قيمة Databricks تصل إلى 188 مليار دولار مع تسارع استراتيجيتها في الذكاء الاصطناعي

مقدمة

أعلنت شركة Databricks عن إتمام جولة تمويل استراتيجية جديدة، مما رفع تقييم الشركة إلى 188 مليار دولار، وهي خطوة هامة في مسار نموها السريع للتقييم في قطاع التكنولوجيا.

وقعت الشركة على شروط هذه الجولة التمويلية، ومن المتوقع إتمام الصفقة بحلول أواخر صيف 2026. تقود شركة Coatue، المستثمر الحالي، هذه الجولة، مع توقعات بمشاركة المزيد من المستثمرين الجدد والحاليين. لم تكشف Databricks في بيانها الرسمي عن المبلغ المحدد للتمويل. ووفقًا لتقرير TechCrunch، تشير مصادر أخرى إلى أن مبلغ التمويل يبلغ حوالي 3 مليارات دولار، لكن هذا الرقم لم يُؤكد رسميًا من قبل الشركة.

تتميز هذه الجولة التمويلية ليس فقط بحجمها الكبير، بل تعكس أيضًا قدرة Databricks على توسيع نطاق موقعها الاستراتيجي بنجاح. بدأت الشركة مسيرتها في عصر البيانات الضخمة وتحليلات السحابة، وتحولت الآن إلى منصة مؤسسية أساسية في مجالات البيانات، والذكاء الاصطناعي، والوكلاء الذكيين، والحوكمة، والتحكم في تكاليف النماذج.

مصدر الصورة: TechCrunch. النص الأصلي يشير إلى أن هذا الرسم التوضيحي تم إنشاؤه بالذكاء الاصطناعي.

جولة تمويل استراتيجية جديدة بتقييم 188 مليار دولار

أعلنت Databricks عن هذا التمويل في 16 يوليو 2026. ووفقًا للشركة، تهدف هذه الجولة إلى تسريع تنفيذ استراتيجيتها المتعددة للذكاء الاصطناعي، ودعم مواصلة تطوير العديد من المنتجات الأساسية ضمن مجموعة منتجات الذكاء الاصطناعي المؤسسية لديها.

أكد البيان الرسمي على ثلاثة مجالات رئيسية:

• بوابة Unity AI Gateway: تساعد المؤسسات في إدارة الوصول، والإنفاق، وإمكانية المراقبة، والسياسات عبر النماذج، والوكلاء، والأدوات، ومزودي الذكاء الاصطناعي.
• Genie: زميل ذكاء اصطناعي يهدف إلى تحويل بيانات الأعمال إلى إجابات وإجراءات.
• Lakebase: قاعدة بيانات Postgres بدون خوادم لتطبيقات البيانات ووكلاء الذكاء الاصطناعي.

كما أشارت Databricks إلى أن هذه الأموال قد تُستخدم في عمليات استحواذ مستقبلية في مجال الذكاء الاصطناعي وأبحاث أعمق. نظرًا لعدم اكتمال هذه الجولة التمويلية بعد، يعكس تقييم 188 مليار دولار التقييم الوارد في شروط التمويل الموقعة، وليس صفقة تمويل مكتملة.

هذا التمييز مهم. يؤكد البيان على التقييم المتوقع للشركة والمستثمر الرئيسي، بينما قد لا يُعرف المبلغ النهائي للتمويل والقائمة الكاملة للمستثمرين إلا بعد اكتمال الصفقة.

النمو السريع لتقييم Databricks

قبل هذا الإعلان الأخير، كانت الشركة قد أتمت عدة جولات تمويل خاصة كبيرة في فترة زمنية قصيرة نسبيًا.

