Databricks AI Runtime เปิดให้ใช้งานจริงแล้ว
Databricks ประกาศเปิดให้ใช้งานทั่วไปสำหรับ AI Runtime ซึ่งเป็นโครงสร้างพื้นฐาน GPU แบบจัดการเต็มรูปแบบสำหรับการฝึกโมเดลพื้นฐาน (foundation model) โดยอ้างอิงถึงลูกค้า เช่น Tubi, Robinhood และ FactSet
คำตอบโดยย่อ
Databricks ประกาศอะไรเกี่ยวกับการที่ AI Runtime พร้อมให้ใช้งานจริงแล้ว?
Databricks ประกาศเปิดให้ใช้งานทั่วไปสำหรับ AI Runtime ซึ่งเป็นบริการโครงสร้างพื้นฐาน GPU แบบบริหารจัดการที่ฝังอยู่ในแพลตฟอร์มของบริษัท ช่วยให้ลูกค้าสามารถฝึกโมเดลพื้นฐาน (foundation models) ด้วยข้อมูลขององค์กรได้ บริษัทระบุว่าบริการนี้ช่วยลดเวลาในการเริ่มต้นการฝึกโมเดลลงเหลือเพียงไม่กี่วินาที เชื่อมต่อกับ Unity Catalog เพื่อการกำกับดูแลข้อมูล และปัจจุบันมีลูกค้าใช้งานแล้ว ได้แก่ Tubi, Robinhood, Merck และ FactSet
ประเด็นสำคัญ
- Databricks ประกาศเปิดให้ใช้งานทั่วไป (General Availability) สำหรับ AI Runtime (AIR) โครงสร้างพื้นฐาน GPU ที่บริษัทบริหารจัดการให้ ซึ่งฝังอยู่ในแพลตฟอร์มของตนเพื่อใช้ฝึกฝนโมเดลพื้นฐาน (foundation models) เมื่อวันที่ 21 ตุลาคม 2026
- Databricks ระบุว่า AIR เริ่มรันงานฝึกโมเดลได้ภายในไม่กี่วินาที ด้วยการใช้พูล GPU แบบเซิร์ฟเวอร์เลสที่พร้อมใช้งานทันทีและระบบโหลดอิมเมจแบบ lazy loading พร้อมรองรับคลัสเตอร์แบบมัลติโหนดที่ใช้งาน RDMA
- บริษัทระบุว่าลูกค้าหลายร้อยราย ไม่ว่าจะเป็น Tubi, Robinhood, PicPay, Merck, Flo Health, TinyFish และ FactSet ต่างนำ AIR ไปใช้งานจริงในระบบปฏิบัติการแล้ว
- Databricks ระบุว่า AIR เชื่อมต่อกับ Unity Catalog เพื่อนำระบบการกำกับดูแลและการควบคุมการเข้าถึงแบบเดียวกับที่ใช้กับข้อมูลมาใช้กับงานฝึกอบรมบน GPU ด้วย รวมถึงจุดตรวจสอบ (checkpoints) และบันทึก (logs) ต่างๆ
- วิศวกรจาก Superhuman ที่ Databricks อ้างถึงระบุว่า การย้ายงานฝึกโมเดลไปใช้ AIR ช่วยลดเวลาทำงานจากประมาณ 7 วันเหลือเพียง 48 ชั่วโมง
สิ่งที่ Databricks ประกาศ
Databricks เปิดเผยเมื่อวันที่ 21 ตุลาคม 2026 ว่า AI Runtime (AIR) ซึ่งเป็นโครงสร้างพื้นฐาน GPU แบบจัดการเต็มรูปแบบที่ฝังอยู่ในแพลตฟอร์มของบริษัทโดยตรง ได้เปิดให้ใช้งานทั่วไปแล้ว บริษัทระบุว่า AIR ช่วยให้ลูกค้าสามารถฝึกโมเดลพื้นฐาน (foundation models) ด้วยข้อมูลองค์กรของตนเองได้ โดยไม่ต้องดูแลระบบ GPU แยกต่างหาก
Databricks กล่าวว่าผลิตภัณฑ์นี้ช่วยแก้ปัญหาเวลาที่ทีม AI ต้องเสียไปกับการจัดหากำลัง GPU ให้เพียงพอ การจัดการความล้มเหลวของฮาร์ดแวร์ และการรอให้งานฝึกโมเดลเริ่มทำงาน บริษัทยังระบุว่าการแยกโครงสร้างพื้นฐาน GPU ออกจาก Lakehouse ก่อให้เกิดช่องว่างด้านการกำกับดูแลและความเสี่ยงต่อข้อมูลฝึกสอนที่มีความอ่อนไหว
