用 AI 更聪明：Databricks 推出 GEPA 技术，大幅降低企业使用成本
在 AI 技术飞速发展的今天，如何让企业更高效地使用大模型，已经成为行业竞争的关键。Databricks 最近推出的 GEPA（生成进化提示适应）技术，正是为了解决这个问题。这项新技术不仅提升了 AI 模型的交互质量，还能将运营成本降低多达 90 倍，为企业打开了更经济、更智能的应用大门。
GEPA：不只是优化提示词，而是重构提问方式
传统的提示词优化往往是在已有问题基础上进行微调，而 GEPA 的做法完全不同。它通过一种叫做自然语言反思的技术，让 AI 自己评估自己的输出，并不断改进提问方式。这种自我反馈机制，使得 AI 能够自动找到最适合当前任务的提示策略。
在金融、法律、商业和医疗等多个领域，GEPA 优化后的模型表现比基准模型高出 4 到 7 个百分点，展现出强大的泛化能力和实用性。
成本降低 90 倍？真实数据说话
在处理 10 万次请求的场景下，Databricks 的优化模型成本仅为 Claude Opus 4.1 的 1/90。这意味着，对于大规模使用 AI 的企业来说，单次服务成本几乎可以忽略不计。更重要的是，这项技术不仅优于当前主流的监督微调方法，还额外节省了 20% 的服务成本，同时减少了工程师和数据科学家的工作负担。
与 OpenAI 强强联手，GPT-5 直接接入 Databricks 平台
就在不久前，Databricks 宣布与 OpenAI 达成了一项价值高达 1 亿美元的战略合作。这项合作意味着，企业客户将能够原生访问 GPT-5 模型，无需复杂的 API 配置或外部供应商关系。这不仅简化了部署流程，也让 AI 模型的调用更加便捷高效。
需要说明的是，这 1 亿美元并非实际支付金额，而是 Databricks 对未来合作潜力的预期估值。
Databricks 神经网络 CTO 唐汉林：重新思考 AI 的使用方式
“提示优化不是简单的改写，而是对问题本身的重构。”Databricks 神经网络首席技术官唐汉林在接受采访时强调。他认为，GEPA 技术的核心在于提升人与 AI 的交互质量，而不仅仅是让模型跑得更快。
他同时给出了企业在 AI 部署过程中应该优先考虑的三点建议：
- 建立可靠的评估机制
- 质疑传统微调是否仍是最佳选择
- 重新思考模型采购策略
未来已来：AI 成本壁垒已被打破
随着 GEPA 的推出和与 OpenAI 的深度合作，AI 在企业中的落地门槛大幅降低。那些敢于在早期投入优化能力的企业，将在未来竞争中占据显著优势。
如果你的企业正在探索 AI 转型，现在正是重新思考使用方式的最佳时机。毕竟，AI 不只是“用得起”，更是“用得好”的问题。