التاريخ	حدث التمويل	التقييم المعلن
ديسمبر 2024	جولة J، تمويل متوقع بقيمة 10 مليارات دولار	62 مليار دولار
سبتمبر 2025	جولة K بقيمة مليار دولار	أكثر من 100 مليار دولار
ديسمبر 2025 - فبراير 2026	جولة L والاستثمارات ذات الصلة، بما في ذلك حوالي 5 مليارات دولار من الأسهم	134 مليار دولار
يوليو 2026	جولة تمويل استراتيجية جديدة	تقييم يصل إلى 188 مليار دولار

| شروط التمويل بقيادة Coatue | 188 مليار دولار |

في ديسمبر 2024، أعلنت Databricks عن إتمام جولة تمويل J بتقييم 62 مليار دولار. بحلول سبتمبر 2025، تجاوزت جولة K تقييمها 100 مليار دولار. في وقت لاحق من نفس العام، أعلنت الشركة عن جولة تمويل L بتقييم 134 مليار دولار، ثم أصدرت تحديثًا استثماريًا موسعًا في فبراير 2026.

في غضون حوالي 19 شهرًا، قفز التقييم من 62 مليار دولار إلى 188 مليار دولار، مما يوضح المستوى العالي للتقييم الذي يمنحه المستثمرون الخاصون للشركات التي تبني بنية تحتية للذكاء الاصطناعي المؤسسي. كما يعني ذلك أن Databricks تواصل الاعتماد على رأس المال الخاص للتمويل، بدلاً من اللجوء إلى الطرح العام الأولي في المدى القريب لجمع أموال التوسع.

أصبحت جولات التمويل المتأخرة المتكررة هذه غير مألوفة لدرجة أنها أثارت مزاحًا حول المدى الذي يمكن أن تصل إليه الشركة في الأبجدية (أسماء الجولات) لرأس المال المخاطر. ومع ذلك، وراء هذا الفكاهة، يعكس هذا النمط الطلب المستمر على الاستثمار وقدرة Databricks على الجمع بين أعمال البيانات القائمة لديها وسوق الذكاء الاصطناعي المؤسسي الحالي.

من منصة بيانات ضخمة إلى شركة ذكاء اصطناعي مؤسسية

تأسست Databricks في عام 2013 على يد فريق من المطورين الأصليين لـ Apache Spark. جاء نموها المبكر من مساعدة الشركات في معالجة مجموعات البيانات الضخمة، وتشغيل التحليلات، وبناء أعباء عمل البيانات في السحابة.

عندما تسارع انتشار الذكاء الاصطناعي التوليدي، منح هذا التاريخ الشركة ميزة كبيرة. معظم الشركات لا تبدأ من بيئة ذكاء اصطناعي فارغة؛ بل لديها بالفعل قواعد بيانات، ومستودعات بيانات، واحتياجات حوكمة، وضوابط وصول، والتزامات امتثال، وسياق أعمال يمتد لسنوات عبر أنظمة متعددة.

كانت Databricks تعمل بالفعل على مستوى البنية التحتية للبيانات. عندما بدأت الشركات تسعى لبناء تطبيقات ذكاء اصطناعي باستخدام بياناتها الخاصة، تمكنت الشركة من توسيع منصتها المؤسسية الحالية، بدلاً من البدء من الصفر كمزود نموذج مستقل.

هذا التحول لم يكن تخليًا عن أعمال التحليلات، بل توسيعًا للمنصة حول نفس الأصول الأساسية - بيانات الأعمال الخاضعة للحوكمة. المفهوم الأساسي لـ Databricks حاليًا هو أن الذكاء الاصطناعي المؤسسي الموثوق يتطلب تعاون سياق البيانات، ومرونة النماذج، والأمان، والمراقبة، والبنية التحتية للتشغيل معًا.

المنتجات وراء توسع Databricks في الذكاء الاصطناعي

يُظهر التطوير الأخير للمنتج كيفية بناء الشركة لطبقات متعددة من بنية الذكاء الاصطناعي المؤسسية.

Lakebase

Lakebase هو منتج Postgres بدون خوادم من Databricks للتطبيقات التشغيلية ووكلاء الذكاء الاصطناعي، مصمم لتوفير نظام تسجيل المعاملات للتطبيقات التي تحتاج لقراءة وكتابة البيانات والعمل بالتنسيق مع أعباء عمل التحليلات والذكاء الاصطناعي.

