当一个企业拥有 14000 个数据目录、数千个 AI Agent 和多个跨云工作区时，治理就不再是合规部门的事，它变成了基础设施本身。Databricks 刚刚给出了自己的答案。
2026 年 8 月，Databricks 正式推出 Governance Hub 的私有预览版。这不是 Unity Catalog 的简单升级，而是一个全新的账户级治理中枢，把数据健康、AI 使用和成本账单统一到一个界面，再嵌入一个能回答“为什么成本飙升”的自然语言助手 Genie。
放在更大的背景下看，这一动作的意义远不止产品迭代。一家年收入运行率已达 70 亿美元、估值 1900 亿美元的私有科技巨头，在 AI 全面爆发的节点上，选择重仓治理。原因很简单：治理正在从后台的合规工具，变成 AI 时代企业的核心控制面。
从元数据目录到治理中枢
要理解 Governance Hub 的分量，首先得看懂 Databricks 的治理进化路径。
五年前，Databricks 发布了 Unity Catalog，定位是“数据和 AI 的统一治理层”。到今天，超过 14000 个组织在使用 Unity Catalog 管理数据资产、控制访问权限、追踪血缘关系。对于 Databricks 而言，UC 是一套成功的底层基础架构，但它始终是“引擎”，而非“仪表盘”。
Governance Hub 补上了这个缺口。它不是另一个治理系统，而是治理系统的指挥中心。
Hub 提供三个核心面板。Data Health 面板追踪数据完整性、质量、分类覆盖率和敏感数据发现。AI Usage 面板监控 token 消耗、模型调用频率和 Agent 行为模式。Cost 面板允许管理员按工作区、工作负载甚至查询级别下钻成本。
三个面板有一个共同点：它们都不需要写 SQL。管理员可以通过自然语言向 Genie 提问——“哪些表包含敏感数据但缺少掩码策略？”“为什么这个工作区的 AI 成本在过去一周翻倍了？”——系统从治理元数据中提取答案，并给出可操作的建议。未来版本中，Genie 还将能够直接执行策略配置、设置告警和实施建议。
换句话说，Databricks 正在把治理从“事后审计”变为“实时响应”。
治理焦虑：当 AI Agent 数量爆炸
Databricks 在这个时间点推出 Governance Hub，与 AI Agent 的爆发式增长直接相关。
“以往治理一个资产意味着治理访问权限：谁能查这张表，谁能调用这个模型。”Databricks 在 Unity Catalog 更新公告中写道。“但 Agent 不仅访问资产，它们通过资产采取行动，调用模型、调用工具、连接 MCP 服务器。”
这一转变的本质是：传统权限模型管的是“能不能进门”，而 AI Agent 时代需要管的是“进门之后能做什么”。一个 Agent 可以合法地访问模型，然后让模型执行写操作、创建数据、删除记录——这些行为不在传统访问控制的范围内。
这正是 Unity AI Gateway 与 Governance Hub 的关系。Gateway 在运行时层面拦截、审计和控制 AI 行为，哪些模型可以被调用、Agent 能不能执行写操作、PII 是否被泄露。Hub 则是这些信息的汇聚层，把 Gateway 捕获的行为数据、UC 中的元数据以及成本信息统一呈现。
两者构成了 Databricks 治理体系的双层结构：底层是严格的行为管控，顶层是统一的可见性。
对于任何正在大规模部署 AI Agent 的企业，金融、医疗、电商，这套组合意味着一个关键能力：不再需要在“快速部署 AI”和“严格管控风险”之间二选一。
治理是一门大生意
Databricks 对治理领域的重注，与其说是产品战略，不如说是市场嗅觉。
根据 Fortune Business Insights 的数据，全球数据治理市场在 2025 年已达 53.8 亿美元，预计到 2032 年将增长至 180.7 亿美元，复合年增长率 18.9%。这一增速超过了许多纯数据基础设施细分市场。
更重要的是，治理市场的价值主张正在从“合规成本”转变为“AI 准入门槛”。没有健全的治理体系，企业无法放心让 AI 访问核心数据；没有完整的审计追踪，监管机构不会批准 AI 在关键业务中的部署。治理已经从“要不要做”变成了“AI 能不能落地”。
Databricks 在这个市场中有独特优势——它拥有治理所需的所有元数据。Unity Catalog 已经捕获了数据资产、血缘关系、访问模式、分类标签。Unity AI Gateway 捕获了 token 使用、模型调用和 Agent 行为。计费系统追踪着每一个工作负载的成本。其他治理厂商，Collibra、Alation、Atlan，需要靠扫描和集成来获取这些信息，而 Databricks 是“原生拥有”的。
这意味着 Governance Hub 可以做到竞争对手做不到的事：不需要额外的数据复制、不需要外部 ETL 管道、不需要第三方代理。治理数据就在它产生的地方。
Databricks CEO Ali Ghodsi 在 2026 年 6 月曾表示公司“随时可以 IPO”。如果 Governance Hub 能够验证“治理即服务”的商业逻辑，从一个数据平台公司的附属功能变成独立的、可计费的产品线，Databricks 在公开市场的故事会更有想象力。
治理市场的角力：谁是下一个
Databricks 并非唯一看到治理机遇的公司。
Snowflake 在 2024 年开源了 Polaris Catalog，同年 8 月将其捐赠给 Apache 软件基金会，2026 年 2 月毕业为顶级项目。Polaris 定位为一个开放的 Iceberg 目录标准，但在实际企业部署中更多是“兼容层”而非“治理层”。Snowflake 的 Horizon 治理体系虽然与 Polaris 集成，但其核心能力仍然围绕 Snowflake 引擎而非跨平台生态。
Collibra 作为独立的治理平台领导者，2025 年 12 月完成了对 Octopai 的收购，以增强自动化数据发现能力。但其与具体数据平台之间的集成深度始终受限于 API 边界。Collibra 能扫描 Databricks 的元数据，但无法像 Governance Hub 那样原生获得运行时行为数据。
Databricks 的真正差异化在于三层深度：治理引擎 Unity Catalog、运行时管控 Unity AI Gateway、治理指挥中心 Governance Hub。三者共用同一套元数据体系，天然互相增强。对于已经在 Databricks 上运行大规模数据工作负载的企业而言，切换到第三方治理方案意味着增加一层翻译成本和集成风险。
当然，局限性同样存在。Governance Hub 目前仅处于私有预览阶段，可用功能有限。跨区域治理和跨云治理仍在路线图上。而 Databricks 作为一家尚未上市的公司，其企业级治理方案的长期可信度还需要经过更多客户案例和第三方审计的验证。
治理成为 AI 时代的水电煤
Databricks 推出 Governance Hub 的背后，折射出一个更大的行业转向：在 AI Agent 大规模商用的前夜，治理不再是事后补救，而是事前准入的基础设施。
五年前，“数据湖仓”是 Databricks 的核心叙事，一个统一的数据平台，消除数据孤岛。今天，叙事正在升级：治理才是 AI 时代的统一控制面。数据平台只是管道，治理才是阀门。
对于 CIO 和 CISO 们，问题不再是“要不要治理”，而是“你的治理体系能否跟上 AI 的速度”。对于 Databricks，挑战从“如何让更多企业上云”变成了“如何让企业放心地在 AI 中运行一切”。
治理市场已经打开了一个数百亿美元的窗口。但真正的赢家不会是那些独立的治理软件公司，而是那些把治理刻进基础设施原生基因里的平台商。
Databricks 正在押注自己会是其中一个。
快报