Databricks raggiunge una valutazione di 188 miliardi di dollari, accelerando la strategia sull'IA

Introduzione

Databricks ha annunciato il completamento di un nuovo round di finanziamento strategico, con una valutazione aziendale di 188 miliardi di dollari, segnando un ulteriore importante passo avanti nel percorso di crescita più rapida della valutazione nel settore tecnologico.

L'azienda ha firmato i termini del presente round di finanziamento, che si prevede sarà completato entro la fine dell'estate 2026. L'investitore esistente Coatue guida il round, con la prevista partecipazione di nuovi e vecchi investitori. Databricks non ha rivelato l'importo specifico del finanziamento nel comunicato ufficiale. Secondo quanto riportato da TechCrunch, altre fonti indicano un importo di circa 3 miliardi di dollari, ma la cifra non è ancora stata confermata ufficialmente dall'azienda.

Questo finanziamento è notevole non solo per la sua portata, ma anche per la capacità di Databricks di espandere con successo il proprio posizionamento. Inizialmente emersa nell'era dei big data e dell'analisi cloud, l'azienda si è ora trasformata in una piattaforma aziendale centrale per dati, intelligenza artificiale, agenti AI, governance e controllo dei costi dei modelli.

Fonte immagine: TechCrunch. La didascalia originale specifica che l'illustrazione è generata dall'IA.

Nuovo round di finanziamento strategico con valutazione di 188 miliardi di dollari

Databricks ha annunciato questo finanziamento il 16 luglio 2026. Secondo l'azienda, il round mira ad accelerare l'implementazione della sua strategia multi-AI e a sostenere l'ulteriore sviluppo di diversi prodotti core nel suo portafoglio AI aziendale.

Il comunicato ufficiale ha sottolineato tre aree chiave:

• Unity AI Gateway: aiuta le organizzazioni a gestire l'accesso, la spesa, l'osservabilità e le policy tra modelli, agenti, strumenti e fornitori AI.
• Genie: un collega AI progettato per trasformare i dati aziendali in risposte e azioni.
• Lakebase: un database Postgres serverless per applicazioni dati e agenti AI.

Databricks ha anche indicato che questi fondi potrebbero essere utilizzati per future acquisizioni nel campo dell'AI e per ricerche più approfondite. Poiché questo round di finanziamento non è ancora stato completato, la valutazione di 188 miliardi di dollari riflette quella dei termini firmati, non quella di un'operazione di finanziamento già conclusa.

Questa distinzione è importante. Il comunicato conferma la valutazione prevista dell'azienda e il lead investor, mentre l'importo finale del finanziamento e l'elenco completo degli investitori potrebbero essere resi noti solo dopo il completamento dell'operazione.

Crescita rapida della valutazione di Databricks

Prima dell'annuncio più recente, l'azienda aveva completato diversi round di finanziamento privato su larga scala in un periodo di tempo relativamente breve.

Data	Evento di finanziamento	Valutazione riportata
Dicembre 2024	Round J, 10 miliardi di dollari previsti	62 miliardi di dollari
Settembre 2025	Round K, 1 miliardo di dollari	Oltre 100 miliardi di dollari
Dicembre 2025 - Febbraio 2026	Round L e investimenti correlati, inclusi circa 5 miliardi di dollari in equity	134 miliardi di dollari
Luglio 2026	Nuovo round strategico di finanziamento	Valutazione a 188 miliardi di dollari

Termini guidati da Coatue | 188 miliardi di dollari |

Nel dicembre 2024, Databricks ha annunciato il completamento del round J con una valutazione di 62 miliardi di dollari. Entro settembre 2025, il round K ha portato la valutazione oltre i 100 miliardi di dollari. Più tardi quello stesso anno, l'azienda ha annunciato un round L con una valutazione di 134 miliardi di dollari, seguito da un aggiornamento sugli investimenti ampliati nel febbraio 2026.

