AI圈又诞生了一家万亿级别独角兽。

近日，AI大数据公司Databricks宣布完成50亿美元（约合人民币336.89亿元）的战略融资，公司最新估值达到1900亿美元（约合人民币1.3万亿元）。

这是一轮颇为拥挤的融资。本轮融资参与机构数量超过20家，由老股东Coatue领投，黑石集团、阿布扎比AI投资平台MGX、T. Rowe Price Associates、Sixth Street Growth等机构参投。其中，Sixth Street Growth为新进投资者，由前高盛首席投资官阿伦·瓦克斯曼（Alan Waxman）创立。

这也是Databricks一年来正式完成的第二轮融资。公司目前1900亿美元的估值，较2025年末融资时的1340亿美元估值上涨约42%。

本轮融资后，Databricks也跻身全球估值最高的未上市科技公司行列，仅次于OpenAI、Anthropic、字节跳动等少数企业。

有意思的是，单看业务，Databricks是这一批明星公司中最“不性感”的一个——OpenAI和Anthropic押注的是大模型，字节跳动拥有互联网应用生态，而Databricks主攻的数据云服务则略显枯燥，主要是帮助企业管理、处理和调用自身的业务数据。

但在AI时代，谁又敢低估数据基建商的价值呢？

“本来可以融1000亿”

其实，用AI大数据公司来定义Databricks并不准确。或者说，用任何我们熟悉的“数字产业”业态来定义Databricks都不太准确。

Databricks的起点是加州大学伯克利分校的一个科研项目，试图解决大规模数据的处理效率问题。2013年，为了实现商业化，Spark的研发团队联合创立了Databricks——在这一阶段Databricks确实是标准意义上的数据服务商。

但13年过去，Databricks如今的自我定位里，名字里的“Data”已经不再是主角。在官网的描述里，他们自称服务的对象是“DATA+AI”，产品也早就不是传统的平台（platform），而是“数据湖仓”（Data Lakehouse）。

这很抽象，但从融资节奏来看这确实很符合当下时代的审美。并且在宣布完成新一轮融资的同时，Databricks也对外释放了一个有些“凡尔赛”的细节：其实一开始没打算融这么多钱。

据Databricks联合创始人兼CEO 阿里·古德西（Ali Ghodsi）此前透露的消息，公司原本只打算筹资10亿美元。但在6月份有媒体报道Databricks正在进行大规模融资后，渴望达成交易的投资者很快打爆了古德西的电话。这其中，光是Databricks考察过的投资者，表达出的投资意向金额就达到150亿美元（约合人民币1010亿元）。

盛情难却，Databricks只好扩大融资规模。7月，公司宣布正在进行新一轮融资。彼时，Databricks披露的估值达到1880亿美元，但并未公布具体融资金额。

不到1个月后，答案揭晓：Databricks宣布筹集了50亿美元资金，公司估值也进一步提升至1900亿美元。换句话说，Databricks不仅比原计划多募了40亿美元，还拒绝了100亿美元的热钱（约合人民币673.76亿元）。

当然，这也不是Databricks第一次豪横地拒绝投资人。

成立13年来，Databricks已经完成了13轮融资，几乎保持着一年一轮融资的节奏。频繁融资也引来了网友调侃：Databricks筹集的资金太多了，字母表都快用完了。

仅2025年以来，Databricks已经完成4轮股权融资，累计融资超过200亿美元。其中，2025年1月完成的100亿美元的J轮融资，曾创下私营科技公司最大规模融资纪录。也正是在这轮融资中Databricks就曾经拒绝过天量的意向投资，据古德西透露，当时所有意向投资人愿意给出的资金累计相加，已经达到了190亿美元（约合人民币1324亿元）。

Databricks背后的资本阵容，也随着公司发展不断变化。

早期，Databricks的投资方主要是a16z、NEA、DCVC等科技VC。

随着公司业务规模扩，Databricks开始吸引微软、AWS、Google旗下CapitalG、Salesforce Ventures、英伟达、Meta等产业资本下场。资方的业务版图也从云计算、企业软件进一步延伸至AI基础设施和AI应用生态。

