Databricksは、新たな戦略的資金調達ラウンドの完了を発表し、同社の評価額は1880億ドルに達しました。これは、テクノロジー分野において最も急速に評価額を伸ばしている企業として、また新たな重要な一歩を踏み出したことを示しています。
Databricksは、新たな戦略的資金調達ラウンドの完了を発表し、同社の評価額は1880億ドルに達しました。これは、テクノロジー分野において最も急速に評価額を伸ばしている企業として、また新たな重要な一歩を踏み出したことを示しています。
同社は今回の資金調達に関するタームシート（条件書）に署名済みであり、2026年夏末までに取引を完了する見込みです。既存投資家のCoatueがリードし、さらなる新規・既存投資家の参加が予想されます。Databricksは公式発表で具体的な調達額を開示していません。TechCrunchの報道によると、他の情報源からは約30億ドルとの情報があるものの、同社による公式確認は得られていません。
今回の資金調達が注目されるのは、その規模の大きさだけでなく、Databricksが自社のポジショニングを拡大することに成功した点にもあります。同社は当初、ビッグデータとクラウド分析の時代に頭角を現しましたが、現在ではデータ、人工知能、AIエージェント、ガバナンス、モデルコスト管理の分野における中核的なエンタープライズプラットフォームへと変貌を遂げています。
画像出典：TechCrunch。原文はこのイラストがAI生成であることを明記しています。
Databricksは2026年7月16日、今回の資金調達を発表しました。同社によると、本ラウンドはマルチAI戦略の実施を加速し、エンタープライズAI製品ポートフォリオにおける複数の中核製品のさらなる開発を支援することを目的としています。
公式発表では、特に以下の3つの重点分野が強調されました。
Databricksはまた、この資金が将来のAI買収やより深い研究に使用される可能性があると述べています。今回の資金調達はまだ完了していないため、1880億ドルという評価額は、完了した取引ではなく、署名済みのタームシートにおける評価額を反映しています。
この違いは重要です。発表では、同社の期待評価額とリード投資家が確認されましたが、最終的な調達額と完全な投資家名簿は、取引完了後に初めて明らかになる可能性があります。
今回の発表以前から、同社は短期間のうちに複数の大規模な私募資金調達ラウンドを実施してきました。
| 日付 | 資金調達イベント | 報道評価額 |
|---|---|---|
| 2024年12月 | Jラウンド、予想100億ドル | 620億ドル |
| 2025年9月 | Kラウンド10億ドル | 1000億ドル超 |
| 2025年12月～2026年2月 | Lラウンドおよび関連投資（約50億ドルの株式を含む） | 1340億ドル |
| 2026年7月 | 新たな戦略的資金調達 | 評価額1880億ドル |
Coatueがリードするタームシート | 1880億ドル |
2024年12月、Databricksは620億ドルの評価額でJラウンドの資金調達を完了したと発表しました。2025年9月までに、Kラウンドにより評価額は1000億ドルを突破しました。同年後半には、1340億ドルの評価額でLラウンドの資金調達を発表し、その後2026年2月に拡大された投資の最新情報を公開しました。
約19ヶ月の間に、評価額は620億ドルから1880億ドルへと急上昇しました。これは、エンタープライズAIインフラストラクチャーを中心に据えた企業に対するプライベート投資家の評価額の高さを如実に示しています。また、DatabricksがIPOによる資金調達に頼ることなく、私募資本による資金調達を継続していることも意味しています。
このような頻繁な後期ラウンドの資金調達は異例となり、同社がベンチャーキャピタルのアルファベットをどこまで進むのかという冗談を生んでいます。しかし、そのユーモアの背後には、持続的な投資需要と、既存のデータビジネスと現在のエンタープライズAI市場を組み合わせるDatabricksの能力が反映されています。
Databricksは2013年、Apache Sparkのオリジナル開発者を含むチームによって設立されました。その初期の成長は、企業が大規模データセットを処理し、分析を実行し、クラウド上でデータワークロードを構築するのを支援することにありました。
