Databricks估值1880亿美元：这家”数据公司”如何成为AI时代最性感的第二幕

从”卖铲子”到”造AI”

7月17日，Databricks宣布完成新一轮融资，估值达到1880亿美元。这个数字让许多人不解：Databricks不是一家”数据公司”吗？为什么它的估值比Uber、Airbnb加起来还高？

答案藏在Databricks过去两年的华丽转身中：它已经从”大数据的铲子卖家”，变成了AI基础设施的核心玩家。

Databricks最初以Apache Spark闻名——一个处理大数据的开源框架。早期客户用它来做数据ETL（提取-转换-加载）、数据仓库和BI报表。但最近两年，Databricks敏锐地抓住了两个关键趋势：

1. 企业需要私有数据训练AI模型

2. 开源模型正在追赶闭源模型

于是Databricks做了一件事：将自己定位为”企业AI的端到端平台”——把你的数据存这里、用开源模型训练、再部署到你自己的环境里。全程数据不离开你的控制。

开源模型的”降本”公式

Databricks近期发布的一项研究引发行业震动：使用开源权重模型进行代码生成任务，成本仅为GPT-4的1/6到1/10，且质量差距正在快速缩小。

对于企业客户来说，这个数据意味着什么？

假设一家公司每天调用100万次API做代码补全。用GPT-4每年花费约500万美元。换成开源模型部署在自有基础设施上，成本降至50-80万美元。**省下的420-450万美元，就是Databricks的销售话术。**

更关键的是，Databricks并不靠模型赚钱——它靠的是数据管理+训练基础设施+部署工具的捆绑销售。这是一种比OpenAI的API模式更具粘性的商业模型。

为什么不是Snowflake

提到Databricks，不得不提它的老对手Snowflake。两家公司常被拿来对比：都做数据平台，都喊”AI-first”，都在疯狂融资。但Snowflake目前的市值约为600亿美元——不到Databricks的三分之一。

差距来自战略选择：Snowflake押注的是”AI分析师”——让AI直接帮企业用户写SQL、做分析。Databricks押注的是”AI工厂”——让企业自己用数据训练专属模型。一个是卖鱼，一个是教人捕鱼。

在”数据主权”日益受到重视的2026年，Databricks的”捕鱼”策略显然更对企业的胃口。

隐忧与天花板

1880亿美元的估值意味着Databricks已经是全球估值最高的非上市公司之一。这个数字也带来了压力：

– 营收能否匹配估值：Databricks最新年化营收约40亿美元，PS（市销率）约47倍，远高于传统企业软件公司的10-15倍

– 开源依赖的风险：如果Meta、Mistral等模型提供商推出自己的企业平台，Databricks的”模型中立”定位可能受到挑战

– 巨头的挤压：微软Fabric、Google BigQuery、AWS SageMaker都在加码”数据+AI”一体化平台

但无论如何，Databricks已经从”卖大数据工具的”变成了”卖AI能力的”。在这个AI重塑一切企业软件的时代，这可能是最值钱的转型故事。

Databricks的下一步棋

除了估值数字，Databricks最近还有几个值得关注的动作。

第一是MosaicML的整合。2023年Databricks以13亿美元收购了MosaicML，如今这个决策正在兑现回报——Databricks的模型训练平台已经成为企业级LLM微调的首选方案之一。与直接在AWS SageMaker上训练相比，Databricks版的体验更像”一键微调”：上传数据、选模型、点开始，剩下的事情平台帮你搞定。

第二是Unity Catalog的开源。Databricks将自己的数据治理引擎Unity Catalog开源，走的是”先开源后变现”的老路。但这一招在AI时代格外有效——当企业开始担心”训练数据被谁看过”时，一个开源的、可审计的数据血缘工具就是最好的信任票。

第三是“AI Agent操作系统”的野心。Databricks CEO Ali Ghodsi在多个场合提到一个概念：未来的企业AI Agent需要一个统一的”运行时环境”来管理权限、数据访问、模型调用和成本监控。Databricks希望成为这个”操作系统”——这解释了为什么它不满足于只做数据仓库，而是不断向AI推理、模型管理和Agent编排延伸。

对于中国读者来说，Databricks的故事还有一层特别的意义：它证明了一家”卖工具”的公司可以比”卖模型”的公司更值钱。 在AI疯狂烧钱的2026年，这种务实的商业逻辑反而成了稀缺品。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn