Databricks 获 A-Team 资本市场 AI 大奖,凭 AI 与治理一体化平台
Databricks Wins A-Team Award for AI in Capital Markets
Databricks 获得 A-Team Group 第二届 AI in Capital Markets Awards 2026 的“最佳数据智能与治理 AI 解决方案”奖,这是其首次拿下该奖项。

因AI与治理的融合而获得认可。
资本市场从不缺少关于AI的宣称。每一份供应商推介材料都承诺智能、自动化和超额收益。但A-Team Group——其奖项由资本市场行业的从业者投票评选——选择认可一些不同的东西:在单一平台上实现AI与治理的结合。
这一区别至关重要。
“祝贺Databricks在第二届年度资本市场AI大奖2026中荣获数据智能与治理最佳AI解决方案奖。该奖项由我们的行业社区评选,彰显了在推动资本市场AI能力方面的真正卓越与创新。Databricks理应为此成就深感自豪。”- Angela Wilbraham,A-Team Group首席执行官
这是Databricks首次获得A-Team资本市场AI大奖。它到来的时机,正值行业在实验性AI与能够经受监管审查的生产级AI之间划出明确界线之际。
为何治理才是资本市场AI的真正解锁点
资本市场公司面临的压力十分严峻。日内波动率仍处高位。北美的T+1结算正在压缩运营窗口。监管机构正不断收紧对AI治理、模型透明度和数据血缘的期望,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年对管理约2万亿美元资产的管理人的一项调查,94%的投资组合经理和分析师已在其另类数据研究流程中使用AI或机器学习。但71%的人表示,整合来自不同来源的数据是他们最头疼的挑战。
瓶颈不在于获取AI,而在于其底层的数据基础。
大语言模型很强大,但它们看不到贵公司的专有订单流、内部研究或风险头寸。要在云服务商上实现这一点,意味着要把存储、计算、编排和治理等分散的服务拼接起来。终端扩展无法跨你的内部系统进行推理。
资本市场AI的竞争优势不在模型本身,而在专有数据层。这正是Databricks数据+AI平台所在之处。
这在生产环境中是什么样子
A-Team奖表彰的是一个平台,但真正的证明在于资本市场公司正在其上构建什么。在2026年数据+AI峰会上,领先机构分享了他们如何利用Databricks变革研究与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
构建这一专有数据基础正是RBC Capital Markets着手要做的事。该公司在Databricks上构建了Aiden QuickTakes——一个专有AI智能体,可加速研究工作流程,同时维持受监管资本市场所要求的治理与安全标准。通过将数据摄取、AI驱动分析和内容生成统一在单一受治理环境中,Aiden QuickTakes能够以最高快95%的速度自动生成研究报告草稿,让分析师腾出精力,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。区别在于,你是否能在具备适当管控的前提下,让它们访问你自己的专有数据。Databricks 让我们一次性构建了这一基础,并在不牺牲安全性或治理的前提下,将 AI 扩展到研究工作流中。”- Michael Tran,RBC Capital Markets 董事总经理、AI 与数字产品负责人
同样的模式也延伸到了买方:各公司正在将市场数据、基本面数据、ESG 数据和另类数据汇聚到一个受治理的单一湖仓中,然后在其上叠加 AI 智能体,以加速信号研究、因子回测和投资组合构建。
研究与筛选:从数小时缩短到数分钟
LSEG 与 Databricks 合作,将可直接用于 AI 的金融数据原生引入分析、AI 应用和智能体。在 2026 年 Data + AI Summit 上,LSEG 演示了 AI 智能体如何用自然语言查询 350,000 多项投资,将原本耗时数小时的手动基金筛选缩短到数分钟。这一合作使机构级金融数据可直接在 Databricks Data + AI Platform 中使用,消除了拖慢大多数公司的集成摩擦。
风险、安全与合规
