Databricks 详解 OpenAI 工具在企业中的三种采用路径

Databricks 于 2026 年 11 月 13 日发布了企业采用概览，介绍如何通过三种方式将 OpenAI 工具与受治理的企业数据结合使用：通过 Genie 在 ChatGPT 中进行分析、集中管控 Codex 部署，以及将自定义智能体托管为 Databricks Apps。

本指南以2025 年 9 月 25 日宣布的一项多年期合作为基础。最初发布的消息称，该合作价值 1 亿美元，并表示原生 OpenAI 模型将面向云端的 20,000 多家 Databricks 客户开放。OpenAI 联合创始人兼总裁 Greg Brockman 曾这样描述无法访问企业数据的 AI：“这就像雇了一个拥有 20 个博士学位的人，却从来不请他参加会议。”

在双方的联合架构中，OpenAI 提供 GPT 模型、ChatGPT、Codex 和 Agents SDK。Databricks 则提供 lakehouse，用于存储受治理的企业数据，并提供业务定义、访问规则、模型请求路由和应用基础设施。Genie Ontology 则补充企业特有的上下文信息。

Genie 在 ChatGPT 中应用企业定义

面向业务用户的路径，适用于需要获取数据、但不会编写 SQL 数据库查询的员工。通过Databricks Genie 插件，ChatGPT 用户可以用自然语言提问；Genie 会识别相关数据，应用经批准的指标定义，在 Databricks 中运行查询，并返回图形或图表。Genie Ontology 会记录指标、业务定义以及企业数据之间的关系，因此，收入等指标会遵循企业自身的定义。

用户只能访问自己已有权限查看的数据，每个回答也都会链接到相应的 Databricks 数据源。ChatGPT Work还可以推荐后续步骤及需要参与的人员，通过 Slack 或电子邮件分享发现，并借助已连接的工具执行经用户批准的操作。

OpenAI 的插件列表还涵盖 SQL 生成、仪表板或 Genie 输出的摘要，以及为团队整理分析结果。能否使用取决于插件、订阅方案和工作区设置；某些连接还需要管理员进行设置或批准。

Unity Gateway 集中管理 Codex 治理

对于工程团队，Codex 会通过 Unity Gateway 发送请求，而不是直接联系 OpenAI。开发者可以保留现有工作流程，并使用 Databricks 凭据进行身份验证；OpenAI API 密钥则保存在网关中。系统会记录每一项请求，工程负责人可以设置团队预算、查看各团队的支出，并选择由哪个 GPT 模型处理每项任务。

推荐的设置方式是安装Unity Gateway 命令行工具并运行 ug codex。Databricks 的设置文档还介绍了手动配置，以及如何在 Databricks 计算资源上运行 Codex。符合条件的 ChatGPT Go、Plus、Pro 和 Enterprise 订阅可通过管理员配置的模型提供商服务建立连接，请求费用计入 ChatGPT 订阅。Unity Gateway 本身已正式推出；文档中介绍的 SQL、沙箱和网络搜索工具，以及 Unity Gateway 技能仍处于测试阶段。

自定义智能体使用受治理的数据和共享控制机制

第三种路径针对使用数据处理业务流程的自定义智能体，这些数据受到严格的安全和治理规则约束。Databricks Model Serving 会在受治理的数据旁运行 OpenAI 模型；如果模型由 Databricks 提供服务，则无需外部 API 密钥。团队可以在 Agent Bricks 中构建和评估智能体，也可以使用 OpenAI Agents SDK，并将生成的智能体部署为 Databricks App。

官方应用模板提供对话式 REST API、交互式聊天界面和 MLflow 评估代码。其 MLflow AgentServer 负责管理请求路由、日志记录和错误处理，并内置追踪和可观测性功能。一个 ResponsesAgent 界面可与 Databricks 的评估和部署工具兼容，而 Model Context Protocol 则可将智能体连接到工具和数据源。

在这些模式中，Unity Catalog 提供权限管理，Unity Gateway 负责请求路由和成本控制，Lakebase 则提供托管式 Postgres 存储，用于保存智能体的记忆和状态。Databricks 计划后续发布文章，分别介绍每种模式的架构、设置方法和客户经验。

这种共享架构让业务查询、编码请求和自定义智能体共用一套权限与成本控制框架，使治理成为 OpenAI 在企业内不断拓展应用时的共同基础。