摘要：Databricks成立于2013年，成立十一年来一直是亏损状态，不过这并不影响投资人对它的看好，起初Databricks只想融资30亿至40亿美元，投资人的集中争抢，Databricks最后才定了100亿美元的额度。

作者 | 常棣

编辑 | 葛覃

最近SaaS圈的大事，莫过于Databricks完成了J轮100亿美元融资，也是其有史以来规模最大的一轮融资，融资之后估值达到620亿美元。

100亿美元是什么概念，比OpenAI最新（2024年10月份）一轮融资66亿美元还多，这就是数据+AI的当下价值。

Databricks成立于2013年，成立十一年来一直是亏损状态，不过这并不影响投资人对它的看好，起初Databricks只想融资30亿至40亿美元，投资人的集中争抢，Databricks最后才定了100亿美元的额度。

“今年进行IPO是愚蠢的，所以我们肯定会等待”

在2024年底旧金山举行的一场活动中，Databricks首席执行官AliGhodsi解释了为什么他至少要等到2025年才上市。

“2024年是选举年。我们希望获得一些稳定性——人们担心利率、通货膨胀……所以我们说，看，今年进行IPO是愚蠢的，所以我们肯定会等待”，Databricks首席执行官AliGhodsi表示。“最早的IPO理论上可能是2025年，然后有锁定期，因此员工获得流动性的时间太长了。”

消息人士称，作为交易的一部分，该公司计划向参与此轮融资的投资者发行优先股。对于员工来说，Databricks计划用这笔资金从早期员工手中回购即将到期的限制性股票单位，并支付相关税费。不过观察Databricks的发展势头，员工可能会将更多股票放在解禁期结束之后出售。

当有了如此之多的资金之后，上市对于Databricks并不是优先事项，尽管当下资本对于数据和AI的追捧到了高峰。

“这是人工智能泡沫的顶峰。一家只有五个人、没有产品、没有创新、没有知识产权（只有刚毕业的毕业生）的公司价值达到数亿美元，有时甚至数十亿美元”，Ghodsi直言，“这些什么都没有的初创公司估值却高达数十亿美元——这就是泡沫。”

某种程度上，现在是上市的好时间，Databricks在融资之后的估值已经超过其竞争对手的市值，Snowflake目前的市值约为560亿美元，“人工智能泡沫”也忒大幅推高Databricks的受欢迎程度。

话虽如此，Ghodsi并没有试图在所谓的“人工智能泡沫”破灭之前挤时间上市。Ghodsi仍未排除Databricks在2025年上市的可能性。不过他也表示上市也可能在2026年。

正如本轮创纪录的融资所传递出的信号，上市筹集资金的重要性远不如10年前。

投资者为何集中看好Databricks？

投资者可能不一定懂技术，但一定会看财务数字，下面一组数据直接证明了Databricks的潜力。

投资团队也很豪华，由ThriveCapital领投。除了Thrive，本轮融资还由AndreessenHorowitz、DSTGlobal、GIC、InsightPartners和WCMInvestmentManagement共同领投。其他重要参与者包括现ICONIQGrowth、MGX、SandsCapital和WellingtonManagement等。

从商业模式来看，Databricks可以算是一家SaaS和PaaS公司，从PaaS层面看，Databricks的核心产品是其基于云的平台，用户可以访问大数据处理所需的所有基础设施和工具，而不必担心管理底层硬件或软件堆栈。

从SaaS层面看，Databricks还通过订阅模式提供服务，用户无需购买或维护任何硬件/软件许可证，而是订阅即可通过互联网使用该服务。

这类公司的突出特点就是后劲十足，前期的亏损主要来自于研发和获客投入，到了后期产品成熟之后研发投入会大幅降低，获客也主要依赖PLG（产品驱动增长），几乎是稳赚不赔的买卖，也难怪众多后期基金疯狂下注。

从Spark说起

在2010年，Databricks团队认识到，大数据领域的瓶颈不仅限于存储和计算能力的不足，更重要的是如何有效地处理持续变化的实时数据。当时，业界的主要产品是Hadoop，它在硬盘上处理数据。Databricks团队开发的Spark技术将数据加载到内存中，利用内存的高速读取特性，成功地消除了磁盘读取速度的限制。

然而，单纯的技术优势并不能直接转化为商业成功。因此，Databricks团队作出了一个重大决策，即将Spark技术开源。这一举措的目的有两个：首先，它允许更多用户使用并改进该技术；其次，它为公司提供了一个在开源基础上构建收费商业模式的机会。通过开源，Databricks赢得了开发者的支持，并且建立了一个全球化的社区运营平台。

之后，Databricks抓住了云计算的机会，2013年，Databricks正式成立，云计算正处于爆发式增长的前夕，然而，大多数企业对云数据处理仍持有疑虑。特别是在大数据处理领域，企业通常需投入大量资金购置硬件设备并构建基础设施，运营维护复杂且门槛极高。Databricks的云平台服务彻底消除了这一障碍。

通过将Spark与云计算相结合，Databricks提供了一种按需付费的模式，降低了做大数据的技术门槛，提供了以前做不到的灵活性和可扩展性，也大幅降低了成本，2014年，Databricks成功完成了4000万美元的A轮融资，并随后顺利进行了B轮融资。

再之后，Databricks不断完善自己的产品，从工具向解决方案型转变，2017年，Databricks公司推出了DeltaLake与MLflow两款产品。此举标志着Databricks已不仅仅是技术供应商，而是转型为一家全方位的企业服务提供商，其业务范围涵盖了数据存储、处理、分析以及机器学习等各个环节。

到了AI时代，Databricks更进一步锁定AI+数据的标签。随着人工智能与机器学习的兴起，市场对于大数据平台的需求已超越了传统的数据存储与处理范畴，企业亟需构建能够支撑智能化决策及实时分析的平台。

2020年，Databricks推出了Lakehouse架构，Lakehouse消弭了传统数据仓库与数据湖之间的界限，融合了数据湖的开放性与数据仓库的结构化功能，为业界呈现了一种创新的数据架构。该架构不仅提高了数据处理效率，还解决了大数据行业长期面临的数据一致性和实时性问题。

看起来，Databricks先后抓住了云计算、大数据和人工智能的机会，实则都是数据的需求深度严演进，数据在哪，Databricks就在哪里。恰如其Databricks的名字（数据+砖），数据就是一块砖，哪里需要哪里搬，Databricks做到了这一点，也就不难理解它的成功。

来源：TechForWhat