In circa 19 mesi, la valutazione è passata da 62 a 188 miliardi di dollari, dimostrando chiaramente quanto gli investitori privati valutino le aziende che si posizionano attorno all'infrastruttura AI aziendale. Ciò significa anche che Databricks continua a finanziarsi tramite capitale privato, senza affidarsi a una recente IPO per raccogliere fondi per l'espansione.

Questi frequenti round di finanziamento in fase avanzata sono diventati così insoliti da suscitare battute su quanto lontano possa arrivare l'azienda nell'alfabeto del venture capital. Tuttavia, dietro questo umorismo, il modello riflette la domanda continua di investimenti e la capacità di Databricks di combinare il suo business dati consolidato con l'attuale mercato AI aziendale.

Da piattaforma big data a azienda AI

Databricks è stata fondata nel 2013 da un team che includeva gli sviluppatori originali di Apache Spark. La sua crescita iniziale è derivata dall'aiuto alle aziende nell'elaborazione di set di dati su larga scala, nell'esecuzione di analisi e nella costruzione di carichi di lavoro dati sul cloud.

Quando l'AI generativa ha accelerato la sua diffusione, questa storia ha fornito all'azienda un vantaggio significativo. La maggior parte delle aziende non parte da un ambiente AI vuoto; hanno già database, data warehouse, esigenze di governance, controlli di accesso, obblighi di conformità e anni di contesto aziendale distribuito in più sistemi.

Databricks operava già a livello di infrastruttura dati. Quando le aziende hanno iniziato a cercare di costruire applicazioni AI utilizzando dati proprietari, l'azienda è stata in grado di espandere la sua piattaforma aziendale esistente, piuttosto che ricominciare da zero come fornitore di modelli indipendente.

Questa trasformazione non ha significato abbandonare il business dell'analisi, ma piuttosto espandere la piattaforma attorno agli stessi asset fondamentali: dati aziendali governati. Il concetto centrale di Databricks è che un'AI aziendale affidabile richiede che contesto dei dati, flessibilità del modello, sicurezza, monitoraggio e infrastruttura operativa lavorino in sinergia.

Prodotti alla base dell'espansione AI di Databricks

Il recente sviluppo dei prodotti dell'azienda mostra come stia costruendo diversi livelli dello stack AI aziendale.

Lakebase

Lakebase è il prodotto Postgres serverless di Databricks per applicazioni operative e agenti AI, progettato per fornire un sistema di registrazione transazionale per applicazioni che necessitano di leggere e scrivere dati e operare in sinergia con carichi di lavoro analitici e AI.

Dopo l'acquisizione dell'azienda Postgres serverless Neon, questo prodotto è diventato una parte importante della strategia di Databricks. Per le applicazioni basate su agenti, un database operativo è cruciale, poiché gli agenti spesso non solo necessitano di recupero statico, ma devono anche mantenere stato, aggiornare record, attivare flussi di lavoro e supportare applicazioni che cambiano nel tempo.

Unity AI Gateway

Unity AI Gateway è il livello di governance e controllo dell'azienda per la gestione delle attività AI, progettato per aiutare le aziende a gestire l'accesso ai modelli, il routing, i budget, i limiti di velocità, l'osservabilità, le barriere di protezione e le funzioni di audit.

Informazioni tra più fornitori e strumenti.

Questo approccio multi-modello si allinea alle tendenze attuali del mercato: le aziende utilizzano sempre più modelli diversi per carichi di lavoro diversi. Un'azienda potrebbe scegliere un modello proprietario ad alte prestazioni per compiti di ragionamento complessi, un modello leggero per compiti di routine e un modello a pesi aperti quando costo, personalizzazione o controllo della distribuzione sono più importanti.

Genie

Genie si posiziona come un collaboratore AI, consentendo ai dipendenti di porre domande sui dati aziendali e ricevere risposte affidabili o suggerimenti per azioni. È più vicino al livello di produttività rivolto all'utente: trasformare dati governati e capacità della piattaforma in interfacce interattive direttamente utilizzabili dai team aziendali.

Agent Bricks

Agent Bricks fornisce strumenti per costruire, distribuire e gestire agenti AI collegati ai dati aziendali. Supporta la strategia complessiva di Databricks di passare dalla sperimentazione dei modelli a sistemi di produzione che possono essere valutati, monitorati e governati.

Omnigent

Omnigent è un "meta-framework" open source sviluppato dal team AI di Databricks insieme a Neon. Questo strumento non mira a sostituire gli agenti di codifica come Claude Code, Codex, Pi o strumenti personalizzati, ma piuttosto a creare un livello comune sopra di essi.

Il progetto mira a consentire ai team di combinare diversi agenti, cambiare modelli o framework, implementare controlli delle policy, eseguire agenti in sandbox e collaborare in sessioni in tempo reale. Ciò riflette il concetto centrale di Databricks: i modelli stessi sono solo una parte dei sistemi AI efficaci.

I modelli aperti stanno diventando una componente chiave della strategia di costo aziendale

Un altro elemento cruciale nella strategia AI di Databricks è la volontà di valutare e utilizzare contemporaneamente modelli aperti e sistemi proprietari.

Nel luglio 2026, l'azienda ha pubblicato i risultati di un benchmark interno basato su compiti di codifica reali tratti dal suo codice sorgente di milioni di righe. Il test ha confrontato contemporaneamente diversi modelli e i framework degli agenti su cui operavano.

Il report di Databricks mostra che i modelli aperti si distinguono per il rapporto qualità-costo, con GLM 5.2 che raggiunge il massimo livello di capacità nei carichi di lavoro di codifica testati. Secondo i dati aziendali, GLM 5.2 è statisticamente alla pari con Opus 4.8 di Anthropic in termini di qualità, con un costo medio per attività inferiore.

Questi risultati non devono essere considerati come una classifica generale. Il benchmark è stato costruito sulla base del codice sorgente, dei linguaggi, dei flussi di lavoro, dei test e delle esigenze ingegneristiche di Databricks. Il suo vero valore risiede nella metodologia: le organizzazioni possono ottenere decisioni migliori in termini di acquisto e routing testando i modelli sui propri compiti, anziché affidarsi solo a classifiche pubbliche.

I framework agente influiscono sul costo tanto quanto il modello stesso

Lo stesso benchmark ha rilevato che i framework agente hanno un impatto significativo sui costi e sulla qualità end-to-end.

I framework gestiscono il contesto del modello, le chiamate agli strumenti, le istruzioni, i cicli iterativi e l'interazione con l'ambiente di lavoro. Anche se due sistemi utilizzano lo stesso modello di base, la quantità di contesto trasmessa, il numero di passaggi eseguiti o il modo di chiamare gli strumenti possono differire.

Databricks ha scoperto che, in alcuni test, eseguire lo stesso modello e la stessa strategia di inferenza attraverso framework diversi può portare a differenze di costo superiori al doppio, mantenendo una qualità simile. Rispetto ad altre soluzioni testate, la catena di strumenti Pi più semplice ha utilizzato generalmente molto meno contesto ripetitivo.

La conclusione non è che una determinata catena di strumenti sia sempre superiore. Al contrario, Databricks ritiene che la selezione del modello sia solo una parte dell'efficienza dell'IA. La combinazione di modello, catena di strumenti, routing, gestione del contesto e complessità del compito determina il costo effettivo per completare il lavoro.

Questa scoperta è direttamente correlata a Unity AI Gateway e Omnigent. Il primo offre governance centralizzata e controllo dei costi, mentre il secondo rende più facile combinare o cambiare le catene di strumenti degli agenti. Insieme, supportano una strategia basata sulla flessibilità, piuttosto che sulla dipendenza da un singolo modello o fornitore di agenti.

Perché gli investitori potrebbero vedere Databricks come un vincitore dell'infrastruttura IA

Databricks non è nata come laboratorio di IA all'avanguardia, ma potrebbe essere proprio questo il suo fascino. Possiede già relazioni aziendali, infrastrutture dati, tecnologie di governance, integrazione cloud e carichi di lavoro legati a sistemi aziendali critici.

Mentre le aziende passano dai prototipi di IA alla produzione, i problemi spinosi sono spesso di natura operativa:

• A quali dati possono accedere gli agenti?
• Quale modello dovrebbe gestire ogni attività?
• Come monitorare e limitare la spesa?
• Come verificare prompt, chiamate di strumenti e operazioni?
• Dove memorizzano e aggiornano lo stato dell'applicazione gli agenti?
• Come valutano i team la qualità utilizzando i propri dati e flussi di lavoro?

Databricks sta costruendo prodotti intorno a questi problemi. Di conseguenza, la sua storia di finanziamenti non riflette solo l'entusiasmo degli investitori per il marchio IA. L'azienda sta cercando di diventare il livello operativo che collega dati, modelli, applicazioni, agenti, governance e controllo dei costi per le imprese.

Ciò non elimina i rischi associati a valutazioni private molto elevate. Databricks deve ancora trasformare l'espansione del prodotto in entrate sostenibili, mantenere la crescita, competere con provider cloud e piattaforme IA specializzate, e infine soddisfare le aspettative corrispondenti a una valutazione di 188 miliardi di dollari.

Tuttavia, la sequenza dei round di finanziamento suggerisce che gli investitori credono che la posizione dell'azienda all'intersezione tra dati aziendali e IA le conferisca un notevole vantaggio competitivo.

Cosa significa (e non significa) una valutazione di 188 miliardi di dollari

La valutazione del mercato privato è il prezzo corrispondente a una specifica transazione di finanziamento. È diversa dalla capitalizzazione di mercato pubblica e non implica necessariamente che ogni azione esistente possa essere venduta a quel prezzo.

L'annuncio attuale si basa su una lettera d'intenti firmata, e si prevede che l'operazione sarà completata entro la fine dell'estate. Fino al completamento del processo, la dimensione e la composizione finale di questo round potrebbero cambiare o non essere divulgate.

La valutazione indica che gli investitori partecipanti sono pronti a portare la valutazione di Databricks ben al di sopra dei precedenti 134 miliardi di dollari. Fornisce inoltre all'azienda risorse significative per assunzioni, ricerca, sviluppo prodotto, acquisizioni e potenziali piani di liquidità per i dipendenti.

La sostenibilità di questa valutazione dipenderà dalle future performance finanziarie e dalla capacità dell'azienda di mantenere una posizione centrale nell'evoluzione dell'architettura IA aziendale.

Domande frequenti

Qual è la valutazione di Databricks nel 2026?

A luglio 2026, Databricks ha annunciato una lettera d'intenti per un finanziamento strategico con una valutazione di 188 miliardi di dollari. Si prevede che il round si chiuda entro la fine dell'estate, guidato dall'investitore esistente Coatue.

Quanto ha raccolto Databricks in questo round?

Databricks non ha ancora divulgato pubblicamente l'importo specifico di questo round. TechCrunch, citando altri rapporti, stima che il finanziamento sia di circa 3 miliardi di dollari, ma l'annuncio ufficiale ha confermato solo la valutazione, il lead investor e la data di completamento prevista.

Il round di finanziamento da 188 miliardi di dollari di Databricks è stato completato?

Secondo l'annuncio, no. Databricks ha dichiarato di aver firmato una lettera d'intenti e prevede che l'operazione si concluda entro la fine dell'estate 2026.

Perché la valutazione di Databricks cresce così rapidamente?

Gli investitori valutano Databricks al di là del tradizionale ambito dell'analisi cloud. La sua piattaforma ora include dati aziendali, agenti IA, governance dei modelli, database operativi, strumenti IA orientati al business e gestione dei costi multi-modello.

In quali prodotti IA sta investendo Databricks?

L'azienda ha evidenziato in particolare Unity AI Gateway, Genie e Lakebase nell'ultimo annuncio di finanziamento. Il suo portafoglio IA più ampio include anche Agent Bricks e il progetto open source Omnigent meta-framework.

