Databricks 在 2026 年 10 月 14 日发布 Predictive AI Functions 测试版，把原本要排队等数据科学团队建模的问题，做成了分析师可以直接调用的 SQL 函数：下季度销量大概多少、某个指标为什么突然变动、最近的数据有没有偏离常态，现在可以在查询、仪表盘里直接问，也可以让自然语言助手 Genie 代为调用。这组函数的定位很明确——模型由 Databricks 统一维护，业务团队不用自建和运维建模基础设施。
这次一共涉及五个函数，其中四个是全新增加的，ai_forecast 是在原有版本上升级。
五个函数分别管什么
- ai_forecast：把一条时间序列向未来延伸，给出预测走势，是这次升级幅度最大的一个。
- ai_top_drivers：解释指标为什么变动，找出哪些分组对涨跌贡献最大。
- ai_detect_anomalies：在时间型数据里标出偏离常态的记录。
- ai_predict_value：预测连续数值，属于回归类问题。
- ai_predict_class：预测类别结果，属于分类类问题，例如判断客户是否可能流失。
五个函数都是原生 SQL 函数，可以在 SQL 编辑器和笔记本里直接调用，也能嵌入数据管道，按官方说法可以跑在数亿行规模的数据上。官方演示用的是纽约出租车出行数据：把每日收入序列交给 ai_detect_anomalies，函数会自动拟合并标出异常日期；用 ai_top_drivers 对比两个月的车费收入变化，能排出各时段对涨跌的贡献大小。
ai_forecast 换了什么底子
新版 ai_forecast 的核心变化是换上了基于 Transformer 的时间序列基础模型，用大量不同形态的时间序列做过预训练，能识别季节性和趋势等常见模式，不需要使用者逐条调参。它还补上了两个业务上很实用的口子：一是内置节假日支持，可以自动处理圣诞节下跌、学校假期高峰这类日历效应；二是允许喂入外部变量，比如价格调整、营销花费，让预测把业务动作算进去。质量方面，Databricks 称在 fev-bench 基准上，新版 ai_forecast 按任务胜率口径优于一家主流云数仓的同类函数，也优于自己的旧版本；这是厂商自测口径，具体差距建议用自家数据复测后再下结论。
在哪里能用，哪些还没到
目前 SQL 和仪表盘是主入口，预测结果可以和常规报表放在一起展示。Genie 的接入是分批的：ai_top_drivers 已经可以在 Genie 里用自然语言调用，其余四个函数官方表述为即将跟上。需要注意它仍是 Beta 状态，函数口径和模型版本都可能调整。打算试点的团队，更稳妥的做法是先挑一两个低风险问题，和现有人工或自建模型的结果并行对照一段时间，再决定是否推广到经营决策场景。
