Databricks досягає оцінки в $188 млрд під час розквіту штучного інтелекту
Амбітний раунд фінансування Databricks висвітлює її перехід від великих даних до AI, що означає значний стрибок у оцінці компанії.
Ключові моменти
- Databricks оголосила про оцінку в $188 млрд у новому раунді фінансування, очолюваному Coatue, станом на 2026 рік.
- Компанія залучила $5 млрд лише цього року, виросши з оцінки $134 млрд.
- Databricks відома використанням більш доступних китайських моделей штучного інтелекту з відкритими вагами, таких як GLM 5.2 від Z.ai.
Databricks, компанія, яка колись процвітала в епоху великих даних, на хвилі AI досягає нових висот. Вона оголосила про новий раунд фінансування, очолюваний Coatue, який оцінює компанію на вражаючі $188 млрд. Хоча точна сума залучених коштів залишається невідкритою, інші звіти припускають, що це близько $3 млрд.
Заснована у 2013 році, Databricks спочатку допомагала компаніям зберігати та аналізувати великі обсяги даних у хмарі. Однак в останні роки вона перепозиціонувала себе як значний гравець у сфері штучного інтелекту (AI). Ця трансформація була настільки успішною, що компанії вдалось залучити $5 млрд фінансування лише цього року, піднявшись з оцінки $134 млрд усього п'ять місяців тому.
Стратегічний поворот компанії відбувається на тлі попиту компаній на рішення в сфері AI, які пропонують той самий рівень безпеки та управління, що й традиційне програмне забезпечення. Databricks досягла цього, випустивши кілька інструментів AI, включаючи Lakebase та Unity, розроблені для спрощення інтеграції AI для підприємств.
Однією з помітних стратегій Databricks є прийняття більш доступних моделей з відкритими вагами — моделей штучного інтелекту, чий базовий код доступний для використання та модифікації будь-кому. Зокрема, вона просуває модель GLM 5.2 від Z.ai для завдань кодування, наголошуючи на економічності без збитків для продуктивності. Цей підхід знайшов відгук у багатьох компаніях, які прагнуть ефективно управляти витратами на AI.
Минулого тижня генеральний директор Алі Годсі поділився висновками внутрішніх тестів з оптимізації витрат на AI для власних інженерів Databricks. Результати показали, що відкриті моделі, як GLM 5.2, не тільки добре справляються зі складними завданнями кодування, але й вибір harness — інструменту, який управляє контекстом і інструкціями моделі AI — також суттєво впливає на витрати. Databricks виявила, що відкритий harness Pi особливо ефективний.
Це стратегічне використання моделей та інструментів AI допомогло зміцнити репутацію Databricks як значної компанії у сфері AI, що в свою чергу підвищує її привабливість для інвесторів.
Що буде далі?
Для Databricks шлях вперед передбачає продовження інновацій у сфері AI та вдосконалення продуктів для задоволення постійно змінюваних потреб підприємств. Для компаній та розробників це означає доступ до ефективних, економічних інструментів AI, які можна легко інтегрувати у свої існуючі системи. Якщо ви керуєте AI у своїй організації, розглядайте можливість дослідження моделей з відкритими вагами та harnesses, як ті, що їх просуває Databricks, — вони можуть запропонувати як продуктивність, так і економію.