资本市场公司也在使用 Databricks 实现交易后运营的现代化。一些机构已在 Databricks 上构建了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,以支持更快的威胁检测、取证和合规报告。另一些机构则将核心银行系统迁移到采用 OpenSharing 和 Unity Catalog 的受治理湖仓架构,以满足监管要求,用受治理的自动化管道取代脆弱的电子表格和手动对账。
贯穿整个生命周期:一个受治理的统一前端
交易前研究、交易中筛选和交易后报告都汇聚到同一套受治理的定义上,但需要这些答案的人却很少在数据平台内部工作。Databricks Genie One 是面向业务用户的数据智能 AI 同事,它就是那个前端。投资组合经理、分析师和风险官用自然语言提问,就能得到以 Unity Catalog 为依据的答案,无需使用 SQL 或笔记本。
通过 Model Context Protocol,同一个受治理层还延伸到 Microsoft Teams、Excel 以及 Claude 和 ChatGPT 等助手。每个请求都会根据 Unity Catalog 权限进行授权并记录日志,生成的 SQL 和血缘关系均可检查。界面会变,数字不会变。
赢得该奖项的治理技术栈
Databricks 在资本市场中脱颖而出的原因不仅在于速度或规模,还在于其治理架构,使 AI 足够可信,能够用于受监管环境:
- Unity Catalog 为数据与 AI 资产提供统一的访问、血缘和审计控制平面——因此每个查询、每个模型输出、每个仪表板都可追溯。
- Unity Catalog Semantics 和 Glossary 中的业务语义让公司能够一次定义关键指标——VaR、预期缺口、流动性缓冲、敞口指标——并在报告、仪表板和 AI 应用中一致复用。
- MLflow 新增结构化模型治理:版本管理、实验跟踪、评估以及受控部署到生产环境。
- 全面的日志记录捕获谁在哪些数据上运行了哪些查询或 AI 交互,支持模型风险管理、内部审计和监管审查。
这就是演示效果出色的 AI 与能够经受董事会层面和监管审查的 AI 之间的区别。
一种模式,而非个例
这一模式很清晰:整个行业正在汇聚于同一个洞见。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无缝采用最新最强的模型,因为其专有数据基础已经就位、已经受到治理,并且已经在为其发挥作用。
下一步
如果您是正在评估数据与 AI 战略的资本市场领导者,可以从这里开始:
- 阅读 A-Team AI in Capital Markets Awards 2026 获奖者报告 ,查看完整获奖名单以及行业社区所认可的内容。
- 浏览 Databricks for Financial Services LinkedIn 获取行业专属内容。
- 联系我们的资本市场团队,了解像您这样的企业如今如何构建受治理的 AI 基础。
常见问题
谁赢得了 A-Team AI in Capital Markets Awards 2026?
Databricks 在第二届年度 A-Team AI in Capital Markets Awards 2026 中荣获最佳数据智能与治理 AI 解决方案奖,该奖项由资本市场从业者社区评选。
什么是面向资本市场的 Databricks Data + AI Platform?
Databricks Data + AI Platform 将统一湖仓、Unity Catalog 治理和内置 AI 工具(包括 Agent Bricks 和 Genie One)相结合,使资本市场企业能够在单一受治理平台上,将 AI 扩展至研究、交易、风险和合规领域。
为什么数据治理对资本市场的 AI 至关重要?
包括 ESMA 和 FSB 在内的监管机构正在收紧对 AI 治理、模型透明度和数据血缘的期望。没有受治理的数据基础,企业就无法以经受监管审查的方式将 AI 从实验推进到生产。
什么是 Model Context Protocol,它如何应用于金融服务?
Model Context Protocol(MCP)是一种用于将 AI 助手连接到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 的权限、定义和血缘)扩展至 Microsoft Teams、Excel 以及 Claude 和 ChatGPT 等 AI 助手。每个请求都经过授权并记录日志,因此企业可以获得对话式 AI,而不会为其数据创建不受治理的路径。
来源:Databricks Blog · databricks.com