Databricks AI Runtime：研究团队的智能体化训练实践
AI 总结
Databricks 发布博文，介绍其 AI 研究团队如何使用自研的 AI Runtime（AIR）来运行支撑 Genie、Smart Routing 和 AI Functions 等产品的模型研发。团队称借助 AIR 的 GPU 预检与健康监控、故障节点隔离、AIR CLI 与自定义容器、MLflow 自动实验追踪以及 Unity Catalog 数据访问，可在数秒内启动训练任务，并在多个项目间按优先级调度 GPU。博文表示，在引入类似 autoresearch 的智能体主导研究流程后，AI Functions 相关训练任务数量增长了 8 倍；训练规模从几十亿到近万亿参数，使用 NVIDIA H100 或 B300，最大规模训练需数百张 GPU 连续运行数天到数周。
深度见解
这反映出前沿模型研发正越来越多由智能体自动发起和评估实验，使快速启动、可编程接口和稳定 GPU 基础设施成为研发效率的关键。