بعد الاستحواذ على شركة Neon، أصبح هذا المنتج جزءًا مهمًا من استراتيجية Databricks. بالنسبة للتطبيقات القائمة على الوكلاء، تعتبر قاعدة البيانات التشغيلية ضرورية، لأن الوكلاء لا يحتاجون عادةً إلى الاسترجاع الثابت فحسب، بل يحتاجون أيضًا للحفاظ على الحالة، وتحديث السجلات، وتشغيل سير العمل، ودعم التطبيقات المتغيرة بمرور الوقت.

بوابة Unity AI Gateway

Unity AI Gateway هي طبقة الحوكمة والتحكم لإدارة أنشطة الذكاء الاصطناعي، تهدف لمساعدة الشركات في إدارة الوصول إلى النماذج، والتوجيه، والميزانيات، ومعدلات الحدود، وإمكانية المراقبة، والحواجز الوقائية، ووظائف التدقيق عبر مزودين وأدوات متعددة.

يتوافق هذا النهج متعدد النماذج مع الاتجاهات الحالية في السوق - حيث تستخدم الشركات بشكل متزايد نماذج مختلفة بناءً على أعباء العمل المختلفة. قد تختار شركة نموذجًا خاصًا عالي الأداء للمهام المعقدة التي تتطلب التفكير، ونموذجًا خفيفًا للمهام الروتينية، ونموذجًا مفتوح الأوزان عندما تكون التكلفة، أو التخصيص، أو التحكم في النشر أكثر أهمية.

Genie

يُوضع Genie كزميل ذكاء اصطناعي يمكّن الموظفين من طرح أسئلة حول بيانات الأعمال والحصول على إجابات موثوقة أو توصيات إجرائية. إنه أقرب إلى طبقة الإنتاجية الموجهة للمستخدم: تحويل البيانات الخاضعة للحوكمة وقدرات المنصة إلى واجهات تفاعلية يمكن لفرق الأعمال استخدامها مباشرة.

Agent Bricks

توفر Agent Bricks أدوات لبناء ونشر وإدارة وكلاء الذكاء الاصطناعي المتصلين ببيانات المؤسسة. تدعم هذه الأداة الاستراتيجية الشاملة لـ Databricks في الانتقال من تجربة النماذج إلى أنظمة الإنتاج القابلة للتقييم والمراقبة والحوكمة.

Omnigent

Omnigent هو "إطار فوقي" مفتوح المصدر طورته فرق الذكاء الاصطناعي في Databricks بالتعاون مع Neon. لا تهدف هذه الأداة لاستبدال وكلاء البرمجة مثل Claude Code أو Codex أو Pi أو الأدوات المخصصة، بل تعمل كطبقة مشتركة فوقها.

يهدف المشروع لتمكين الفرق من الجمع بين وكلاء مختلفين، أو تبديل النماذج أو الأطر، أو تنفيذ ضوابط السياسات، أو تشغيل الوكلاء في بيئات محمية، والتعاون في جلسات فورية. يجسد هذا المفهوم الأساسي لـ Databricks: النماذج نفسها ليست سوى عنصر واحد من أنظمة الذكاء الاصطناعي الفعالة.

النماذج المفتوحة أصبحت جزءًا مهمًا من استراتيجية التكلفة للمؤسسات

عنصر رئيسي آخر في استراتيجية الذكاء الاصطناعي لـ Databricks هو الرغبة في تقييم واستخدام النماذج المفتوحة والأنظمة المملوكة في وقت واحد.

في يوليو 2026، نشرت الشركة نتائج اختبارات معيارية داخلية بناءً على مهام برمجية حقيقية من قاعدة بياناتها التي تحتوي على ملايين الأسطر من الشيفرات المصدرية. اختبر هذا الاختبار نماذج مختلفة وأطر الوكلاء التي تعمل عليها في نفس الوقت.

يظهر تقرير من Databricks أن النماذج المفتوحة تحقق أداءً ممتازًا عند الموازنة بين الجودة والتكلفة، حيث يصل GLM 5.2 إلى أعلى مستوى من القدرات في اختبارات أعباء العمل البرمجية التي تم إجراؤها. وفقًا لبيانات الشركة، يتساوى GLM 5.2 إحصائيًا في الجودة مع Opus 4.8 من Anthropic، مع تكلفة أقل لكل مهمة في المتوسط.