生成AIが急速に普及し始めたとき、この歴史が同社に大きなアドバンテージをもたらしました。ほとんどの企業は、ゼロからのAI環境でスタートするわけではありません。彼らはすでにデータベース、データウェアハウス、ガバナンス要件、アクセス制御、コンプライアンス義務、そして複数のシステムに分散した長年のビジネスコンテキストを有しています。
Databricksは、データインフラストラクチャーレベルで既に機能していました。企業が独自データを活用したAIアプリケーションの構築を模索し始めたとき、同社は独立したモデルプロバイダーとしてゼロから始めるのではなく、既存のエンタープライズプラットフォームを拡張することができました。
この変革は、分析ビジネスを放棄することを意味するのではなく、同じ基盤資産である「ガバナンスが効いたビジネスデータ」を中心にプラットフォームを拡張するものです。Databricksの現在の中核的な考え方は、信頼性の高いエンタープライズAIには、データコンテキスト、モデルの柔軟性、セキュリティ、監視、運用インフラストラクチャーが連携して機能する必要があるというものです。
同社の最近の製品開発は、エンタープライズAIスタックの複数のレイヤーをどのように構築しているかを示しています。
Lakebaseは、Databricksが運用アプリケーションとAIエージェント向けに提供するサーバーレスPostgres製品であり、データの読み書きを必要とし、分析やAIワークロードと連携して動作するアプリケーションにトランザクション記録システムを提供することを目的としています。
サーバーレスPostgres企業のNeonを買収した後、この製品はDatabricksの戦略の重要な一部となりました。エージェントベースのアプリケーションにとって、運用データベースは不可欠です。なぜなら、エージェントは通常、静的な検索だけでなく、状態の維持、レコードの更新、ワークフローのトリガー、時間の経過に伴うアプリケーションのサポートを必要とするからです。
Unity AI Gatewayは、AI活動を管理するためのガバナンスとコントロールレイヤーであり、企業がモデルアクセス、ルーティング、予算、レート制限、可観測性、ガードレール、監査機能を管理できるように支援します。
複数のプロバイダーとツールにまたがる情報です。
このマルチモデルアプローチは、企業がワークロードに応じて異なるモデルを使い分ける傾向が強まっている現在の市場動向に合致しています。ある企業は、複雑な推論タスクにはハイパフォーマンスな専用モデルを、日常的なタスクには軽量モデルを、コスト、カスタマイズ、展開の制御がより重要となる場合にはオープンウェイトモデルを選択する可能性があります。
Genieは、AIコラボレーターとして位置づけられており、従業員がビジネスデータに関する質問をして、信頼できる回答やアクションの提案を得ることを可能にします。これは、ユーザー向けのプロダクティビティレイヤーに近いものであり、ガバナンスが効いたデータとプラットフォーム機能を、ビジネスチームが直接使用できるインタラクティブインターフェースに変換します。
Agent Bricksは、エンタープライズデータに接続されたAIエージェントを構築、展開、管理するためのツールを提供します。これは、Databricksの全体的な戦略、すなわちモデル実験から、評価、監視、ガバナンスが可能な本番システムへの移行をサポートします。
Omnigentは、DatabricksのAIチームとNeonが共同開発した、オープンソースの「メタフレームワーク」です。このツールは、Claude Code、Codex、Pi、カスタムツールなどのコーディングエージェントを置き換えることを目的とするのではなく、それらの上に汎用レイヤーを構築します。
このプロジェクトは、チームが異なるエージェントを組み合わせ、モデルやフレームワークを切り替え、ポリシー制御を実装し、サンドボックス内でエージェントを実行し、リアルタイムセッションで協調することを可能にすることを目指しています。これは、モデル自体が効果的なAIシステムの構成要素に過ぎないというDatabricksの中核的な考え方を体現しています。
DatabricksのAI戦略において、もう一つの重要な要素は、オープンモデルと専用システムの両方を評価し、同時に使用する姿勢です。
2026年7月、同社は数百万行のコードベースにおける実際のコーディングタスクに基づいた内部ベンチマーク結果を公開しました。このテストでは、異なるモデルと、それらが動作するエージェントフレームワークが同時に比較されました。
アイデアを一文で入力するだけで、We0 AI が紹介サイト、ページ、CMS を生成し、公開後の顧客獲得と流入拡大を支援します。
無料登録で完全なプロジェクトを 1 つ生成
1 つの完全な生成フローを試し、最初のプロジェクトのドラフトをすぐに確認するのに最適です。
Databricksのレポートによると、オープンモデルは品質とコストのバランスに優れており、GLM 5.2はテスト対象のコーディングワークロードにおいて最高水準の性能を達成しました。同社のデータによれば、GLM 5.2は品質面でAnthropicのOpus 4.8と統計的に同等でありながら、タスクあたりの平均コストは低くなっています。
これらの結果は、一般的なランキングと見なすべきではありません。このベンチマークは、Databricks自身のコードベース、言語、ワークフロー、テスト、エンジニアリング要件に基づいて構築されています。その真の価値は方法論にあります。組織は、公開されているリーダーボードだけに頼るのではなく、自社のタスクでモデルをテストすることで、より優れた調達・ルーティングの意思決定を行える可能性があります。
同じベンチマークでは、エージェントフレームワークがエンドツーエンドのコストと品質に大きな影響を与えることも判明しました。
フレームワークは、モデルのコンテキスト、ツール呼び出し、指示、反復ループ、および作業環境とのインタラクションを管理します。同じ基盤モデルを使用する2つのシステムでも、転送するコンテキスト量、実行ステップ数、ツール呼び出し方法が異なる場合があります。
Databricksは、特定のテストにおいて、同じモデルと推論戦略を異なるフレームワークで実行した場合、品質を維持したままコストに2倍以上の差が生じることを発見しました。テストされた他のソリューションと比較して、よりシンプルなPiツールチェーンは、反復コンテキストをはるかに少なく使用する傾向がありました。
結論として、特定のツールチェーンが常に優れているわけではありません。むしろDatabricksは、モデル選択はAI効率の一部に過ぎないと考えています。モデル、ツールチェーン、ルーティング、コンテキスト管理、タスク複雑性の組み合わせが、作業完了にかかる実際のコストを決定します。
この発見は、Unity AI GatewayやOmnigentに直接関連します。前者は集中管理とコスト制御を提供し、後者はエージェントツールチェーンの組み合わせや切り替えを容易にします。両者は、単一のモデルやエージェントプロバイダに依存するのではなく、柔軟性に基づく戦略を支えています。
Databricksは最先端のAIラボからスタートしたわけではありませんが、それが魅力かもしれません。同社はすでに、企業との関係、データインフラ、ガバナンス技術、クラウド統合、そして主要なビジネスシステムに関連するワークロードを有しています。
企業がAIプロトタイプから本番環境への移行を進めるにつれ、困難な問題は往々にして運用面にあります：
Databricksはこれらの問題を中心に製品を構築しています。そのため、同社の資金調達ストーリーは、投資家のAIブランドへの熱意を反映しているだけではありません。同社は、企業がデータ、モデル、アプリケーション、エージェント、ガバナンス、コスト制御を結びつける運用レイヤーになることを目指しています。
これにより、非常に高い非公開評価額に伴うリスクがなくなるわけではありません。Databricksは、製品展開を持続的な収益に変え、成長を維持し、クラウドプロバイダや専門AIプラットフォームと競争し、最終的には1,880億ドルの評価額に見合う期待に応える必要があります。
それでも、資金調達ラウンドの順序は、投資家が同社の企業データとAIの交差点における地位が、大きな競争優位性をもたらすと信じていることを示しています。
非公開市場の評価額は、特定の資金調達取引に対応する価格です。公開市場の時価総額とは異なり、既存の全株式がその価格で売却できることを必ずしも意味しません。
今回の発表は、署名された投資意向書に基づくものであり、取引は夏の終わりまでに完了する見込みです。このプロセスが完了するまで、今回のラウンドの最終的な規模や構成は変更されるか、開示されない可能性があります。
この評価額は、参加投資家がDatabricksの評価額を以前の1,340億ドル以上から大幅に引き上げる用意があることを示しています。また、同社に採用、研究、製品開発、買収、および潜在的な従業員流動性計画のための強力なリソースを提供します。
