Databricks 联合创始人兼 CEO Ali Ghodsi 向那些斥巨资投入最新前沿 AI 模型的高管们传递了一个信息：技术本身并不是瓶颈。在他看来，大多数公司的问题不在于 AI 不够聪明，而在于它们从未向 AI 提供任何有关其业务的实用信息。

Ghodsi 在 Bloomberg Tech 节目中提出，当前一代 AI 模型的能力已经超出大多数企业实际能够利用的水平。他表示，这些系统的能力与企业真正从中获得的收益之间的差距，归结为一个因素：上下文。

90% 的悖论

Ghodsi 援引了他在 2026 年演讲活动中调查观众时观察到的一个显著矛盾。只有约 10% 的受访者认为通用人工智能已经到来。然而约 90% 的受访者表示，他们日常使用的 AI 模型已经比他们的大多数同事更聪明。

“我们不需要 AI 变得更聪明，”Ghodsi 表示，“它只是缺乏上下文。”

他所说的上下文，是他所称的“企业上下文”：即让一家公司运营独具特色的专有数据、机构知识、决策流程和业务逻辑。换言之，模型是通用的；缺失的是模型自身无从得知的业务特定知识。

数据基础设施论

Databricks 的业务是帮助企业组织、管理和激活其数据。其客户名单包括 AT&T、Rivian、Adidas、Mercedes-Benz、Unilever、Virgin 和 Bayer。

Ghodsi 强调，企业需要构建自己的“企业上下文”和“本体”——即企业数据、实体和流程之间关系的结构化映射——而不是假定可以简单购买一套开箱即用的 AI 解决方案。按照他的表述，决定性的 AI 投资不是获得更聪明的模型，而是让模型能够依据企业实际运转方式采取行动的内部基础工作。Databricks 一直在开发正是为此目的而设计的工具。例如，其 Genie 平台的定位是捕获 AI 系统所需的企业数据、决策和工作流，从而让 AI 从令人印象深刻的演示走向真正的自动化。

他补充说，即使 AI 的进步从今天起完全停滞，大多数企业仍然可以通过整理现有数据获得数年的生产力提升。

十年的组织手术

Ghodsi 对实现企业全面采用 AI 所需时间的估计是：可能长达十年，即使对于以技术为核心的公司也是如此。这一时间线反映了一个现实：将 AI 融入企业并非简单的软件安装，而是一项涉及流程、角色、激励和企业文化的组织再造工程。

对于权衡这一论点的企业来说，近期的问题不在于授权使用哪个模型，而在于多快能将其数据组织、连接起来并被 AI 系统有效利用。企业如何在模型访问与内部数据就绪度之间分配 AI 支出，将是观察 Ghodsi 的观点是否获得认可的一个指标。

截至 2026 年 9 月，Ghodsi 仍在持续传递这一信息，主张企业应关注实际的 AI 挑战，而非生存性风险。

来源：CryptoBriefing