Databricks 斥資 13 億美元收購 MosaicML：幫企業微調專屬大模型

如果把大模型比作給企業打工的外包專家，很多大公司現在最大的心病，就是不敢把核心賬本交給他看。

大數據與機器學習平臺 Databricks 宣佈達成最終協議，以約 13 億美元（含員工留任激勵）收購生成式 AI 初創公司 MosaicML。這家成立僅兩年的公司，全員包括其研究團隊都將併入 Databricks。巧的是，Databricks 的老對手 Snowflake 最近剛收購了 AI 搜尋引擎 Neeva，雙方還在同一周各自舉辦年度使用者大會，火藥味直接拉滿。

用幾千美元，練出自己的 GPT-3

MosaicML 在開源社群名氣很大，最出名的代表作是開源大模型 MPT 系列。據官方新聞稿統計，其 MPT-7B 下載量已超過 330 萬次；近期釋出的 MPT-30B 只有 300 億引數，卻在表現上叫板擁有 1750 億引數的 OpenAI GPT-3。

但這筆收購真正的核心資產是它的工程最佳化能力。MosaicML 的模型訓練自動化最佳化能將訓練速度提升 2 到 7 倍，配合資源的近線性擴充套件，數十億引數的模型幾個小時就能跑完。按官方說法，這能把大模型的訓練和使用成本從幾百萬美元直接砸到幾千美元級別。

目前，瀏覽器程式設計工具 Replit、醫療聊天機器人 Hippocratic AI，以及艾倫人工智慧研究所（AI2）等機構，都在用它的技術做訓練與微調。

關門煉丹，把資料鎖在自家湖倉裡

對企業客戶來說，用現成的公共大模型最頭疼的就是合規與隱私。律師事務所的內部案卷、醫療機構的敏感病歷，誰也不敢輕易往公共 API 裡傳。

收購完成後，MosaicML 的訓練、微調與部署能力會直接整合進 Databricks 的 Lakehouse 平臺。正如企業客戶資料平臺 ActionIQ 高階副總裁 Justin DeBrabant 所分析的，這意味著 Databricks 的業務線從傳統的資料清洗（ETL）、SQL 資料分析、傳統機器學習，一路補齊到了託管大模型。

分析師 John Furrier 則點明瞭更深層的邏輯：未來的企業核心資產是資料本身，而不是別人的通用軟體。大公司真正想要的是關起門來，用自家的專有資料訓出屬於自己的專屬模型，Databricks 搶先卡住了這個「資料開發者」生態的位置。

為什麼重要

這筆交易給企業開闢了一條「不再唯 OpenAI 馬首是瞻」的務實路徑。對於醫療、金融、法律等高合規門檻的行業團隊來說，它意味著不必再冒著資料洩露的風險去呼叫第三方 API，也不需要自己從零組建頂尖的底層演算法團隊，在現有的資料倉儲裡就能低成本微調出垂直領域專家模型。如果你的團隊正為私有化部署的成本和算力發愁，Databricks 整合後的工具鏈非常值得持續跟蹤。

在行業層面，這標誌著企業級 AI 的戰火正式從「拼通用模型有多聰明」燒向了「看誰能幫客戶把私有資料用好」。面對微軟與 OpenAI 的深度繫結，底層資料底座提供商們正在集體反擊。Snowflake 買 Neeva，Databricks 吞 MosaicML，資料平臺巨頭正在加速吞噬開源算力與工程團隊，反向包抄模型層。

我們認為，Databricks 這一步走得相當漂亮。它沒有像其他廠商那樣盲目跟風去卷通用基礎大模型，而是敏銳抓住了企業級客戶「既要智慧化、又要資料主權、還要省錢」的剛需痛點。不過隱患也同樣存在：13 億美元對一家僅成立兩年的初創團隊而言溢價極高，隨著 Meta 等巨頭把越來越強大的開源開源模型免費送給全世界，MosaicML 自研模型的效能護城河能否長期維持，後續仍要打一個問號。