Cos'è Unity AI Gateway?

Unity AI Gateway è il livello di controllo e governance di Databricks per modelli, agenti, strumenti e fornitori di IA. Offre policy di accesso, controllo dei costi, osservabilità, barriere di sicurezza, routing e log di audit.

A cosa serve Lakebase?

Lakebase è un database Postgres serverless progettato per applicazioni e agenti IA. Fornisce un livello dati operativo per i sistemi agente, per mantenere lo stato e gestire dati applicativi che cambiano frequentemente.

Perché Databricks ha eseguito benchmark su GLM 5.2 e framework per agenti di codifica?

Databricks voleva misurare qualità e costi basandosi su compiti ingegneristici reali del proprio codice sorgente. La ricerca ha scoperto che sia il modello scelto che il framework associato influenzano significativamente il costo per completare un'attività.

Strumenti correlati

• Piattaforma Databricks Data + AI: Piattaforma unificata per dati aziendali, analisi, applicazioni, machine learning e agenti IA.
• Unity AI Gateway: Governance, osservabilità, routing, accesso e controllo dei costi per sistemi IA multi-modello.
• Lakebase: Infrastruttura Postgres serverless per applicazioni dati e agenti IA.
• Genie One: Collaboratore IA per aiutare i team aziendali a gestire dati aziendali governati.
• Agent Bricks: Strumenti per costruire, valutare, distribuire e governare agenti IA aziendali.
• Omnigent: Meta-framework open source per combinare e controllare più modelli e catene di strumenti agente.

Link correlati

• Annuncio finanziamento Databricks da 188 miliardi di dollari: Dichiarazione ufficiale dell'azienda sulla lettera d'intenti, valutazione, investitori e utilizzo dei fondi.
• Valutazione round L di Databricks a 134 miliardi di dollari: Nota: il link originale sembra non corrispondere; potrebbe essere necessario un riferimento corretto.

com/company/newsroom/press-releases/databricks-surpasses-4-8b-revenue-run-rate-growing-55-year-over-year): Dettagli ufficiali sul finanziamento di fine 2025 e sulla crescita finanziaria.

• Valutazione del round K di Databricks supera i 100 miliardi di dollari: Informazioni ufficiali sul round K del 2025 e sui traguardi dei ricavi AI.
• Valutazione del round J di Databricks a 62 miliardi di dollari: Annuncio del finanziamento della società di dicembre 2024.
• Benchmark degli agenti di programmazione di Databricks: Metodologia e risultati alla base del rapporto costo-efficacia del suo modello e della sua toolchain.
• Presentazione di Omnigent: Descrizione ufficiale di Databricks della meta-toolchain multi-agente open source.

Riepilogo

Databricks ha firmato un nuovo term sheet per un finanziamento strategico con una valutazione di 188 miliardi di dollari, guidato da Coatue, e si prevede che l'operazione sarà completata entro la fine dell'estate 2026. La società non ha ufficialmente divulgato l'entità del round di finanziamento.

La valutazione prosegue la sua rapida ascesa: da 62 miliardi di dollari alla fine del 2024, a oltre 100 miliardi nel 2025, a 134 miliardi all'inizio del 2026, fino agli attuali 188 miliardi di dollari. Questa crescita è accompagnata dall'espansione di Databricks dal cloud dei dati e dall'analisi all'intelligenza artificiale, ai database operativi, alla governance dei modelli, agli strumenti AI aziendali e all'infrastruttura multi-toolchain.

I suoi recenti lanci di prodotti e i benchmark interni di programmazione confermano la stessa strategia: le aziende necessitano di flessibilità tra modelli, maggiore controllo dei costi, accesso controllato ai dati proprietari e un'infrastruttura in grado di trasformare gli esperimenti AI in sistemi di produzione.

L'ultima valutazione riflette la fiducia degli investitori: Databricks ha il potenziale per diventare il livello di controllo centrale per i dati aziendali e l'AI, non solo un altro beneficiario del ciclo di finanziamento dell'AI.