Databricks发文介绍Unity Gateway：用统一网关管控公共部门AI的模型、预算与数据驻留
Databricks博客以公共部门为场景，说明Unity Gateway如何在平台层面集中管理可用模型与编码代理、按用户/团队/用例设置支出上限、用Smart Routing把常规任务导向低成本模型，并要求托管基础模型的请求在指定地理区域处理。文中案例为假设性说明，公司未公布采用方的效果数据。
AI解读：Databricks在博客中介绍Unity Gateway，定位是让公共部门机构在采用AI前先集中回答治理问题：谁能用哪些模型、数据发往哪里、花销由谁产生。
文中列举的核心能力包括：管理员控制可用模型、编码代理、MCP和AI工具的开放范围；按用户、团队或用例设预算与硬性上限；每次请求可追踪、可归因。
在成本侧，Smart Routing把任务分派给更便宜的模型以维持质量；在数据驻留侧，账户管理员可要求Databricks托管基础模型的请求在工作区所属地理区域内处理。
这些内容来自Databricks自家博客，属于产品方主张；文中以税务、福利、医疗等机构为假设例子，未给出已部署机构的成本或效率数据。
Databricks发布博客，介绍其平台内的Unity Gateway如何帮助公共部门机构集中治理AI使用。文章称，该功能让管理员决定哪些模型、编码代理、MCP和AI工具对谁可用，并可按用户、团队或用例设置支出上限与硬性封顶。
文章把公共部门的障碍描述为治理问题：团队想用第三方编码代理等工具，但合规团队要问数据流向，预算办公室要问花销归属，回答不了就导致项目停滞。Databricks称Unity Gateway把这些控制放在平台层统一处理，无需另建一套AI网关。
Databricks描述的控制项：模型准入、支出上限与请求追踪
博客称，Unity Gateway提供对最新前沿模型和开源模型的“day-zero”访问，但新模型不会默认对所有人开放，管理员可按用户、组或团队审批模型并管理访问权限。文章举例说，税务机构的调查部门可在纳税人记录上使用AI，而访问权限仅限于获授权处理这些案件的调查人员。
支出方面，文章称预算和硬性支出上限可按用户、团队或用例设置，每次请求都会被追踪并可归因。内容护栏和访问控制等合规策略在平台层对每次AI交互生效，不论请求由哪个团队或应用发起。
区域处理与多供应商：Databricks对数据驻留的说明
对于有严格数据驻留要求的机构，文章称Databricks按地理区域管理其托管基础模型的数据驻留，账户管理员可以要求这些请求在工作区所属地理区域内处理；若某模型在该区域不可用，管理员可选择允许在其他地方处理。
Unity Gateway还支持来自多家前沿模型供应商的模型、开源模型和外部端点，Databricks称这让团队不必锁定单一供应商，同时治理团队保留完整可见性。
成本路由与假设案例：文章未给出部署效果数据
文章提到Smart Routing会把任务导向更具成本效益的模型，同时保持质量；对预算固定的机构，常规编码任务可交给低成本模型。Databricks称开发者通过其基础设施获得想要的模型，治理团队则获得跨模型、代理和工具的统一视图，包含请求、token用量、成本和工具活动的追踪记录。
需要区分的是，文中税务、福利、医疗等机构的用法属于说明性举例，Databricks没有公布采用该功能的公共部门机构名单，也没有给出成本下降比例、处理时效或审批通过率等效果数据。因此这些能力目前只能按产品方描述来理解，尚不能据此判断实际部署后的节省幅度。