この評価額が持続可能かどうかは、将来の財務実績と、企業AIアーキテクチャが進化し続ける中で同社が中心的な役割を維持できるかどうかに依存します。
2026年7月、Databricksは1,880億ドルの評価額での戦略的資金調達の条件書を発表しました。このラウンドは夏の終わりまでに完了する見込みで、既存投資家のCoatueがリードしています。
Databricksは今回のラウンドの具体的な金額を公表していません。TechCrunchは他の報道を引用して調達額を約30億ドルと報じていますが、同社の発表では評価額、リード投資家、完了予定時期のみが確認されています。
発表によれば、まだ完了していません。Databricksは条件書に署名したと述べており、取引は2026年夏の終わりまでに完了する見込みです。
投資家はDatabricksを従来のクラウド分析企業の枠を超えて評価しています。そのプラットフォームは現在、企業データ、AIエージェント、モデルガバナンス、運用データベース、ビジネス向けAIツール、マルチモデルコスト管理を網羅しています。
同社は最新の資金調達発表で、Unity AI Gateway、Genie、Lakebaseを特に強調しています。より広範なAI製品ポートフォリオには、Agent BricksやオープンソースプロジェクトのOmnigentメタフレームワークも含まれます。
Unity AI Gatewayは、モデル、エージェント、ツール、AIプロバイダ向けのDatabricksのコントロールおよびガバナンスレイヤーです。アクセスポリシー、コスト制御、可観測性、セキュリティガードレール、ルーティング、監査ログなどを提供します。
Lakebaseは、アプリケーションとAIエージェント向けに設計されたサーバーレスPostgresデータベースです。エージェントシステムに運用データレイヤーを提供し、状態の維持や頻繁に変化するアプリケーションデータの処理を行います。
Databricksは、自社のコードベースにおける実際のエンジニアリングタスクに基づいて品質とコストを測定したいと考えていました。調査の結果、選択されたモデルとそれに付随するフレームワークの両方が、タスク完了にかかるコストに大きな影響を与えることがわかりました。
Databricks 1,880億ドル資金調達発表：投資条件書、評価額、投資家、資金使途に関する同社の公式声明。
Databricks Lラウンド評価額1,340億ドル：同社の以前のラウンド詳細。
Databricks、経常収益率48億ドルを突破、前年比55％増加：2025年末の資金調達および財務成長勢いに関する公式詳細。
Databricks、シリーズKラウンドで評価額1000億ドル超え：2025年のシリーズKラウンドおよびAI収益マイルストーンに関する公式情報。
Databricks、シリーズJラウンドで評価額620億ドル：2024年12月の資金調達に関する企業発表。
Databricksのコーディングエージェントベンチマーク：そのモデルとツールチェーンのコスト効率の主張の背後にある方法論と結果。
Omnigentの紹介：Databricksによるオープンソースのマルチエージェントメタツールチェーンに関する公式説明。
Databricksは、評価額1880億ドル、Coatue主導による新たな戦略的資金調達のタームシートに署名し、取引は2026年夏の終わり頃に完了する見込みです。同社は今回のラウンドの調達規模を正式に開示していません。
評価額は急速な成長を続けており、2024年末の620億ドルから、2025年に1000億ドルを突破、2026年初頭には1340億ドル、そして今回1880億ドルにまで上昇しました。この成長は、Databricksがクラウドデータ・アナリティクス分野から、AIエージェント、オペレーショナルデータベース、モデルガバナンス、ビジネス向けAIツール、マルチツールチェーンインフラストラクチャへと事業領域を拡大していることに同期しています。
最近の製品発表や社内コーディングベンチマークも、同じ戦略を裏付けています。すなわち、企業はモデルを超えた柔軟性、より強力なコスト管理、独自データへの制御されたアクセス、そしてAI実験を本番システムへと変換できるインフラストラクチャを必要としているのです。
今回の最新評価額は、投資家の確信を反映しています。Databricksは、単なるAI資金調達サイクルにおける一受益者ではなく、企業のデータとAIのための中心的なコントロールプレーンとなる可能性を秘めている、と。
