Databricks 斥资 13 亿美元收购 MosaicML：帮企业微调专属大模型

如果把大模型比作给企业打工的外包专家，很多大公司现在最大的心病，就是不敢把核心账本交给他看。

大数据与机器学习平台 Databricks 宣布达成最终协议，以约 13 亿美元（含员工留任激励）收购生成式 AI 初创公司 MosaicML。这家成立仅两年的公司，全员包括其研究团队都将并入 Databricks。巧的是，Databricks 的老对手 Snowflake 最近刚收购了 AI 搜索引擎 Neeva，双方还在同一周各自举办年度用户大会，火药味直接拉满。

用几千美元，练出自己的 GPT-3

MosaicML 在开源社区名气很大，最出名的代表作是开源大模型 MPT 系列。据官方新闻稿统计，其 MPT-7B 下载量已超过 330 万次；近期发布的 MPT-30B 只有 300 亿参数，却在表现上叫板拥有 1750 亿参数的 OpenAI GPT-3。

但这笔收购真正的核心资产是它的工程优化能力。MosaicML 的模型训练自动化优化能将训练速度提升 2 到 7 倍，配合资源的近线性扩展，数十亿参数的模型几个小时就能跑完。按官方说法，这能把大模型的训练和使用成本从几百万美元直接砸到几千美元级别。

目前，浏览器编程工具 Replit、医疗聊天机器人 Hippocratic AI，以及艾伦人工智能研究所（AI2）等机构，都在用它的技术做训练与微调。

关门炼丹，把数据锁在自家湖仓里

对企业客户来说，用现成的公共大模型最头疼的就是合规与隐私。律师事务所的内部案卷、医疗机构的敏感病历，谁也不敢轻易往公共 API 里传。

收购完成后，MosaicML 的训练、微调与部署能力会直接整合进 Databricks 的 Lakehouse 平台。正如企业客户数据平台 ActionIQ 高级副总裁 Justin DeBrabant 所分析的，这意味着 Databricks 的业务线从传统的数据清洗（ETL）、SQL 数据分析、传统机器学习，一路补齐到了托管大模型。

分析师 John Furrier 则点明了更深层的逻辑：未来的企业核心资产是数据本身，而不是别人的通用软件。大公司真正想要的是关起门来，用自家的专有数据训出属于自己的专属模型，Databricks 抢先卡住了这个「数据开发者」生态的位置。

为什么重要

这笔交易给企业开辟了一条「不再唯 OpenAI 马首是瞻」的务实路径。对于医疗、金融、法律等高合规门槛的行业团队来说，它意味着不必再冒着数据泄露的风险去调用第三方 API，也不需要自己从零组建顶尖的底层算法团队，在现有的数据仓库里就能低成本微调出垂直领域专家模型。如果你的团队正为私有化部署的成本和算力发愁，Databricks 整合后的工具链非常值得持续跟踪。

在行业层面，这标志着企业级 AI 的战火正式从「拼通用模型有多聪明」烧向了「看谁能帮客户把私有数据用好」。面对微软与 OpenAI 的深度绑定，底层数据底座提供商们正在集体反击。Snowflake 买 Neeva，Databricks 吞 MosaicML，数据平台巨头正在加速吞噬开源算力与工程团队，反向包抄模型层。

我们认为，Databricks 这一步走得相当漂亮。它没有像其他厂商那样盲目跟风去卷通用基础大模型，而是敏锐抓住了企业级客户「既要智能化、又要数据主权、还要省钱」的刚需痛点。不过隐患也同样存在：13 亿美元对一家仅成立两年的初创团队而言溢价极高，随着 Meta 等巨头把越来越强大的开源开源模型免费送给全世界，MosaicML 自研模型的性能护城河能否长期维持，后续仍要打一个问号。