OpenAI 与 Databricks：在受治理数据上构建企业级 AI
内容提要
OpenAI与Databricks合作，使企业能在受治理的数据上使用前沿AI模型，主要通过三种方式：员工借助ChatGPT中的Genie插件，基于公司指标定义自助查询数据并生成图表；Codex经Unity Gateway统一管理，以控制预算并审计请求；OpenAI模型在Unity Catalog治理下于Databricks内运行，支持构建和部署智能体。其核心是将模型能力与企业数据上下文相结合，同时兼顾安全、权限与成本控制。
延伸解读
Genie插件：让业务人员自助查询受治理数据
文章指出，过去员工需要数据做决策时，往往因不会写SQL而依赖分析师，或把数据粘贴到不懂公司定义的AI工具中，导致决策慢且可能用错定义。现在通过ChatGPT中的Databricks Genie插件，员工可以用自然语言提问，Genie基于Genie Ontology理解公司指标定义，在Databricks中运行查询并返回图表。用户只能看到自己有权限的数据，每个答案都链接到数据源。这降低了数据查询门槛，但前提是公司已在Databricks中维护好指标定义和权限体系。
Unity Gateway：集中管理Codex的预算与审计
AI编程工具通常按团队扩散，领导者容易失去对使用人员、成本和代码数据流向的掌控。Databricks Unity Gateway让企业可以给每位工程师开通OpenAI Codex，同时保持可见性和控制。开发者用Databricks凭证登录，OpenAI密钥留在Gateway中，每个请求都被记录。工程领导可以设置预算、按团队审查支出，并为不同任务选择不同的GPT模型。这意味着企业可以在不牺牲安全与成本控制的前提下规模化部署AI编程助手。
在Databricks内运行OpenAI模型：降低智能体落地门槛
需要严格安全与治理规则的智能体常在进入生产前停滞，因为所需数据被权限壁垒保护。在Databricks上，OpenAI前沿模型在Unity Catalog治理下与数据同地运行，由Databricks提供模型服务时无需管理外部API密钥。团队可以在Agent Bricks中构建和评估智能体，或用OpenAI Agents SDK编写并部署为Databricks Apps。这减少了密钥管理和数据外流的风险，但文章未提及具体性能或成本数据，企业仍需自行评估模型效果与治理策略的匹配度。
Q&A
OpenAI 和 Databricks 合作主要想解决什么问题？
让企业能在 Databricks 中已治理的业务数据上使用 OpenAI 的前沿模型，将模型能力与企业数据上下文结合，同时兼顾安全、权限与成本控制。
员工如何用 ChatGPT 直接查询公司数据并生成图表？
通过安装 Databricks Genie 插件，员工可在 ChatGPT 中用自然语言提问，Genie 会基于 Genie Ontology 中的指标定义和权限，在 Databricks 中运行查询并返回可视化图表。
Genie Ontology 是什么，有什么作用？
Genie Ontology 是 Databricks 中的上下文层，存储公司批准的指标、业务定义以及数据之间的关系，确保 ChatGPT 使用公司统一口径（如“收入”的定义），并只展示用户有权限查看的数据。
如何管理 Codex 在企业内的使用和成本？
通过 Databricks Unity Gateway 统一管理：Codex 使用 Databricks 凭证登录，OpenAI 密钥保留在网关，所有请求被记录；工程领导可以设置预算、按团队查看支出，并选择不同 GPT 模型处理不同任务。
在 Databricks 上构建和部署 AI 智能体有哪些方式？
可以在 Agent Bricks 中构建和评估智能体，也可以用 OpenAI Agents SDK 编写智能体并部署为 Databricks Apps；当 Databricks 提供模型服务时，无需管理外部 API 密钥。
OpenAI 模型在 Databricks 内运行时如何保证数据安全？
OpenAI 前沿模型在 Unity Catalog 治理下与数据同地运行，由 Databricks 提供模型服务，无需外部 API 密钥；同时 Unity Catalog 的权限控制和 Unity Gateway 的成本控制适用于所有场景。
