Databricks Mosaic AI 使用介绍：功能、价格与上手指南
Databricks Mosaic AI 是统一数据与 AI 的生成式 AI 开发平台，提供模型训练、微调、部署、评估与治理全流程能力。本文介绍其核心功能、价格构成与快速上手步骤，适合数据团队与 AI 开发者参考。
什么是 Databricks Mosaic AI？
Databricks Mosaic AI 是 Databricks 数据智能平台中的生成式 AI 组件，旨在帮助企业统一数据工程、分析与 AI 应用开发。它集成了模型训练、微调、部署、评估和治理能力，支持开源大模型与自有数据结合，降低构建生产级 AI 应用的门槛。
核心功能一览
- 模型训练与微调：支持 LLM 微调、持续预训练和自定义模型训练，兼容 Hugging Face、MLflow 等生态。
- 向量搜索与 RAG：内置 Vector Search，可快速构建检索增强生成（RAG）应用。
- 模型服务与部署：提供 Serverless 推理端点，支持自动扩缩容和 GPU 加速。
- AI 评估与治理：集成 MLflow 评估、AI Gateway 和 Unity Catalog，实现全生命周期管理。
- Agent 开发：支持构建多步骤 AI Agent，编排工具调用与外部 API。
价格模式说明
Databricks Mosaic AI 采用按用量计费模式，主要成本包括：
| 计费项 | 说明 |
|---|---|
| 计算资源 | 按 DBU 计费，根据实例类型与运行时长短 |
| Serverless 推理 | 按 token 或请求数计费，适合弹性负载 |
| 向量搜索 | 按存储容量与查询量计费 |
| 微调训练 | 按训练时长与 GPU 类型计费 |
具体价格因云厂商（AWS/Azure/GCP）和区域而异，建议通过 Databricks 定价计算器估算。新用户可申请试用额度。
快速上手指南
- 创建工作区：在 Databricks 账户中选择云平台并创建 Workspace。
- 准备数据：将训练数据上传至 Unity Catalog 或挂载云存储。
- 选择基础模型：从 Mosaic AI 模型库中选择开源模型（如 Llama、Mistral）或使用自有模型。
- 微调模型：使用 Notebook 或 Mosaic AI Training 进行微调，记录实验至 MLflow。
- 部署服务：将模型注册到 Unity Catalog 并创建 Serving Endpoint。
- 构建 RAG 应用：创建 Vector Search 索引，连接 LLM 实现问答。
- 评估与监控：使用 MLflow Evaluate 和 AI Gateway 监控质量与成本。
常见问题
Q：Mosaic AI 支持哪些编程语言？ A：主要支持 Python、SQL 和 Scala，通过 REST API 也可与其他语言集成。
Q：是否需要具备机器学习经验？ A：基础微调可通过界面完成，但 RAG 与 Agent 开发建议具备一定 Python 和 LLM 知识。
结论
Databricks Mosaic AI 将数据与 AI 工作流统一，提供从模型训练到治理的端到端能力。虽然价格按用量计费，但弹性伸缩和 Serverless 选项有助于控制成本。对于已使用 Databricks 的团队，它是快速落地生成式 AI 的高效选择。建议先从试用额度开始，聚焦一个具体场景（如文档问答）验证效果。