โครงสร้างพื้นฐานและข้อกล่าวอ้างด้านประสิทธิภาพ
Databricks ระบุว่า AIR ให้การเข้าถึง GPU แบบ serverless และตามความต้องการ โดยรองรับการฝึกโมเดลแบบหลายโหนด (multinode) และกล่าวว่าบริการนี้ "ผ่านการพิสูจน์จากการฝึกโมเดลจริงมากกว่า 100,000 ชั่วโมง GPU" บริษัทระบุว่าตนดูแลเรื่องการจัดหา GPU การตั้งค่าคลัสเตอร์ และระบบเครือข่ายให้ลูกค้า พร้อมทั้งตรวจสอบสถานะของ GPU และเครือข่ายทั้งก่อนและระหว่างการฝึกโมเดล เพื่อให้สามารถขยายงานไปถึงระดับหลายร้อย GPU ได้
บริษัทระบุว่า AIR จะตรวจสอบความพร้อมของ GPU ก่อนจัดสรรงาน ติดตามสถานะของงานที่กำลังทำงานอยู่ และทดสอบ GPU ที่ไม่ได้ใช้งานเป็นระยะเพื่อคัดแยกโหนดที่มีปัญหาออกไป Databricks กล่าวว่าความล่าช้าในการเริ่มงานลดลงเหลือเพียงไม่กี่วินาที ด้วย "GPU pool แบบ serverless ที่พร้อมใช้งานทันที (warm) และการโหลดอิมเมจแบบ lazy loading" ซึ่งบริษัทเปรียบเทียบกับระบบ GPU แบบเดิมที่ต้องดาวน์โหลดคอนเทนเนอร์อิมเมจทั้งหมดก่อนจึงจะรันโค้ดได้
Databricks ระบุว่าลูกค้าสามารถเข้าถึง GPU ได้ผ่านอินเทอร์เฟซแบบคำสั่ง (command-line interface) โน้ตบุ๊ก หรือ IDE และการย้ายระบบจากคลัสเตอร์ Kubernetes หรือ Slurm สามารถทำได้ด้วยคำสั่งภาษาธรรมดาเพียงครั้งเดียว ผ่านฟีเจอร์ที่บริษัทเรียกว่า Databricks AIR Skills บริษัทระบุว่า AIR เชื่อมต่อกับเครื่องมือไปป์ไลน์ Lakeflow และมีฟีเจอร์ตรวจสอบระบบที่เรียกว่า Genie ZeroOps
เครื่องมือสำหรับการดีบักและการกำกับดูแล
Databricks ระบุว่าได้สร้างระบบติดตามการทำงาน (observability) รูปแบบใหม่ภายใน MLflow ซึ่งสตรีมบันทึกการฝึกโมเดลภายในไม่กี่วินาทีหลังส่งงาน และเพิ่มเครื่องมือดูบันทึกสำหรับการฝึกแบบหลายโหนด บริษัทระบุว่าฟีเจอร์ที่เรียกว่า Genie Code จะวิเคราะห์บันทึกการฝึกโมเดลของ AI Runtime ระบุปัญหา และแนะนำแนวทางแก้ไข ซึ่งช่วยลดเวลาการฝึกโมเดล Qwen ลง "6 เท่า" จากการใช้งานภายในบริษัท
ในด้านการกำกับดูแล Databricks ระบุว่า AIR ทำงานภายใต้ขอบเขตการกำกับดูแลของ Databricks และ Unity Catalog โดยบังคับใช้สิทธิ์การอ่านและเขียนที่สอดคล้องกันตลอดทั้งข้อมูลฝึกสอน checkpoint และบันทึกการทำงาน บริษัทระบุว่า AIR มีการแยกงานในระดับ VM (VM-level workload isolation) และรองรับ PrivateLink รวมถึงการควบคุมการส่งข้อมูลออกแบบ serverless ซึ่งบริษัทกล่าวว่าให้การป้องกันที่แข็งแกร่งกว่าวิธีการแยก GPU แบบอื่นที่เปิดเผยเคอร์เนลของโฮสต์
