跳至主要内容
  • Databricks 在 2026 年 A-Team 资本市场 AI 大奖中荣获“最佳数据智能与治理 AI 解决方案”。这是我们首次获得 A-Team 资本市场 AI 奖项,获奖者由业内从业者群体评选产生。
  • Databricks 数据与 AI 平台将统一的湖仓一体架构、Unity Catalog 治理和内置 AI 工具融为一体,其中包括面向业务用户、具备数据智能的 AI 协作助手 Genie One。资本市场机构可以在研究、交易、风险和合规等领域规模化应用 AI,并为每位投资组合经理、分析师和风险管理人员提供可信、通俗易懂的答案。
  • 领先机构已经在该平台上开展建设。RBC Capital Markets 利用其 AI 智能体 Aiden QuickTakes,将研究报告草稿的生成速度最多提升 95%;LSEG 则展示了 AI 智能体如何使用自然语言筛选 350,000+ 项投资。

AI 与治理携手获得认可。

资本市场从不缺少有关 AI 的宣传。每家供应商的推介材料都承诺提供智能、自动化和超额收益。但 A-Team Group 的奖项由资本市场行业从业者投票评选,该机构选择认可一项与众不同的能力:在单一平台上将 AI 与治理相结合。

这一差异至关重要。

“祝贺 Databricks 在第二届年度 2026 年资本市场 AI 大奖中荣获‘最佳数据智能与治理 AI 解决方案’。这项荣誉由我们的行业社群评选产生,彰显了其在推动 AI 能力覆盖资本市场方面真正卓越的表现与创新。Databricks 理应为这一成就感到无比自豪。”——A-Team Group 首席执行官 Angela Wilbraham

这是 Databricks 首次获得 A-Team 资本市场 AI 奖项。获奖之际,整个行业正明确区分实验性 AI 与能够经受监管审查的生产级 AI。

为什么治理才是释放资本市场 AI 潜力的真正关键

资本市场机构面临着巨大压力。日内波动率仍处高位。北美实行 T+1 结算正在压缩运营时间窗口。监管机构也在提高对 AI 治理、模型透明度和数据血缘的要求,相关举措从 ESMA 关于算法交易的监管简报,到 FSB 关于 AI 稳健实践的 2026 年工作计划。

与此同时,根据 2026 年一项针对管理约 2 万亿美元资产的管理机构所做的调查,94% 的投资组合经理和分析师已在另类数据研究流程中使用 AI 或机器学习。但 71% 的受访者表示,整合不同来源的数据是最令他们头疼的挑战。

瓶颈并不在于能否使用 AI,而在于支撑 AI 的底层数据基础。

大语言模型功能强大,但它们无法看到贵公司的专有订单流、内部研究或风险头寸。在云服务提供商的平台上实现这一点,意味着必须将存储、计算、编排和治理等相互独立的服务拼接起来。终端扩展也无法跨内部系统进行推理。

资本市场 AI 的竞争优势不在模型,而在专有数据层。这正是 Databricks 数据与 AI 平台的立足之处。


这在生产环境中是什么样子

A-Team 奖项认可的是一个平台,但真正的证明在于资本市场机构基于该平台构建了什么。在 2026 年数据与 AI 峰会上,多家领先机构分享了它们如何利用 Databricks 改造研究和风险领域的工作流程。

加速研究与投资组合分析的 AI 智能体

构建这样的专有数据基础,正是 RBC Capital Markets 着手开展的工作。该公司基于 Databricks 构建了专有 AI 智能体 Aiden QuickTakes,在加速研究工作流程的同时,维持受监管资本市场所要求的治理与安全标准。通过在单一的受治理环境中统一数据摄取、AI 驱动的分析和内容生成,Aiden QuickTakes 能够自动生成研究报告草稿,速度最多提升 95%,从而让分析师专注于客户最看重的差异化洞察。

“资本市场中的每家公司都能使用大语言模型。真正的区别在于,你能否在落实适当管控措施的情况下,让模型使用自己的专有数据。Databricks 让我们能够一次性构建这一基础,并在不牺牲安全性或治理能力的前提下,将 AI 扩展到各种研究工作流程。”——RBC Capital Markets 董事总经理兼 AI 与数字产品负责人 Michael Tran

同样的模式也延伸到了买方机构:各家公司正将市场、基本面、ESG 和另类数据汇集到一个统一的受治理湖仓一体平台中,再在其上添加 AI 智能体,以加快信号研究、因子回测和投资组合构建。