لا ينبغي اعتبار هذه النتائج تصنيفًا عامًا. فقد بُني هذا المعيار بناءً على مستودعات الأكواد واللغات وسير العمل والاختبارات والاحتياجات الهندسية الخاصة بـ Databricks. قيمته الحقيقية تكمن في المنهجية: فمن خلال اختبار النماذج على مهامهم الخاصة بدلاً من الاعتماد فقط على لوحات التصنيف العامة، قد تحقق المنظمات قرارات شراء وتوجيه أفضل.

تأثير الأطر الوكيلة على التكلفة لا يقل عن تأثير النموذج نفسه

كشف نفس المعيار أيضًا أن الأطر الوكيلة لها تأثير كبير على التكلفة الكلية وجودة النتائج.

يدير الإطار سياق النموذج، واستدعاء الأدوات، والتعليمات، وحلقات التكرار، والتفاعل مع بيئة العمل. حتى إذا استخدم نظامان نفس النموذج الأساسي، فإن كمية السياق المنقولة، أو عدد خطوات التنفيذ، أو طريقة استدعاء الأدوات قد تختلف.

وجدت Databricks أنه في بعض الاختبارات، يمكن أن يصل الفرق في التكلفة إلى أكثر من الضعف عند تشغيل نفس النموذج واستراتيجية الاستدلال عبر أطر مختلفة، مع الحفاظ على جودة متشابهة. مقارنة بالبدائل التي تم اختبارها، استخدمت سلسلة أدوات Pi الأبسط سياقًا مكررًا أقل بكثير.

الخلاصة ليست أن سلسلة أدوات معينة هي الأفضل دائمًا. بل ترى Databricks أن اختيار النموذج ليس سوى جزء من كفاءة الذكاء الاصطناعي. مزيج النموذج وسلسلة الأدوات والتوجيه وإدارة السياق وتعقيد المهمة هو الذي يحدد التكلفة الفعلية لإنجاز العمل.

هذه النتائج ذات صلة مباشرة بـ Unity AI Gateway و Omnigent. الأول يوفر حوكمة مركزية وتحكمًا في التكاليف، بينما يسهل الثاني دمج أو تبديل سلاسل أدوات الوكيل. يدعم كلاهما معًا استراتيجية تقوم على المرونة بدلاً من الاعتماد على مزود نموذج أو وكيل واحد.

لماذا قد يعتبر المستثمرون Databricks رابحًا في البنية التحتية للذكاء الاصطناعي

لم تبدأ Databricks كمختبر ذكاء اصطناعي متقدم، ولكن هذا قد يكون سر جاذبيتها. لديها بالفعل علاقات مؤسسية، وبنية تحتية للبيانات، وتقنيات حوكمة، وتكامل سحابي، وأعباء عمل مرتبطة بأنظمة الأعمال الحيوية.

مع انتقال المؤسسات من النماذج الأولية للذكاء الاصطناعي إلى النشر في الإنتاج، غالبًا ما تكون الأسئلة الصعبة على المستوى التشغيلي:

• ما البيانات التي يمكن للوكيل الوصول إليها؟
• أي نموذج يجب أن يعالج كل مهمة؟
• كيف يتم مراقبة الإنفاق والحد منه؟
• كيف يتم تدقيق المطالبات واستدعاءات الأدوات والعمليات؟
• أين يخزن الوكيل حالة التطبيق ويحدثها؟
• كيف يمكن للفرق استخدام بياناتهم وسير عملهم لتقييم الجودة؟

تبني Databricks منتجاتها حول هذه الأسئلة. لذلك، فإن قصة تمويلها لا تعكس فقط حماس المستثمرين لعلامة الذكاء الاصطناعي. تحاول الشركة أن تصبح الطبقة التشغيلية التي تربط المؤسسات بالبيانات والنماذج والتطبيقات والوكلاء والحوكمة والتحكم في التكاليف.

هذا لا يلغي المخاطر المرتبطة بالتقييمات الخاصة المرتفعة للغاية. لا يزال على Databricks تحويل توسع منتجاتها إلى إيرادات مستدامة، والحفاظ على النمو، والتنافس مع مزودي الخدمات السحابية ومنصات الذكاء الاصطناعي المتخصصة، وإثبات تلبية التوقعات المرتبطة بتقييم 188 مليار دولار.

