「將資料到位，再疊加一些代理」可能會重寫傳統軟體的論點。

Databricks 的 Data + AI Summit 從最初在柏克萊的 50 人小型聚會，成長到現在全球 10 萬人參與、3 萬人親自到場的盛會。共同創辦人 Matei Zaharia 和 Reynold Xin 也讚揚了 CEO Ali Ghodsi 的領導能力，認為他具備高智商和高情商，並透過不斷學習和努力，帶領公司取得巨大成功。