同时，BlackRock、Fidelity、T. Rowe Price等全球资管机构，以及GIC、Temasek、MGX等国家资本背景投资者，也加入了Databricks的股东名单。

GPT时代的“基建商”

想要知道为什么Databricks能够如此豪横，还是要回到前面提到的，那个有些抽象的“Data+AI”业务。

AI大模型时代，数据是否足够丰富、准确、及时且可被有效调用，很大程度上决定了AI能否从技术能力转化为商业价值。而Databricks就是提供数据基础设施服务的公司。

成立初期，Databricks主要为用户提供基于Spark的云端数据处理平台，从而简化大规模数据处理过程。此后十年，公司的业务逐步从大数据处理扩展至数据分析、机器学习等场景，并搭建起“数据湖仓”架构。

企业日常经营会产生大量业务数据，这些数据既需要被收集、整理和存储，也需要进一步用于分析、实时处理以及机器学习。过去，不同的数据处理需求往往由不同的系统承载，企业需要在多个系统之间进行数据流转，并承担相应的维护和管理成本。而Databricks的Lakehouse（湖仓）架构，则试图将这些需求整合到统一的数据处理平台。

如果业务只停留在这一层，Databricks或许最多只能成为一家优秀的企业软件公司。但2023年后，Databricks开始重新定义自己的位置。

GPT掀起大模型热潮后，企业拥抱AI的热情迅速升温。但对于大多数企业而言，真正落地AI并不只是接入一个大模型那么简单。如何盘活内部多年积累的数据，让AI真正理解企业业务，才是更现实的问题。这也成为Databricks的新机会。

基于多年围绕企业数据积累的能力，Databricks开始将业务进一步向企业AI场景延伸。2023年，公司以约13亿美元收购MosaicML。当时，MosaicML已是生成式AI领域颇受关注的创业公司，核心能力是帮助企业利用自身数据训练和部署大模型。此后，Databricks又通过收购Okera、Arcion、Lilac、Tabular、Neon等公司，进一步补充数据治理、数据接入、AI数据处理及数据库等能力。

通过一系列业务补位，Databricks逐渐成为企业落地AI过程中的重要数据基础设施平台，进而最终成型了那个抽象的“数据湖仓”。在官网上，Databrick如下解释“数据湖仓”的含义：

基于开源和开放标准构建的数据湖仓，通过消除历史上使数据和人工智能复杂化的孤岛，简化了您的数据资产。

目前，Databricks服务着全球超过2万家机构，阿迪达斯、拜耳、万事达、联合利华等大型企业都在客户名单上。其中，超过1000家客户在Databricks上的年化消费规模超过100万美元，超过100家客户年化消费规模超过1000万美元。

在AI相关业务上高举高打的策略，也确实拉高了Databricks的估值天花板。

一个最直观的例证是，站在2026年的节点上，或许越来越少人会将Databricks与Snowflake对标。

成立于2012年的Snowflake，是和Databricks同期被资本热捧的企业数据服务商。2020年9月，Snowflake率先登陆纽交所，IPO发行价对应的估值为约335亿美元。2021财年（截至2021年1月31日），Snowflake收入约5.9亿美元。而Databricks 2020年的年度经常性收入约为4.25亿美元，2019年底完成新一轮融资后的估值约为62亿美元，仅相当于Snowflake IPO估值的约五分之一。

GPT时刻后，两家公司迎来了不同的故事走向。

根据Databricks近日披露的最新营收数据，公司年化收入达到约70亿美元，同比增长超过80%。过去12个月，公司持续实现正的调整后自由现金流。公司核心产品“湖仓”年化收入超过15亿美元，同比增长超过100%。作为对比，Snowflake 2026财年收入为44.7亿美元，同比增速为29%，目前市值约1130亿美元。

Databricks已经实现了对Snowflake收入规模的反超。1900亿美元的估值，也意味着资本市场正在基于其在AI生态中的位置，给予Databricks更高的增长预期。

AI的造富故事还在继续，下一批Databricks或许已经在路上了。