Databricks 估值达 1880 亿美元，AI 战略加速推进

引言

Databricks宣布完成新一轮战略融资，公司估值达到1880亿美元，这标志着该企业在科技领域估值增长最快的征程上又迈出了重要一步。

该公司已签署本轮融资的条款清单，预计将于2026年夏末完成交易。现有投资者Coatue领投，预计将有更多新老投资者参与。Databricks在官方公告中未披露具体融资金额。据TechCrunch报道，其他消息来源显示融资金额约为30亿美元，但该数字尚未得到公司官方确认。

此次融资引人注目不仅因其规模庞大，更体现了Databricks成功拓展自身定位的能力。该公司最初在大数据和云分析时代崭露头角，而今已转型为数据、人工智能、AI智能体、治理和模型成本控制领域的核心企业平台。

图片来源：TechCrunch。原文注明该插图为AI生成。

1880亿美元估值的新一轮战略融资

Databricks于2026年7月16日宣布此次融资。据公司介绍，本轮融资旨在加速其多AI战略的实施，并支持其企业AI产品组合中多款核心产品的进一步开发。

官方公告特别强调了三个重点领域：

• Unity AI网关：帮助组织管理跨模型、智能体、工具和AI提供商的访问、支出、可观测性和策略。
• Genie：一款AI同事，旨在将业务数据转化为答案和行动。
• Lakebase：为数据应用和AI智能体构建的无服务器Postgres数据库。

Databricks还表示，这笔资金可能用于未来的AI收购和更深入的研究。由于本轮融资尚未完成，1880亿美元的估值反映的是已签署条款清单中的估值，而非已完成的融资交易。

这一区别很重要。公告确认了公司的预期估值和领投方，而最终融资金额和完整投资者名单可能要到交易完成后才能知晓。

Databricks估值快速增长

最新公告发布前，该公司已在较短时间内完成了多轮大规模私募融资。

日期	融资事件	报道估值
2024年12月	J轮融资，预期100亿美元	620亿美元
2025年9月	K轮融资10亿美元	超过1000亿美元
2025年12月-2026年2月	L轮及相关投资，包括约50亿美元股权	1340亿美元
2026年7月	新一轮战略融资	估值达1880亿美元

由 Coatue 领投的条款清单 | 1880 亿美元 |

2024 年 12 月，Databricks 宣布以 620 亿美元估值完成 J 轮融资。到 2025 年 9 月，K 轮融资使其估值突破 1000 亿美元。同年晚些时候，该公司宣布 L 轮融资估值为 1340 亿美元，随后于 2026 年 2 月发布了扩大的投资更新。

在约 19 个月内，估值从 620 亿美元跃升至 1880 亿美元，这充分说明了私人投资者对围绕企业 AI 基础设施布局的公司估值之高。这也意味着 Databricks 持续通过私募资本融资，而非依赖近期上市来筹集扩张资金。

这种频繁的后期融资轮次已变得不同寻常，以至于引发了关于该公司能在风险投资字母表中走多远的调侃。然而，在这种幽默背后，这一模式反映了持续的投资需求以及 Databricks 将既有数据业务与当前企业 AI 市场相结合的能力。

从大数据平台到企业 AI 公司

Databricks 成立于 2013 年，创始团队包括 Apache Spark 的原创开发者。其早期增长源于帮助企业处理大规模数据集、运行分析以及在云端构建数据工作负载。

当生成式 AI 加速普及之际，这段历史为该公司带来了重要优势。大多数企业并非从空白 AI 环境起步，它们已经拥有数据库、数据仓库、治理需求、访问控制、合规义务，以及分布在多个系统中的多年业务背景。

Databricks 早已在数据基础设施层面运作。当企业开始寻求利用专有数据构建 AI 应用时，该公司能够扩展现有企业平台，而非作为独立的模型提供商从头开始。

这一转型并非放弃分析业务，而是围绕相同的基础资产——受治理的业务数据——拓展平台。Databricks 目前的核心理念是，可靠的企业 AI 需要数据上下文、模型灵活性、安全性、监控和运营基础设施协同运作。

Databricks AI 扩张背后的产品

该公司近期的产品开发展示了其如何构建企业 AI 栈的多个层级。

Lakebase

Lakebase 是 Databricks 面向运营应用和 AI 代理的无服务器 Postgres 产品，旨在为需要读写数据并与分析和 AI 工作负载协同运行的应用程序提供事务性记录系统。

在收购无服务器 Postgres 公司 Neon 后，该产品成为 Databricks 战略的重要组成部分。对于基于代理的应用，运营数据库至关重要，因为代理通常不仅需要静态检索，还需维护状态、更新记录、触发工作流并支持随时间变化的应用程序。