ลูกค้าที่ถูกกล่าวถึง
Databricks ระบุว่ามีบริษัทหลายร้อยแห่งใช้ AIR ในการดำเนินงานจริง โดยยกตัวอย่าง Tubi, Robinhood, PicPay, Merck, Flo Health, TinyFish และ FactSet ซึ่งมีกรณีการใช้งานในด้านสาธารณสุข การผลิต และตัวช่วย AI (agent) ที่ใช้งานโดยผู้บริโภคโดยตรง บริษัทยังระบุว่าทีม Databricks AI Research ของตนเองใช้ AIR ในการฝึกโมเดลที่อยู่เบื้องหลัง KARL และ AI Parse
ในประกาศดังกล่าวมีคำกล่าวอ้างจากลูกค้าที่ Databricks นำมาเผยแพร่ Kostia Omelianchuk จาก Superhuman กล่าวว่าการย้ายงานฝึกโมเดลขนาดใหญ่จากระบบโหนดเดียวที่ใช้ GPU A100 จำนวน 8 ตัว ไปสู่ระบบหลายโหนดที่ใช้ GPU H100 จำนวน 16 ตัว ช่วยลดเวลาการฝึกโมเดลจากประมาณ 7 วัน เหลือเพียง 48 ชั่วโมง Nikhil Sunderraj จาก FactSet กล่าวว่า AIR ช่วยลดเวลาในการตั้งค่า ฝึกฝน และนำโมเดลที่ปรับแต่งเองไปใช้งานจริง "จากหลายวันเหลือเพียงไม่กี่ชั่วโมง" Eran Barash จาก QuantHealth กล่าวว่า AIR ช่วยให้บริษัทสามารถขยายการฝึกโมเดลแบบกระจาย (distributed training) บน GPU แบบ serverless ได้ "ครอบคลุมข้อมูลหลายล้านรายการ" ภายในขั้นตอนการทำงานด้านข้อมูลที่มีอยู่แล้ว
ที่มา: Databricks Blog, "AI Runtime is Generally Available," เผยแพร่เมื่อวันที่ 21 ตุลาคม 2026
คำถามที่พบบ่อย
- Databricks AI Runtime คืออะไร
- ตามข้อมูลของ Databricks, AI Runtime (AIR) คือโครงสร้างพื้นฐาน GPU แบบจัดการที่ฝังอยู่ในแพลตฟอร์ม Databricks ซึ่งช่วยให้ลูกค้าสามารถฝึกโมเดลพื้นฐาน (foundation model) ด้วยข้อมูลขององค์กรเองได้ โดยไม่ต้องดูแลระบบ GPU แยกต่างหาก
- Databricks ประกาศเปิดให้ใช้งาน AI Runtime อย่างเป็นทางการ (general availability) เมื่อใด
- Databricks เผยแพร่ประกาศดังกล่าวเมื่อวันที่ 21 ตุลาคม 2026
- Databricks บอกว่าบริษัทใดใช้ AI Runtime บ้าง
- Databricks เปิดเผยว่า Tubi, Robinhood, PicPay, Merck, Flo Health, TinyFish และ FactSet เป็นลูกค้าที่ใช้ผลิตภัณฑ์นี้ พร้อมระบุว่ามีบริษัทนับร้อยแห่งที่ใช้งานอยู่
- Databricks ระบุว่า AI Runtime จัดการเรื่องความปลอดภัยและการกำกับดูแลอย่างไร
- Databricks ระบุว่า AIR ทำงานภายในขอบเขตการกำกับดูแลของ Unity Catalog โดยบังคับใช้สิทธิ์การอ่าน/เขียนที่สอดคล้องกันสำหรับข้อมูลการฝึกโมเดล จุดตรวจสอบ (checkpoints) และบันทึกการทำงาน (logs) พร้อมทั้งมอบการแยกส่วนภาระงานในระดับ VM ด้วย PrivateLink และระบบควบคุมการส่งข้อมูลออกแบบเซิร์ฟเวอร์เลส (serverless egress controls)
แหล่งข้อมูล
- AI Runtime is Generally Available | Databricks Blog — Databricks