Databricks联合创始人：企业AI交易的三大杀手

在2026年TechCrunch Disrupt大会上，Databricks联合创始人兼首席技术官Ion Stoica发表了一场引人深思的演讲。他直言不讳地指出，企业AI正在经历一场根本性的范式转变：“企业不再问‘AI是否令人兴奋’，而是问‘AI是否安全到可以大规模部署’。”这句话精准概括了当前企业AI市场的核心矛盾——从技术热情到商业落地的鸿沟。

安全评估：企业AI交易的“新守门人”

据Stoica透露，在过去一年中，Databricks接触的数百家企业AI项目中，有超过60%因为安全顾虑而被推迟或取消。他列举了三大主要因素：

第一，数据隐私与合规风险。尤其是欧洲《通用数据保护条例》（GDPR）和北美新出台的《企业AI责任法案》，让企业法务部门对AI模型处理客户数据的能力提出严苛要求。第二，模型可靠性问题——幻觉、偏见和不可复现性让业务部门心存疑虑。第三，成本失控，许多企业低估了从试点到生产所需的算力、存储和治理成本。

从“为什么不做”到“为什么不先做”

Stoica回忆了两年前AI热潮的盛况：“那时客户冲进来说‘我们需要一个AI战略’，却说不清具体场景。现在他们拿着精确的KPI来谈判——延迟、准确率、合规审计时间。”这种务实态度倒逼技术供应商重新设计产品。Databricks的最新举措是推出“AI安全沙盒”，允许企业在完全隔离的环境中测试模型，数据永不离开客户本地。这在一定程度上缓解了信任危机。

编者按：AI泡沫破裂后的理性觉醒

企业AI交易的“杀手”并非技术缺陷，而是缺乏可量化的信任框架。当大模型从展示品变成生产工具时，任何不确定因素都会被放大。Stoica的观察印证了一个行业共识：2026年是企业AI的“分水岭”——幸存下来的不是最先进的模型，而是最可控的解决方案。这也解释了为何云厂商和平台公司纷纷加码MLOps和AI治理工具，因为它们正在成为新基础设施的“矛与盾”。

本文编译自TechCrunch