Unity AI Gateway

Unity AI Gateway 是该公司用于管理 AI 活动的治理与控制层，旨在帮助企业管理模型访问、路由、预算、速率限制、可观测性、防护栏及审计功能。

跨多个提供商和工具的信息。

这种多模型方法契合当前市场趋势——企业日益根据不同工作负载使用不同模型。一家公司可能为复杂推理任务选择高性能专有模型，为常规任务选择轻量模型，在成本、定制化或部署控制更为重要时选择开放权重模型。

Genie

Genie定位为AI协作者，使员工能够就业务数据提问并获取可信的答案或操作建议。它更贴近面向用户的生产力层：将受治理的数据和平台能力转化为业务团队可直接使用的交互界面。

Agent Bricks

Agent Bricks提供构建、部署和管理连接企业数据的AI代理工具。它支持Databricks从模型实验向可评估、可监控、可治理的生产系统转型的整体战略。

Omnigent

Omnigent是由Databricks AI团队与Neon共同开发的开源"元框架"。该工具并非要取代Claude Code、Codex、Pi或自定义工具等编码代理，而是在它们之上建立通用层。

该项目旨在让团队组合不同代理、切换模型或框架、实施策略管控、在沙盒中运行代理，并在实时会话中协作。这体现了Databricks的核心理念：模型本身仅是有效AI系统的组成部分。

开放模型正成为企业成本策略的重要组成

在Databricks的AI战略中，另一个关键要素是评估并同时使用开放模型与专有系统的意愿。

2026年7月，该公司基于其数百万行代码库中的真实编码任务发布了内部基准测试结果。该测试同时比较了不同模型及其运行的代理框架。

Databricks报告显示，开放模型在质量与成本的平衡点上表现突出，其中GLM 5.2在测试的编码工作负载中达到了最高能力层级。根据公司数据，GLM 5.2在质量上与Anthropic的Opus 4.8统计持平，同时平均每任务成本更低。

这些结果不应被视为通用排名。该基准测试基于Databricks自身的代码库、语言、工作流、测试和工程需求构建。其真正价值在于方法论：组织通过在自己任务上测试模型而非仅依赖公开排行榜，可能获得更优的采购和路由决策。

代理框架对成本的影响不亚于模型本身

同一基准测试还发现，代理框架对端到端成本和质量有重大影响。

框架管理着模型的上下文、工具调用、指令、迭代循环及与工作环境的交互。即便两个系统使用相同的基础模型，它们传输的上下文量、执行步骤数或工具调用方式也可能不同。

Databricks发现，在某些测试中，通过不同框架运行相同的模型和推理策略，成本差异可达两倍以上，同时保持

质量相似的。与测试的其他方案相比，更简单的 Pi 工具链通常使用的重复上下文要少得多。

结论并非某种工具链总是更优越。相反，Databricks 认为，模型选择只是人工智能效率的一部分。模型、工具链、路由、上下文管理和任务复杂性的组合决定了完成工作的实际成本。

这一发现与 Unity AI Gateway 和 Omnigent 直接相关。前者提供集中治理和成本控制，后者则使组合或切换智能体工具链变得更加容易。两者共同支持了一种基于灵活性而非依赖单一模型或智能体提供商的策略。

为何投资者可能将 Databricks 视为人工智能基础设施赢家

Databricks 并非起步于前沿人工智能实验室，但这可能正是其魅力所在。它已拥有企业关系、数据基础设施、治理技术、云集成以及与关键业务系统相关的工作负载。

随着企业从人工智能原型转向生产部署，棘手的问题往往是运营层面的：

• 智能体可以访问哪些数据？
• 哪个模型应处理每项任务？
• 如何监控和限制支出？
• 如何审计提示词、工具调用和操作？
• 智能体在哪里存储和更新应用程序状态？
• 团队如何使用自己的数据和工作流程评估质量？

Databricks 正围绕这些问题构建产品。因此，其融资故事不仅反映了投资者对人工智能品牌的热情。该公司正试图成为企业连接数据、模型、应用程序、智能体、治理和成本控制的运营层。

这并没有消除极高私募估值带来的风险。Databricks 仍需将产品扩展转化为持久收入，维持增长，与云提供商和专业人工智能平台竞争，并最终证明与1880亿美元估值相符的预期。