ومع ذلك، يشير تسلسل جولات التمويل إلى أن المستثمرين يعتقدون أن موقع الشركة عند تقاطع بيانات المؤسسات والذكاء الاصطناعي يمنحها ميزة تنافسية كبيرة.

ماذا يعني تقييم 188 مليار دولار - وماذا لا يعني

تقييم السوق الخاص هو السعر المخصص لجولة تمويل معينة. يختلف عن القيمة السوقية العامة، ولا يعني بالضرورة أن كل سهم حالي يمكن بيعه بهذا السعر.

الإعلان الحالي يستند إلى خطاب نوايا استثماري موقع، ومن المتوقع إتمام الصفقة بحلول نهاية الصيف. قد يتغير الحجم النهائي وتكوين هذه الجولة أو لا يتم الإفصاح عنه قبل اكتمال العملية.

يشير هذا التقييم إلى أن المستثمرين المشاركين مستعدون لرفع تقييم Databricks بشكل كبير عن المستوى السابق البالغ 134 مليار دولار. كما يوفر للشركة موارد قوية للتوظيف والبحث وتطوير المنتجات وعمليات الاستحواذ وخطط السيولة المحتملة للموظفين.

يعتمد استدامة هذا التقييم على الأداء المالي المستقبلي، وقدرة الشركة على الحفاظ على موقعها المركزي مع استمرار تطور بنية الذكاء الاصطناعي المؤسسية.

الأسئلة الشائعة

ما هو تقييم Databricks لعام 2026؟

في يوليو 2026، أعلنت Databricks عن خطاب نوايا لتمويل استراتيجي بقيمة 188 مليار دولار. من المتوقع إتمام الجولة بحلول نهاية الصيف، بقيادة المستثمر الحالي Coatue.

كم جمعت Databricks في هذه الجولة من التمويل؟

لم تفصح Databricks علنًا عن المبلغ المحدد لهذه الجولة. ذكرت TechCrunch نقلاً عن تقارير أخرى أن قيمة التمويل تبلغ حوالي 3 مليارات دولار، لكن إعلان الشركة أكد فقط التقييم وقائد الجولة والموعد المتوقع للإتمام.

هل اكتملت جولة تمويل Databricks البالغة 188 مليار دولار؟

وفقًا للإعلان، لم تكتمل بعد. قالت Databricks إنها وقعت خطاب النوايا، وتتوقع إتمام الصفقة بحلول نهاية صيف 2026.

لماذا ينمو تقييم Databricks بهذه السرعة؟

تجاوز تقييم المستثمرين لـ Databricks نطاق شركات التحليلات السحابية التقليدية. تشمل منصتها الآن بيانات المؤسسات، ووكلاء الذكاء الاصطناعي، وحوكمة النماذج، وقواعد البيانات التشغيلية، وأدوات الذكاء الاصطناعي الموجهة للأعمال، وإدارة تكاليف النماذج المتعددة.

ما هي منتجات الذكاء الاصطناعي التي تستثمر فيها Databricks؟

أبرزت الشركة في إعلان التمويل الأخير بشكل خاص Unity AI Gateway و Genie و Lakebase. تشمل محفظة الذكاء الاصطناعي الأوسع أيضًا Agent Bricks وإطار العمل مفتوح المصدر Omnigent.

ما هو Unity AI Gateway؟

Unity AI Gateway هو طبقة التحكم والحوكمة من Databricks للنماذج والوكلاء والأدوات ومزودي الذكاء الاصطناعي. يوفر سياسات الوصول، والتحكم في التكاليف، وقابلية المراقبة، والحواجز الأمنية، والتوجيه، وسجلات التدقيق.

ما هو استخدام Lakebase؟

Lakebase هي قاعدة بيانات Postgres بدون خادم مصممة للتطبيقات ووكلاء الذكاء الاصطناعي. توفر طبقة بيانات تشغيلية لأنظمة الوكيل للحفاظ على الحالة ومعالجة بيانات التطبيق المتغيرة بشكل متكرر.

