文章把 Databricks 说成「赶上 AI 浪潮的数据公司」，其实它是叠加了四条技术 S 曲线：Spark（伯克利 AMPLab 出身的分布式计算引擎）、Lakehouse（湖仓一体）、Lakebase（为 AI 智能体构建的无服务器 Postgres）、智能体。这家公司 2013 年由 Spark 创始团队创立，如今年化收入突破 70 亿美元、同比增长超 80%，估值 1900 亿美元。理解这四条曲线的接力关系，才看得懂「记录系统」为什么是 AI 落地的前置条件。

读这篇前得补两块经济学地基。1937 年科斯在《企业的性质》里问：市场能用价格协调，为什么还要办公司？答案是交易成本——找人、谈判、监督都要花钱，企业用行政指令替代市场交易。四十年后西蒙观察到更反直觉的一点：把企业记忆集中化，反而让决策去中心化。一份共享记录让波士顿售票员不必打电话给每个同事，只需查询记录即可安全行动。这两条原理正是 Databricks 叙事的地基。

作者的推理链是：企业形态由交易成本决定 → 金字塔不是权力结构而是信息处理系统 → 数据库让「知道」和「行动」的门槛同时下降 → 智能体接管信息路由，经理人作为「传话筒」的价值被抽空。这条链最脆弱的一环是假设智能体已能可靠接入企业私有上下文——Ali Ghodsi 自己的说法是「AI 没有智力问题，只有上下文问题」，大量本体、权限、评估规则至今只存在于老员工脑子里，没写进任何系统。这个迁移难度决定论证成立与否。

马斯克说保留「每道关键环节都要人签字」的公司会输——就像用还需要手算单元格的电子表格。反方证据同样具体：西班牙高铁事故中，LZB 系统本已自动制动全部列车，是调度员恢复通车才导致 68 人遇难；医疗 AI 研究中 65% 的医生漏掉至少一处 AI 草稿错误，35% 直接提交了含错资料。一边说人拖慢机器，一边说人在自动化下的监督是「空洞」的。这个分歧没有标准答案，取决于人究竟是真在判断，还是只签字。

2026 年 5 月，网信办、发改委、工信部联合印发《智能体规范应用与创新发展实施意见》，首次区分「仅限用户本人决策」「需用户授权决策」「智能体自主决策」三种模式，并明确用户对智能体自主决策享有知情权和最终决策权。国务院此前提出到 2027 年智能体应用普及率超 70%。这意味着「谁签字」不只是效率选择题，正被写成合规条款——自主决策的权限边界会在细则和行业标准里逐步收紧，而不是靠厂商自律。

「主权企业」的核心赌注是：模型可以随时换，企业积累的决策记忆、例外规则、评估案例不能归零。那么值得追问的是——谁来决定哪些经验值得写进共享记录？销售副总裁知道那笔大单停滞是因为客户方推动者正在面试别家，这种判断一旦录入系统，就意味着它从私人经验变成了全公司可调用的资产，也意味着它被永久审查。问题是记录本身会不会反过来改变人的行为，以及「企业记忆」的产权究竟归谁。