尽管如此，融资轮次的顺序表明，投资者相信该公司处于企业数据和人工智能交汇点的地位赋予其显著的竞争优势。

1880亿美元估值意味着什么——以及不意味着什么

私募市场估值是指某笔融资交易所对应的价格。它与公开市场市值不同，也不一定代表每一股现有股份都能按该价格出售。

当前公告基于已签署的投资意向书，预计将于夏末完成交易。在此过程完成前，此轮融资的最终规模和构成可能会发生变化或不予披露。

该估值确实表明，参与投资者准备将 Databricks 的估值大幅提升至此前1340亿美元以上的水平。这也为公司提供了强有力的资源，用于招聘、研究、产品开发、收购以及潜在的员工流动性计划。

该估值是否可持续，将取决于未来的财务表现，以及公司能否在企业人工智能架构持续演进的过程中保持核心地位。

常见问题

什么是 Databricks

2026年估值？

2026年7月，Databricks宣布了一份战略融资条款清单，估值为1880亿美元。此轮融资预计将在夏末完成，由现有投资者Coatue领投。

Databricks在此轮融资中筹集了多少资金？

Databricks尚未公开披露此轮融资的具体金额。TechCrunch援引其他报道称，融资额约为30亿美元，但该公司公告仅确认了估值、领投方和预计完成时间。

Databricks的1880亿美元融资轮次是否已完成？

根据公告，尚未完成。Databricks表示已签署条款清单，预计交易将于2026年夏末完成。

为什么Databricks的估值增长如此迅速？

投资者对Databricks的估值已超越传统云分析公司范畴。其平台现已涵盖企业数据、AI智能体、模型治理、运营数据库、面向业务的AI工具以及多模型成本管理。

Databricks正在投资哪些AI产品？

公司在最新融资公告中特别强调了Unity AI Gateway、Genie和Lakebase。其更广泛的AI产品组合还包括Agent Bricks和开源项目Omnigent元框架。

什么是Unity AI Gateway？

Unity AI Gateway是Databricks为模型、智能体、工具和AI提供商提供的控制与治理层。它提供访问策略、成本控制、可观测性、安全护栏、路由和审计日志等功能。

Lakebase有何用途？

Lakebase是为应用程序和AI智能体设计的无服务器Postgres数据库。它为智能体系统提供运营数据层，用于维护状态和处理频繁变化的应用程序数据。

Databricks为何对GLM 5.2和编码智能体框架进行基准测试？

Databricks希望基于自身代码库中的实际工程任务衡量质量和成本。研究发现，所选模型及其配套框架均能显著影响完成任务的成本。

相关工具

• Databricks Data + AI平台：面向企业数据、分析、应用程序、机器学习和AI智能体的统一平台。
• Unity AI Gateway：多模型AI系统的治理、可观测性、路由、访问和成本控制。
• Lakebase：面向数据应用和AI智能体的无服务器Postgres基础设施。
• Genie One：帮助业务团队处理受治理企业数据的AI协作者。
• Agent Bricks：用于构建、评估、部署和治理企业AI智能体的工具。
• Omnigent：用于组合和控制多个模型及智能体工具的开源元框架。

相关链接

• [Databricks 1880亿美元融资公告](https://www.databricks.

com/company/newsroom/press-releases/databricks-raising-strategic-round-funding-188-billion-valuation)：公司关于投资条款清单、估值、投资者及资金用途的官方声明。

• Databricks L 轮融资估值 1340 亿美元：2025 年末融资及财务增长势头的官方详情。
• Databricks K 轮融资估值超 1000 亿美元：2025 年 K 轮融资及 AI 营收里程碑的官方信息。
• Databricks J 轮融资估值 620 亿美元：公司 2024 年 12 月融资公告。
• Databricks 编程智能体基准测试：其模型与工具链成本效益主张背后的方法论与结果。
• Omnigent 介绍：Databricks 对开源多智能体元工具链的官方说明。

总结

Databricks 已签署一份新战略融资条款清单，估值达 1880 亿美元，由 Coatue 领投，预计将于 2026 年夏末完成交易。公司未正式披露该轮融资规模。

估值延续了迅猛增长态势：从 2024 年末的 620 亿美元，到 2025 年突破 1000 亿美元，2026 年初达到 1340 亿美元，如今攀升至 1880 亿美元。这一增长与 Databricks 从云数据与分析领域向 AI 智能体、运营数据库、模型治理、商业 AI 工具及多工具链基础设施的扩展同步推进。

其近期产品发布与内部编程基准测试进一步印证了相同战略：企业需要跨模型的灵活性、更强的成本控制、对专有数据的受控访问，以及能将 AI 实验转化为生产系统的基础设施。

最新估值反映了投资者的信心：Databricks 有潜力成为企业数据与 AI 的核心控制层——而非仅仅是 AI 融资周期中的又一个受益者。