在AI時代快速演進的浪潮中,全球正逐步架構起一套全新的AI生態系。從運算晶片、雲端平台到生成式AI應用面,每一層都在重新定義產業競爭力。而在這個生態系中,資料處理與管理正成為推動AI創新的核心引擎。誰能掌握資料的流動與價值,誰就能在AI時代搶得先機。
Databricks創新資料工具,建構企業AI能力基礎設施
Databricks這家矽谷新創從柏克萊大學實驗室孵化出來,更在短短十年間,成為全球最具潛力的AI平台公司之一。2025年初,Databricks宣布完成新一輪融資,估值突破 620 億美元,穩坐 AI 獨角獸之列。
Databricks 所提出的「湖倉一體(Lakehouse)」資料架構,融合了資料湖的彈性與資料倉儲的嚴謹,協助資料科學家與資料工程師打通了資料處理、分析、模型訓練到部署的流程,同時可以處理結構化資料與非結構化資料,徹底改變了企業開發AI的速度與方式,支援從模型訓練、商業分析到決策自動化的全方位應用。
目前,全球超過60%的《財富》500強企業都是Databricks的客戶,並與Microsoft、Amazon、Google Cloud等雲端巨頭建立深度合作,與NVIDIA的整合更讓其在AI訓練效能上如虎添翼。
從Databricks經驗思考台灣AI發展下一步
Databricks的崛起,不只是矽谷的成功故事,也值得台灣深思:在我們發展本地AI能力的同時,是否也能培養出類似的「生態系支撐角色」?在晶片與硬體之外,資料平台與AI工具層的創新,或許正是台灣持續向前的關鍵突破口。
目前台灣仍未出現與Databricks完全對應的平台型新創,有部分軟體公司已在資料處理、模型部署或MLOps領域提供部分近似的服務輪廓。然而,無論在平台整合度、開發流程的橫向連結或是市場影響力上,與Databricks仍有相當距離。
過去十年,台灣的創新資源大多導向半導體、代工製造與終端設備,對於資料平台或AI架構型產品較少長期投資與鼓勵,形成資料平台創業的環境真空。
更根本的問題,在於多數企業仍未將資料視為長期核心資產。AI專案往往鎖定單點問題解決,導購、報表、客服優化等應用盛行,卻未進一步推進資料治理、共享與跨部門整合,使資料價值被零碎化、平台化無法實現。對資料沒有長期持有與經營的文化,自然也不會激發出類似Databricks的企業需求與土壤。
KPMG觀點:真正實現AI資料創新,需要回到資料品質打地基
KPMG長期觀察資料治理與數位創新的發展趨勢,企業若想真正實現AI的價值,不應只著眼於模型建置或演算法選擇,而是回到資料品質、可用性與可治理性的根本。企業資料平台必須內建信任與可驗證性,同時能夠支援跨部門、跨角色的資料協作,才能讓資料可懂、可用,進而影響組織文化的變革與決策習慣的重建。
因此,台灣若要培養出具有全球競爭力的資料平台,不只是新創的任務,更需企業內部數據文化的翻轉與治理機制的提升,將資料從技術附屬物,轉化為具策略性的資產架構。這需要領導階層對資料治理的堅定承諾,也需要中長期的系統性投資與跨部門協調能力。
當資料與AI被看作企業核心策略而非附屬技術,台灣就有機會打造出屬於自己、服務亞洲的資料平台品牌。