Databricks拟以1880亿美元估值融资：AI光环之外，赌的是企业数据控制权

Databricks在约五个月里，把新一轮融资的目标估值从1340亿美元推到1880亿美元。定价抬高了540亿美元，幅度约40%。

容易被这个数字盖住的细节是：交易还没完成。Databricks宣布本轮由Coatue领投，计划在夏末交割，但没有披露融资规模。媒体报道的约30亿美元，尚未得到公司确认。

所以，1880亿美元目前是一笔待交割交易给出的定价，不是已经到账的融资结果。这个区别不影响它成为AI基础设施市场的热门标的，却会影响我们该用多大力度相信这个数字。

估值四级跳，但1880亿美元还不能算落袋

Databricks过去一年多的估值轨迹很陡：

一级市场融资提前宣布，并不反常。领投方确定后，公司可能先公开交易，再完成法律文件、资金划转和其他投资者认购。

但“宣布估值”和“完成融资”仍是两件事。融资规模、是否包含老股转让、清算优先权等条款，都会影响这笔估值的真实经济含义。目前这些信息都不完整。

更关键的是，材料没有提供Databricks对应时期的ARR、增长率、净收入留存率、盈利情况和估值倍数。1880亿美元可以说明投资者愿意为它的AI故事出高价，无法单独证明收入、利润或产品领先程度同步增长。

估值跑在经营披露前面，是当下AI一级市场的常态。钱多，标的少，能同时讲数据、模型和企业客户的公司更少。“天下熙熙，皆为利来”，资本追的从来不只是技术，也追稀缺的入口。

Databricks转向AI，手里确实有旧筹码

把Databricks的变化简单归为“蹭AI标签”，并不准确。

它原本就是企业数据平台。客户的数据、权限、血缘关系、审计规则和计算任务已经在平台里运行。Unity Catalog等治理能力，加上Mosaic AI相关工具，让它切入企业AI时少走了一段最难的路：先找到数据，再弄清谁能看、谁能改、谁该为结果负责。

2023年收购MosaicML，也是这条路线的前置动作。Databricks没有从零变成一家基础模型实验室，而是在原有湖仓平台上继续向模型训练、部署、评测和治理延伸。

这和几类对手的出发点不同：

Databricks近期公布的内部编码基准，也在强化这套叙事。公司称，GLM 5.2等开放权重模型可以用较低成本处理部分高难编码任务。

这里有两道边界。

其一，开放权重不等于完全开源。模型权重可以获取，不代表训练数据、训练代码和许可条件全部开放。

其二，这份结果来自Databricks自测，不能直接当作独立结论。任务选择、提示词、运行环境和失败重试策略，都可能改变结果。它更适合证明“这条路线值得试”，还不足以证明开放权重模型普遍优于闭源模型。

测试里更有意思的是harness。它负责管理上下文、调用工具、组织步骤、重试失败任务，并控制模型拿到哪些信息。名为Pi的harness在测试中表现突出，说明企业AI的成本账不能只看每百万token多少钱。

同一个模型，换一套上下文管理和工具调用方式，任务成功率、人工复核量与总成本可能完全不同。模型参数容易被拿来做海报，harness才更接近团队每天要付的钱。

1880亿美元，买的是平台控制权预期

我更在意的不是Databricks能否再接入几个模型，而是它能否控制企业AI的三样东西：模型入口、数据上下文和工具调用路径。

数据库时代，Oracle的长期权力并不只来自数据库性能。权限、接口、核心业务系统和迁移成本，把它嵌进了企业组织。企业AI正在重复一部分历史：模型可以更换，承载数据规则、审计责任和业务上下文的平台更难换。

两者并不完全一样。开放格式、多云架构和开放权重模型，都在削弱单一厂商的封锁能力。Databricks想获得数据库时代的平台权力，又必须向客户证明自己足够中立。这是一组天然矛盾。

如果开放权重模型继续缩小能力差距，Databricks会受益。企业可以在多个模型之间切换，把预算留给数据治理、评测和运行平台。

如果大型云厂商把模型、算力、数据服务和折扣合同捆在一起，Databricks的中立平台价值就会承压。企业采购从来不只比较技术，现有合同和迁移成本经常比基准测试更有决定性。

具体到决策，这件事会落在两类人桌上：

企业客户也该警惕一种常见误区：为了降低单次模型调用价格，引入更多模型、网关和代理工具，最后把省下的钱花在调试、审计与运维上。模型便宜，不代表系统便宜。

1880亿美元已经把Databricks当成潜在的企业AI控制层来定价。数据底座让这个故事比普通AI包装更可信，但资本给出的价格，远远领先于公开证据。

夏末交易能否按计划完成，只是第一道验证。更难的一道，是客户究竟把Databricks当作AI时代的核心平台，还是一个功能越来越多、议价权也越来越强的数据供应商。