Databricks估值升至1880亿美元
TechCrunch AI··作者 Julie Bort
关键信息
这是Databricks在大约一年半时间里的第四次重大融资，前面几轮包括今年2月以1340亿美元估值完成的50亿美元Series L、2025年9月以1000亿美元估值完成的10亿美元融资，以及2024年12月以620亿美元估值完成的100亿美元融资。公司近期开设的新产品包括Lakebase、Unity和Omnigent，同时也在强调使用开源权重模型以及不同智能体编码框架带来的成本优势。
资讯摘要
Databricks周四宣布完成一轮由Coatue领投的新融资，公司估值升至1880亿美元。公司没有披露这轮融资的具体金额，并表示资金尚未到账，因为交易要到今年夏天晚些时候才会正式完成。TechCrunch称，一位风投人士确认这笔融资确实存在，而且由于投资者争相参与，Databricks没有必要对新估值保密。此次融资延续了Databricks近一年半来的快速融资节奏，也反映出它正从数据软件公司转型为重要的AI参与者。今年2月，Databricks以1340亿美元估值完成了50亿美元Series L融资；2025年9月，它又以1000亿美元估值融资10亿美元。再往前，2024年12月，公司以620亿美元估值完成了一轮当时创纪录的100亿美元融资。
Databricks成立于2013年，最初在大数据时代凭借帮助企业在云端存储和分析海量数据而获得成功。正因为已经掌握大量企业数据，它在AI时代也更容易切入，因为企业希望AI工具同样具备传统企业软件所要求的安全性和治理能力。近来，Databricks推出了Lakebase、Unity和Omnigent等新产品，分别面向AI智能体数据库、AI网关以及多智能体管理。它还越来越以支持更便宜的中国开源权重模型而闻名，尤其是用于编程的Z.ai的GLM 5.2。公司最近公布的内部基准测试显示，开源模型以及所使用的框架都会显著影响成本。文章认为，正是这种AI定位帮助Databricks进一步抬升了估值，尽管它最初并不是一家AI实验室。
资讯正文
Databricks 周四宣布了一轮新的融资，使公司估值达到 1880 亿美元。本轮融资由 Coatue 领投。
Databricks 并未披露具体融资金额；公司表示这笔资金目前尚未到账，本轮将在今年夏天晚些时候完成。（其他媒体此后报道称，这笔融资规模约为 30 亿美元。）虽然公司在拿到钱之前就宣布融资并不常见，但一位风投人士告诉 TechCrunch，这笔交易是实打实的，想参与的机构很多，公司没有理由对这次亮眼的新估值守口如瓶。
事实上，Databricks 过去一年半一直在融资方面势头强劲，并成功将自身形象从一家只属于昔日 SaaS 时代的明星公司，转变为一家 AI 提供商。这里说的昔日，是指 BC 时代——即 ChatGPT 之前。
就在五个月前的 2 月，Databricks 刚刚完成一轮 50 亿美元的 L 轮融资，估值达到 1340 亿美元。再往前五个月，也就是 2025 年 9 月，公司以 1000 亿美元估值融资 10 亿美元。再往前大约九个月，到了 2024 年 12 月，公司完成了一轮当时创纪录的 100 亿美元融资，估值为 620 亿美元。
这些年来，Databricks 已经完成了太多轮融资，以至于这最新一轮还引发了表情包，大家调侃它快把字母表的字母都用完了。“已经在开启提醒，等我们走到 Series AA 的时候。”有人发帖说。
不过，它的形象重塑确实是货真价实的。Databricks 成立于 2013 年，最初在大数据时代崛起，凭借其软件帮助企业在云端存储海量数据，同时还能产出快速分析结果。
由于本来就掌握着大量企业数据，Databricks 也就具备了天然优势，能够在企业开始想要 AI、同时又要求其具备传统企业软件那种安全性和治理能力时迅速响应。
此后，公司开始接连推出一款又一款 AI 产品，比如面向 AI agents 的数据库 Lakebase，以及 AI gateway Unity；此外还有一个名为 Omnigent 的“meta-harness”，用于管理多个 agent。
Databricks 也越来越被视为企业采用更便宜的中国开源权重模型的一个重要案例。这里的开源权重模型指的是其底层代码公开，任何人都可以使用和修改的模型，这也是 2026 年的一大趋势之一。Databricks 尤其推崇 Z.ai 的 GLM 5.2，将其作为编码模型来使用。
上周，Databricks CEO Ali Ghodsi 分享了公司为控制自身 AI 成本而进行的一些内部基准测试结果，这些测试面向他麾下 3000 名软件工程师的工作场景。
公司将 AI 模型用于程序员实际处理的任务进行比较。毫不意外的是，在公布结果的博客文章中，Databricks 透露，“开源模型，尤其是 GLM 5.2，现在已经能够处理即便是最高难度级别的编码任务”，而且总成本低于 Anthropic 和 OpenAI 的专有模型。
不过，它确实让人们感到意外的是，它发现所使用的 harness——也就是像 Codex 或 Claude Code 这样的 agentic 编码工具，它包裹在模型外层并管理其上下文和指令——同样会对成本产生影响。它发现开源 harness Pi 在管理每个提示词周围的上下文方面是表现最好的工具之一，因此在不牺牲质量的前提下，也是成本最低的选择之一。
“这里的教训并不是某一种 harness 总是更便宜，或者原生 harness 更差，”这篇文章写道。“相反，模型选择只是整个拼图中的一部分。”
所有这些都进一步强化了 Databricks 作为一家 AI 公司的形象，尽管它并不是作为 AI 实验室成立的。反过来，这也让它在融资和抬升估值时获得了 AI 光环。正如我们此前报道的，如今 AI 效应之强，甚至连三明治连锁店 Jersey Mike’s 都在其 S-1 文件中提到了 AI 22 次。
来源与参考
收录于 2026-07-19