用途：Databricks AI Runtime 通过 databricks air 系列 CLI 命令，把 GPU 训练工作负载提交到 Databricks 无服务器计算，并管理环境、分布式训练配置与任务生命周期，无需自行管理集群或基础设施。
主要能力：支持提交、查询、列出、取消和监控运行；用 YAML 定义工作负载（compute、environment、code_source、command 等）；支持环境变量与 Databricks Secrets、超参数（写入 $HYPERPARAMETERS_PATH）、自动重试、权限控制，以及自定义 Docker 镜像。
使用方式：先检查版本与配置，如 databricks version、databricks air --help、databricks auth profiles --skip-validate。提交用 databricks air run --file workload.yaml -p <profile>，可加 --watch 流式查看日志；查询用 databricks air get <JOB_RUN_ID>、databricks air list；取消用 databricks air cancel；日志用 databricks air logs <JOB_RUN_ID>。建议先执行 databricks air run --file workload.yaml --dry-run -o json -p <profile> 校验配置，并用稳定的 --idempotency-key 防止重复提交。字段细节以 databricks air run -h config.<field> 为准。
适用场景：在 Databricks 上运行单机或多机 GPU 训练，配合 torchrun、Accelerate、DeepSpeed、Composer 等启动器，并通过 MLflow 查看指标。
限制：CLI 内置帮助是字段名、GPU 类型和约束的权威来源；配置校验错误以纯文本输出到 stderr 并非零退出；平台不设置每进程的 RANK/LOCAL_RANK，需由分布式启动器分配；自定义镜像不能与 environment.version 或 environment.dependencies 同时使用。资料未提供收费与价格信息。