FDA在Databricks for Government上构建安全AI就绪数据基础
DataHot 速览
FDA在Data+AI Summit上分享了如何在Databricks for Government上构建安全、AI就绪的数据基础。该机构每天影响三分之一的美国人，监管美国消费者支出的20%，拥有16000多名员工，覆盖200多个办公室和300多个产品类别。Databricks介绍了面向FedRAMP High和DoD IL5环境的参考架构与Terraform部署模型，通过PrivateLink、客户管理密钥等实现治理、审计和合规。
为什么值得关注：政府级数据平台的安全合规架构实践具有代表性，可为受严格监管行业的数据团队落地AI就绪数据基础提供参考。
本文目录 8 节
译文
AI 逐段翻译现代化联邦数据平台有点像在海洋中驾驶航空母舰的同时更换发动机：即使底层系统正在转型，任务也不能停止。这就是美国食品药品监督管理局（FDA）在其Data + AI峰会上描述的挑战，FDA如何利用Databricks政府版扩展安全AI。
对于FDA而言，风险异常之高。每天每三个美国人中就有一个受到FDA决策的影响，它监管着美国消费者每1美元支出中的20美分，其超过16,000名员工分布在200多个办公室和实验室，涵盖超过300个产品类别。在这种环境中，数据不是后台功能，而是公共卫生的当务之急。
这就是为什么围绕政府中AI的讨论正在转变。问题不再是否机构应该使用AI，而是如何在要求从第一天起就具备强治理、可审计性和合规性的环境中安全地操作它。这篇博客概述了在FedRAMP和IL5环境中支持安全、关键任务AI工作负载所需的核心构建块：基础设施即代码安全模式、受控模型访问、血缘和可审计性，以及将Unity Catalog连接到正确数据源所需的网络配置。
为什么政府中安全AI始于平台就绪性
政府机构通常在世界上一些最严格的要求下运作。AWS GovCloud上的Databricks专为处理和分受出口管制数据（ITAR/EAR）、受FedRAMP High、DoD IL5监管的数据，或处理其他敏感信息（如医疗记录和联邦金融系统，这些不能在标准云环境中处理）的受监管工作负载而设计。
但仅有合规性还不够。更重要的是实现价值的速度。作为本次会议的一部分，Databricks强调了一种安全参考架构和基于Terraform的部署模型，旨在帮助客户快速建立强化、生产就绪、审计就绪的环境，并内置了诸如PrivateLink、客户管理密钥以及合规安全配置文件等控制措施。
FDA的挑战：在不中断使命的情况下进行现代化
FDA的现代化之旅始于一个熟悉的问题：数据孤岛、重复工作、不一致的管道，以及分布在多个中心和项目中的过多运营开销。分析师和科学家花费太多时间查找和协调数据，而不是从中获取见解。与此同时，该机构的科学和监管使命与其基础设施所能支持之间的差距正在扩大。
该机构的回应是构建HALO（数据和谐化AI和生命周期操作），作为其企业数据平台，作为安全、受管、AI就绪的基础。在2020年通过现代化遗留环境开始其Databricks之旅后，FDA于2025年迁移到AWS GovCloud上的Databricks，解锁了Unity Catalog和Databricks环境中的额外功能。Unity Catalog为FDA提供了统一的开放治理层，用于数据和AI，使他们能够以更少的复杂性和更低的成本，跨地区、格式和工具安全地发现、管理和共享可信资产，同时缩短了获得见解的时间。
FDA采用的架构是多租户的：多个监管中心共享一个共同的平台基础，同时保持各自的安全、受监管空间。在会议中，FDA将其描述为公寓楼模型，每个人共享基础设施，但每个租户有自己的锁和策略。借助Unity Catalog，跨中心共享数据变得容易得多，而不会失去治理。
改变轨迹的三个里程碑
在FDA的旅程中，三个里程碑定义了转型。第一个是FedRAMP High授权赞助，这是解锁其他一切的前提。第二个是AWSGovCloud迁移。第三个是Unity Catalog，这为该机构提供了安全、可扩展AI所需的治理基础。
这些里程碑背后的规模使这个故事特别引人注目。FDA迁移了超过5,000名用户和超过8,000个作业和管道，且零停机，允许科学家和分析师在机构重建基础时继续不间断地工作。它还重构了超过1,000个数据管道和超过4,000个笔记本，作为迁移到Unity Catalog的一部分。
FDA正在使用Databricks无服务器计算、模型服务、Unity Catalog和Genie，将数百个遗留仪表板现代化为交互式、AI驱动的体验，消除技术债务并加速任务影响。
影响——现代化在实践中带来了什么
对于FDA来说，这不仅仅是基础设施清理。这是一次可衡量的运营转变。该机构表示，在短短几个月内，它将八个中心和30个计划纳入其企业数据平台，并整合了跨越申请和提交系统的40多个数据源。这种整合改善了整个机构的协作，提高了透明度，并加强了其安全态势。
它还产生了可量化的运营收益。据FDA称，SQL仓库将BI工作负载的查询响应时间提高了超过30%，计算成本下降了超过20%，配置、权限设置和数据共享所花费的时间减少了超过75%，运营开销下降了超过35%。
用户采用情况也说明了同样的故事。FDA从2020年的约500名用户开始，现已发展到平台上的超过6,000名用户，并预计到2028年这一数字将超过10,000。
为监管工作实现负责任的AI
这里值得注意的最重要主题之一是，FDA 的现代化计划并非为了 AI 而 AI。它是在联邦监管环境中实现负责任 AI。该机构已将 Halo 与其企业 AI 平台 Elsa 集成，以支持大规模 AI 创新，已有 AI 用例投入生产、试点，还有 10 多个正在开发中。
一个旗舰示例是 MARS，即 FDA 现代化和加速监管提交的倡议。MARS 使用与 Elsa 集成的 Databricks，帮助审评员分析与药物和器械申请相关的大量结构化与非结构化信息，包括临床试验结果、安全数据和标签。目标是让正确的信息更快地到达正确的审评员手中，减少数据整理时间，并支持更明智的监管决策。
同样重要的是，FDA 强调人在回路方法：AI 做基础工作并增强科学家和审评员的专业知识，但不取代他们。
对其他机构扩展安全 AI 的启示
FDA 的经验提出了几个在公共部门引起共鸣的教训。首先，利益相关者参与不是一次性事件，而是一个持续承诺，因为每个中心都有不同的需求、时间表和风险承受能力。其次，安全规划必须尽早开始，因为在 FedRAMP High 环境中，每个架构决策都有下游影响。
FDA 还强调了构建灵活性而不是硬编码配置、采用基于波次的迁移而不是大爆炸切换，并将强大的供应商合作关系视为运营资产而非采购清单上的勾选。
会议的结束信息尤其明确。授权是加速器。治理是 AI 的先决条件。当团队并行运行关键工作流而不是等待完美时，大规模现代化可以更快地推进。
面向任务就绪 AI 的蓝图
FDA 的故事表明，政府中的安全 AI 不是将模型强加到遗留系统上。它关乎构建受治理的数据基础、安全架构和运营纪律，以使 AI 在高风险环境中发挥作用。
对公共部门领导者来说，这可能是最重要的收获。当治理从开始就构建时，现代化不仅减少技术债务。它还创造了基础，使 AI 能够安全、负责任地交到科学家、分析师和决策者手中，以支持使命。
了解更多
查看会议How the FDA Is Scaling Secure AI with Databricks for Government 在 Data + AI Summit 2026 上呈现
这篇内容对你有用吗？
反馈只用于改善内容筛选，不等同于收藏