Starburst公司在其Trino查询引擎中新增AI功能，包括AI搜索、AI SQL函数、模型访问管理和AI代理，旨在提升企业AI的可用性，支持向量搜索和自然语言查询，增强数据处理能力，促进结构化与非结构化数据的结合。

Apache Iceberg 是一种新型表格式，旨在统一批处理和流处理，支持 ACID 事务和快照隔离，允许在同一表上进行操作。尽管 Iceberg 简化了数据架构，但无法完全替代 Kafka 的实时数据摄取功能。与 Flink 和 Spark 结合使用时，Iceberg 提供高效的数据处理解决方案。

Onehouse，一个数据湖仓解决方案，现在支持自动化生成向量嵌入的管道。此功能允许用户将Onehouse数据传输到OpenAI或Voyage AI，并将生成的嵌入存储在湖仓中。该平台的向量嵌入生成器通过支持开放数据格式和廉价的云存储来解决GenAI项目中的数据管理挑战，从而降低成本并实现可扩展性。Onehouse还提供管道效率、索引功能和数据库集群以提高查询性能。其廉价存储、开放数据格式和管道自动化有助于向量嵌入存储和管理的长期可行性。

数据仓库存储结构化历史数据，数据湖存储非结构化对象数据。数据湖仓是结构化和非结构化数据的统一存储格式，Databricks收购Tabular以统一Apache Iceberg和Databricks Delta Lake格式。Snowflake也支持Iceberg Tables格式，并推出开源数据目录Polaris。数据湖仓发展趋势是存储和计算分离，云存储是最佳选择。

生成式人工智能在企业中越来越受欢迎。数据湖仓对于开发定制模型至关重要。Databricks数据智能平台支持AI生命周期，并使组织能够构建定制的生成式AI解决方案。LLMOps有助于使AI模型的操作和管理更加高效。

Databricks Unity Catalog与Immuta、Anomalo和Alation合作，为金融服务机构提供全面的数据治理解决方案。该解决方案提供数据质量维护、数据隐私和安全以及合规性管理。

随着加密货币的普及，比特币挖矿滥用现象日益严重，给云服务提供商和客户带来安全威胁。利用数据湖平台可以有效检测和应对威胁，降低网络安全风险和运营成本。Databricks数据湖平台是网络安全的隐形宝藏，提供大数据处理、先进分析和人工智能能力。本文介绍如何利用Databricks Community Edition消除比特币挖矿滥用问题。

Databricks发布了针对三个云平台的Well-Architected Lakehouse指南，包括七个支柱，用于在云中实现数据湖仓库。这些原则和最佳实践特定于Databricks平台，帮助客户设计、构建和运营高效和有效的湖仓库，同时管理TCO。七个支柱包括数据治理、互操作性和可用性、运营卓越、安全、可靠性、性能效率和成本优化。客户可以查看其云的Well-Architected Lakehouse文档，根据原则和最佳实践实现其湖仓库。

网络安全公司Hunters宣布其SOC平台适用于Databricks客户，提供端到端的安全运营平台，摄取、规范和分析各种安全数据源，实时识别威胁并优先处理事件，简化数据摄取和ETL过程，保留所有安全数据的所有权。