研究与筛选:从数小时缩短至数分钟

LSEG 与 Databricks 建立合作 将已为 AI 做好准备的金融数据原生接入分析、AI 应用和智能体。在 2026 年数据与 AI 峰会上,LSEG 展示了 AI 智能体如何使用自然语言查询 350,000+ 项投资,将原本需要数小时的人工基金筛选缩短至数分钟。这项合作使机构级金融数据能够直接用于 Databricks 数据与 AI 平台,消除了拖慢大多数机构进度的集成阻力。

风险、安全与合规

资本市场机构还在使用 Databricks 实现交易后运营的现代化。多家机构已在 Databricks 上构建统一的网络安全分析平台,集中管理结构化、半结构化和非结构化安全数据,从而实现更快速的威胁检测、取证和合规报告。其他机构则利用 OpenSharing 和 Unity Catalog,将核心银行系统迁移至受治理的湖仓一体架构,以满足监管要求,并用受治理的自动化管道取代脆弱的电子表格和人工对账。

贯穿整个生命周期: 一个统一的受治理前端

交易前研究、交易时筛选和交易后报告都基于同一套受治理的定义,但需要这些答案的人很少在数据平台内工作。面向业务用户、懂数据的 AI 同事 Databricks Genie One 正是这一前端。投资组合经理、分析师和风险管理人员可以用自然语言提问,并获得以 Unity Catalog 为依据的答案,全程无需使用 SQL 或笔记本。

通过模型上下文协议,同一个受治理层可扩展至 Microsoft Teams、Excel,以及 Claude 和 ChatGPT 等助手。每项请求都会依据 Unity Catalog 权限进行授权并记录日志,生成的 SQL 和数据血缘也可供检查。使用界面会变,数字不会。

Databricks Genie One 实用指南 

成就这一奖项的治理技术栈

Databricks 在资本市场中的独特之处,不仅在于速度或规模,还在于其治理架构。这一架构让 AI 足够可信,能够应用于受监管环境:

  • Unity Catalog 为数据和 AI 资产的访问、血缘和审计提供统一控制平面,因此每次查询、每项模型输出和每个仪表板都有迹可循。
  • Unity Catalog Semantics 和 Glossary 中的业务语义 让企业可以一次性定义关键指标——VaR、预期损失、流动性缓冲、风险敞口指标——并在报告、仪表板和 AI 应用中始终如一地重复使用。
  • MLflow 增添了结构化模型治理能力,包括版本管理、实验跟踪、评估以及受控的生产部署。
  • 全面日志记录 会记录由谁对哪些数据运行了什么查询或 AI 交互,从而支持模型风险管理、内部审计和监管审查。

这正是适合演示的 AI 与能够经受董事会和监管机构审视的 AI 之间的区别。

一种普遍模式,而非孤立案例

这种模式已经很清晰:整个行业正逐渐形成一个共识。模型不是战略,平台才是。模型会不断变化。占据制胜位置的企业能够平稳采用最新、最先进的模型,因为其专有数据基础已经就位、已受到治理,并且已在为其发挥作用。

下一步

如果你是正在评估数据与 AI 战略的资本市场领导者,可以从以下几点入手:

常见问题


谁获得了 A-Team 2026 年资本市场 AI 大奖? 
Databricks 在第二届 A-Team 2026 年资本市场 AI 大奖中荣获“最佳数据智能与治理 AI 解决方案”,该奖项由资本市场从业者社群评选产生。

什么是面向资本市场的 Databricks 数据与 AI 平台? 
Databricks 数据与 AI 平台将统一的湖仓一体架构、Unity Catalog 治理能力以及内置 AI 工具(包括 Agent Bricks 和 Genie One)结合起来,让资本市场机构能够在单一受治理平台上,将 AI 规模化应用于研究、交易、风险和合规领域。

为什么数据治理对资本市场中的 AI 至关重要? 
包括 ESMA 和 FSB 在内的监管机构正在提高对 AI 治理、模型透明度和数据血缘的要求。如果没有受治理的数据基础,企业就无法以经得起监管审查的方式,将 AI 从实验阶段推进至生产环境。

什么是模型上下文协议?它如何应用于金融服务? 
模型上下文协议(MCP)是一项用于将 AI 助手连接至数据和工具的开放标准。Databricks 使用 MCP,将其受治理的数据层——包括 Unity Catalog 权限、定义和血缘——扩展至 Microsoft Teams、Excel,以及 Claude 和 ChatGPT 等 AI 助手。每项请求都会经过授权并记录日志,因此企业可以获得对话式 AI 能力,同时不会为访问其数据创建不受治理的通道。

相关标签:

金融服务

在收件箱中获取最新文章

订阅我们的博客,让最新文章直达你的收件箱。

注册

查看所有博客 slice-start id="_gatsby-scripts-1" slice-end id="_gatsby-scripts-1"