Databricks Lakehouse Federation 支持企业直接查询本地数据库（如 SQL Server），无需将数据上云或复制。结合 Databricks Marketplace 的第三方数据（如 FactSet），可在 Unity Catalog 中并排呈现，用一条 SQL 完成关联分析。文章以财富管理公司为例，展示如何构建投资仪表盘和 Genie 自然语言问答，全程不复制持仓数据，兼顾安全与合规。该模式同样适用于医疗、制造、零售等行业。

Lakeflow Connect 提供全托管原生连接器，可将维基、项目管理、邮件、代码库及 AI 模型等生产力工具的数据统一接入 Databricks，并以 Unity Catalog 治理表的形式落地，无需自建管道。它支持非结构化内容处理，可用于构建企业知识 AI 代理、Genie 自然语言分析及 AI 用量监控。丰田金融、VaxCare、DigiCert、Orizon 等客户已将其用于 Jira、Confluence 等数据集成。

Databricks提出统一能源交易平台方案：通过Spark结构化流将市场数据毫秒级实时写入Lakebase运营数据库，支撑实时交易应用展示价格、持仓、盈亏与风险，并在接近限额时即时预警；同一份受Unity Catalog治理的数据同时用于机器学习训练与部署、历史分析与自然语言查询，避免运营与分析双系统导致的数据不同步、治理重复和模型交接复杂等问题。

开放数据目录的核心在于数据可移植性。Unity Catalog将托管表存储在用户自有云存储中，由目录负责优化维护，并支持Iceberg REST规范的REGISTER与UNREGISTER，使表可在目录间迁移而无需复制数据。相比之下，许多平台将表锁定在自有存储和专有格式中，迁移需导出重写。Unity Catalog托管表保留完整功能且无锁定，未来还将支持原地转换外部表。

本文介绍在Databricks上优化dbt管道的实践：采用增量策略、物化视图和预测优化降低计算成本；通过查询标签将费用归因到具体模型；利用流表、指标视图和Lakeflow Jobs统一数据摄取、指标定义与编排；使用声明式自动化包管理作业，并在dbt项目中定义治理策略，由Unity Catalog统一执行。

Databricks研究团队利用AI Runtime（AIR）支持AI Functions等模型研发，覆盖数十亿至近万亿参数模型的训练。AIR提供GPU健康检查与故障隔离、快速启动、MLflow实验追踪和Unity Catalog数据治理，并支持智能体驱动研究，使训练任务量增长8倍，提升实验效率。

Databricks推出Workday Data Connect联合连接器Beta版，通过Unity Catalog实现零拷贝访问Workday人力资源与财务数据。用户可直接用Databricks SQL、AI/BI、Genie查询，无需复制数据，支持实时财务规划等场景。该连接器只读，由Unity Catalog统一治理权限与血缘，与Lakeflow Connect摄取连接器互补。

Databricks 推出开源工具 Funke，可将 HL7v2 医疗消息直接解析为 Spark 原生数据，无需转换为 FHIR 或第三方扁平化。它保留完整层级结构，支持所有消息类型和版本，以声明式管道部署，数据存入 Unity Catalog，便于快速构建可查询的湖仓数据。

Replit与Databricks集成正式发布，支持Lakebase。企业用户可通过Replit Agent以自然语言构建受治理的应用并部署至Databricks Apps，应用自动继承Unity Catalog权限与身份验证，并自动配置Lakebase Postgres存储运营数据，无需外部数据库。适用于绩效管理、文档处理、工作流自动化等场景。入门需Replit企业版，约15分钟完成四步配置。

Databricks Apps 正式推出代表用户（OBO）授权，应用可以登录用户身份调用 API，由 Unity Catalog 自动执行该用户的数据权限，无需在代码中重建治理规则。应用可同时使用服务主体处理自有操作，并按需申请最小 API 范围（如只读查询）。管理员可限制范围，缺失用户令牌时应拒绝而非降级。

