Databricks估值达1880亿美元，延续其作为AI领域热门第二幕的地位

2026年7月17日，Databricks宣布新一轮融资，估值达到1880亿美元，由Coatue领投。公司未披露具体融资金额，但其他媒体报道约为30亿美元。值得注意的是，资金尚未到账，预计夏季末完成交割。一位风险投资家向TechCrunch表示，由于众多投资方争相参与，交易非常稳固，公司无需保密。

这是Databricks在18个月内的第四轮融资：2024年12月以620亿美元估值融资100亿美元；2025年9月以1000亿美元估值融资10亿美元；2026年2月以1340亿美元估值融资50亿美元。估值在短短一年半内增长超过3倍，引发业界对其融资字母表用尽的调侃，有网友发帖称“开启Series AA提醒”。

Databricks成立于2013年，最初凭借大数据时代的云数据存储与分析软件取得成功。随着企业AI需求爆发，公司凭借已有的企业数据积累，迅速转向AI领域，推出了一系列产品：Lakebase（专为AI代理构建的数据库）、Unity（AI网关）以及Omnigent（管理多个代理的“元工具”）。

这一转型使Databricks成为AI领域的“第二幕”典范——并非AI实验室出身，却成功重塑品牌形象。TechCrunch指出，这种“AI光环”效应如此强烈，以至于连三明治连锁店Jersey Mike's都在其S-1文件中提及AI 22次。

Databricks CEO Ali Ghodsi 上周分享了内部基准测试结果，旨在管理其3000名软件工程师的AI成本。测试比较了不同AI模型在实际编程任务中的表现。结果显示，“开源模型，尤其是GLM 5.2，现在能够处理最高难度的编码任务”，且总成本低于Anthropic和OpenAI的专有模型。GLM 5.2来自中国AI公司Z.ai，是开源权重模型。

测试还发现，代理编码工具（如Codex、Claude Code）的选择对成本的影响与模型本身同等重要。开源工具Pi在管理上下文方面表现最佳，能够在保持质量的同时实现最低成本。Ghodsi在博文中总结：“教训不是某个工具总是更便宜，或者原生工具更差；相反，模型选择只是拼图的一部分。”

这一发现强化了Databricks作为企业AI成本控制倡导者的形象，也印证了2026年的一大趋势：企业越来越多地采用更便宜的中国开源权重模型。