Delta Sharing von Databricks unterstützt neuerdings die gemeinsame Nutzung von KI-Modellen, sodass die Modelle an einem Ort trainiert und überall eingesetzt bzw. verteilt werden können. Diese neue Funktion bietet einige Vorteile für die gemeinsame Nutzung von Modellen, darunter keine Redundanz, nahtlose Verteilung über Clouds und mehrere Regionen zur Optimierung der Netzwerklatenz. Darüber hinaus ermöglicht die gemeinsame Nutzung von KI-Modellen mit externen Parteien nun eine verstärkte Zusammenarbeit mit generativer KI^[1]Introducing AI Model Sharing with Databricks.

Unternehmen können ihre KI-Modelle problemlos bereitstellen, unabhängig davon, wo das Modell trainiert oder abgestimmt wurde. So kann das Modell beispielsweise auf AWS trainiert und in Azure bereitstellt werden, ohne dass eine Replikation erforderlich ist. Delta Sharing trägt dazu bei, die Trainings- und Serving-Infrastruktur zu entkoppeln, um dieses Modell in einer Region zu trainieren und dann für ein schnelleres Serving über mehrere Regionen auf der ganzen Welt zu verteilen.

Delta Sharing ermöglicht die gemeinsame Nutzung von KI-Modellen mit externen Parteien, um innovative Möglichkeiten der Zusammenarbeit zu schaffen. Datenempfänger können nun Open-Source-Frameworks (z. B. HuggingFace, Pytorch usw.) verwenden und diese gemeinsam genutzten Modelle für die Feinabstimmung zwischen den Organisationen laden, ohne sich Gedanken über die Offenlegung der zugrunde liegenden proprietären Trainingsdaten zu machen. Dies unterstützt laut Databricks die verstärkte Zusammenarbeit mit generativer KI, um gemeinsame Geschäftsziele zu erreichen.