在近期举办的数据+人工智能峰会上，Databricks正式发布无代码数据管理工具Lakeflow Designer（当前预览版），通过生成式AI助手与Unity Catalog深度整合，直击企业AI项目落地的核心掣肘——数据工程瓶颈。该工具旨在将ETL管道开发能力赋予数据分析师，释放数据工程师资源，加速AI用例交付。
AI赋能无代码ETL，重塑数据工程协作模式
Databricks产品管理高级总监Bilal Aslam指出，传统低/无代码工具虽能减轻数据工程师负担，但普遍存在治理缺失与扩展性不足问题。
Lakeflow Designer通过三大创新破解难题：
1.生成式AI辅助管道构建。分析师可通过自然语言交互，在可视化画布上快速生成ETL流程，AI助手自动优化Spark SQL逻辑，降低技术门槛；
2.企业级安全治理。依托Unity Catalog实现元数据共享、细粒度访问控制及审计追踪，确保合规性；
3.无缝工程协作。支持Git集成与CI/CD流水线，工程师可随时介入调试复杂逻辑，形成“分析师快速原型+工程师深度优化”的协同闭环。
Constellation Research首席分析师Michael Ni将其喻为“ETL领域的Canvas”，认为其“以机器级效率执行Spark SQL，同时通过权限管控保障企业安全”。ISG软件研究主管Matt Aslett则补充，该工具尤其适用于区域利润追踪、合规监控等标准化场景，复杂场景仍需数据工程师介入定制开发。
开放架构VS闭环生态：对标Snowflake OpenFlow
尽管Lakeflow Designer与Snowflake OpenFlow均瞄准数据工程自动化，但底层理念存在差异显著。
Databricks路径是，以Spark原生开放架构为核心，Lakeflow Designer深度集成声明式管道（Delta Live Tables演进版）与作业编排功能，强调灵活性与跨平台兼容性；
而Snowflake的策略是，通过OpenFlow构建深度优化的Snowflake原生工作流，侧重开箱即用的简化体验。
Aslett强调，Databricks的技术积累更具先发优势。Lakeflow Connect模块源于2023年对Arcion的收购，其数据管道能力历经多年迭代，而Snowflake OpenFlow尚处早期阶段。
双线并进，覆盖全周期管道需求
为全面覆盖数据工程需求，Databricks同步推出专业级IDE，整合代码编写、DAG调试、样本数据管理等全链路能力。专业分析人士认为，Databricks此举旨在推动“双轨战略”。
首先，在无代码侧，Lakeflow Designer加速简单用例落地，缩短价值实现周期；
其次，在代码侧，IDE满足复杂场景定制化需求，保障管道可维护性。
AI普惠化的数据基座
从整个行业发展来看，随着企业AI应用从试点走向规模化，数据工程效率成为关键分水岭。Lakeflow Designer的的“谋篇布局”，标志着Databricks正从单纯的数据湖仓平台，向AI驱动的数据操作层延伸。通过平衡易用性与治理能力，其有望助力企业突破数据工程“最后一公里”的瓶颈，真正释放数据与AI的融合价值。
