Databricks估值升到1880亿美元,把开源大模型作为客户服务收入主推战略
数据平台公司Databricks本周完成一轮新融资,估值攀升至一千八百八十亿美元,较半年前的一千亿美元估值几乎翻倍。领投方是花旗风险投资部和阿布扎比投资局,追加投资方包括加拿大退休金投资局、老虎全球、贝莱德。这轮融资的核心叙事是Databricks不再是数据仓库公司,而是开源大模型的部署平台。
公司战略转向从去年收购语言模型公司MosaicML开始。MosaicML的DBRX模型和随后自研的Dolly系列,让Databricks有了自己的开源模型基础。今年5月发布的DBRX-Coder-v2在多个代码生成榜单上超过GPT-4,推理成本却低到三分之一。这套组合直接向企业客户推销"开源大模型比闭源便宜且够用"的商业逻辑。
Databricks刚发表的研究报告用数字支撑了这个论断。报告分析了六家不同规模企业的实际部署数据,结论是使用开源模型加自建推理集群的总成本,比调用OpenAI或Anthropic的API低百分之六十到百分之八十。报告特别强调这个差距在推理量大的场景下会持续扩大,因为API收费是按token线性递增,而自建推理有固定成本上限。
公司当前的年化经收入约三十亿美元,同比增长超过百分之六十。其中来自大模型相关服务的收入已经占到百分之三十,包括模型托管、微调服务和向量数据库。CEO阿里·戈德西在给员工的内部信中表示,大模型服务未来两年内会成为公司最大的收入来源,超过传统的数据湖仓业务。
竞争格局上,Databricks最直接的对手是Snowflake。Snowflake在过去六个月也在密集推出AI相关产品,但没有自己的开源模型基础,更依赖与Anthropic和Mistral的合作。这个差异让Databricks在向企业销售时更有底气,因为客户不需要担心供应商的模型突然涨价或停止服务。
估值背后也有质疑声音。一千八百八十亿美元的估值相当于当前收入的六十倍,远高于Snowflake的十四倍和数据狗的二十倍。花旗风险投资部内部有分析师认为,这个溢价预设了AI基础设施市场未来五年会有五倍以上的增长,如果实际增长慢于预期,Databricks的估值会被重新审视。
更根本的挑战是开源大模型本身的竞争压力。Meta的Llama、月之暗面的Kimi、深度求索的DeepSeek都在密集迭代,Databricks的DBRX需要在算法演进上跟上这些开源同行,否则客户没有理由锁定在它的平台上。开源模型的赢家通吃逻辑还没有出现,但一旦某个模型建立起社区生态优势,其他模型很难追赶。
公司近期还没有明确的上市时间表。CEO在采访中表示,IPO会在市场条件合适时启动,但不会为了让早期投资者退出而仓促上市。当前的融资规模已经足以支撑到2029年的运营需求,给了公司充足的战略缓冲。这在硅谷最新一批高估值公司里是相对罕见的心态。