Meta广告MCP服务器已上线Databricks Marketplace，可将企业数据与模型接入智能体广告工作流。该服务器提供25+工具，覆盖广告活动全生命周期，包括创建广告、调整预算、管理受众和拉取效果数据。营销人员可通过Genie用自然语言结合Databricks业务数据探索Meta广告表现并直接执行操作。管理员可通过Unity Catalog和Meta Business Settings设置规则，服务器端强制执行，确保安全可控。

Databricks推出Genie Ontology，为Genie提供企业业务上下文，整合Unity Catalog治理指标、仪表盘、文档等来源并按权威性排序。产品团队借此每周自动生成采用率报告、调查趋势、预测并创建智能体，提升分析效率与治理合规性。

Databricks 的 Unity Catalog 托管表将数据存储在用户自有的云存储（S3、ADLS 或 GCS）中，而非平台控制存储。用户可在元存储、目录或架构层级设置托管存储位置，层级越具体优先级越高，并可用 ALTER 命令更改新表位置。数据采用 Iceberg 和 Delta 开放格式，外部工具可通过开放 API 读写，避免锁定，同时满足合规与数据驻留需求。

Genie One 是数据智能AI同事，帮助业务用户基于企业数据获得可信答案。推广失败常因一次性覆盖过多领域、定义混乱、语义层无人负责。应采用分阶段治理：先选一个受治理的数据域试点，用问题集评估，靠早期用户建立信任，再逐步扩展。核心组件包括 Genie One、Genie Agents、Genie Ontology 和 Unity Catalog，后者在查询时执行权限、脱敏与审计。成功关键不在模型，而在于懂业务并有序推广。

S&P Global Energy 利用 Databricks Genie Agents 与 FastMCP，将复杂结构化数据转化为对话式 AI 端点。领域专家无需编码即可按数据集分组创建 Genie Agent，构建受治理的语义层；每个 Agent 作为托管 MCP 服务器，通过 FastMCP 代理组合成跨域复合端点。该架构在保持 Unity Catalog 治理的同时，缩短了对话式数据产品的上市时间，使专家成为数据发布者。

在Databricks平台构建受治理的多智能体系统用于安全审查：通过对话式录入收集信息，多个职责明确的智能体评估风险、匹配标准并生成要求，低风险请求自动完成，高风险交由人工判断。所有数据经Unity Catalog治理，仪表盘追踪效率。常规审查从数天缩短至数分钟，专家可专注高风险决策。

英国每年因能源盗窃损失超14亿英镑，仅40%的目标案件被侦测到。文章认为关键不在于检测，而在于将机器学习洞察转化为受治理的业务运营：借助Databricks平台把检测、调查、追回与报告整合为闭环，利用AI生成案件摘要和派工报告，用Lakebase存储实时案件状态，并通过Unity Catalog保障合规与数据安全。该模式可扩展至保险欺诈、预测性维护等领域。

Lakeflow Connect 提供全托管原生连接器，可将 SaaS、数据库和文件数据直接增量摄取为 Unity Catalog 中的受治理表，无需自建管道。它覆盖营销、CRM 和广告平台，解决 Customer 360 数据碎片化问题。EcoVadis、iManage 等客户借此快速接入 HubSpot、Salesforce 等数据，节省工程时间。广告连接器还输出已聚合的报表表，并支持 Ad-Genie 加速器实现可视化与对话式分析。

本文介绍Databricks AI/BI仪表板嵌入客户应用时的行级安全模式。通过单一权限表驱动访问控制，结合`__aibi_external_value`、Unity Catalog行过滤器和身份组同步，实现外部合作伙伴与内部团队共享同一仪表板但查看不同数据切片。后端签发令牌时设置查看者范围，查询以服务主体身份运行，视图按范围过滤，支持列掩码和默认拒绝，并扩展至直接SQL查询路径。

Databricks平台与Unity Catalog可配置以符合日本金融业FISC安全指南，支持身份管理、网络隔离、加密、数据访问和审计。通过集中治理、权限控制和数据血缘，实现职责分离等控制，并集成备份恢复。提供FISC映射矩阵，明确客户与供应商责任，支持模型治理和AI安全，助力金融机构合规。