لماذا أجرت Databricks اختبارات قياس الأداء على GLM 5.2 وأطر الوكيل البرمجية؟

تريد Databricks قياس الجودة والتكلفة بناءً على مهام هندسية فعلية من مستودع الأكواد الخاص بها. وجدت الدراسة أن كلاً من النموذج المختار والإطار المصاحب له يمكن أن يؤثرا بشكل كبير على تكلفة إنجاز المهام.

الأدوات ذات الصلة

• منصة Databricks للبيانات + الذكاء الاصطناعي: منصة موحدة لبيانات المؤسسات، والتحليلات، والتطبيقات، والتعلم الآلي، ووكلاء الذكاء الاصطناعي.
• Unity AI Gateway: الحوكمة، وقابلية المراقبة، والتوجيه، والوصول، والتحكم في التكاليف لأنظمة الذكاء الاصطناعي متعددة النماذج.
• Lakebase: بنية تحتية لـ Postgres بدون خادم لتطبيقات البيانات ووكلاء الذكاء الاصطناعي.
• Genie One: مساعد ذكاء اصطناعي لمساعدة فرق الأعمال في التعامل مع بيانات المؤسسات الخاضعة للحوكمة.
• Agent Bricks: أدوات لبناء وتقييم ونشر وحوكمة وكلاء الذكاء الاصطناعي للمؤسسات.
• Omnigent: إطار عمل مفتوح المصدر لدمج والتحكم في نماذج وأدوات وكيل متعددة.

الروابط ذات الصلة

• إعلان تمويل Databricks بقيمة 188 مليار دولار: البيان الرسمي للشركة حول خطاب النوايا الاستثماري والتقييم والمستثمرين واستخدام الأموال.

• تقييم جولة التمويل L لـ Databricks بقيمة 134 مليار دولار

• com/company/newsroom/press-releases/databricks-surpasses-4-8b-revenue-run-rate-growing-55-year-over-year: التفاصيل الرسمية عن التمويل ونمو الإيرادات في نهاية عام 2025.

• جولة تمويل K لـ Databricks بقيمة تتجاوز 100 مليار دولار: المعلومات الرسمية عن جولة تمويل K في 2025 وإنجازات إيرادات الذكاء الاصطناعي.

• جولة تمويل J لـ Databricks بقيمة 62 مليار دولار: إعلان تمويل الشركة في ديسمبر 2024.

• اختبار معايير وكيل البرمجة في Databricks: المنهجيات والنتائج وراء فعالية تكلفة نماذجها وأدواتها.

• مقدمة عن Omnigent: الشرح الرسمي من Databricks لأداة السلسلة الوصفية مفتوحة المصدر للوكلاء المتعددين.

ملخص

وقعت Databricks شروط تمويل استراتيجي جديد بقيمة 188 مليار دولار، بقيادة Coatue، ومن المتوقع إتمام الصفقة في أواخر صيف 2026. لم تفصح الشركة رسميًا عن حجم الجولة.

يستمر التقييم في النمو السريع: من 62 مليار دولار في نهاية 2024، إلى تجاوز 100 مليار دولار في 2025، ثم 134 مليار دولار في أوائل 2026، وصولًا إلى 188 مليار دولار حاليًا. يتماشى هذا النمو مع توسع Databricks من مجال البيانات السحابية والتحليلات إلى وكلاء الذكاء الاصطناعي، وقواعد البيانات التشغيلية، وإدارة النماذج، وأدوات الذكاء الاصطناعي التجارية، والبنية التحتية متعددة الأدوات.

تعزز إطلاق منتجاتها الأخيرة ومعايير البرمجة الداخلية نفس الاستراتيجية: تحتاج المؤسسات إلى مرونة عبر النماذج، وتحكم أفضل في التكاليف، ووصول محكوم للبيانات الخاصة، وبنية تحتية تحول تجارب الذكاء الاصطناعي إلى أنظمة إنتاجية.

يعكس التقييم الأخير ثقة المستثمرين: لدى Databricks القدرة على أن تصبح طبقة التحكم الأساسية للبيانات والذكاء الاصطناعي في المؤسسات - وليس مجرد مستفيد آخر في دورة تمويل الذكاء الاصطناعي.