A Databricks anunciou a conclusão de uma nova rodada de financiamento estratégico, com a empresa avaliada em US$ 188 bilhões, marcando mais ...
A Databricks anunciou a conclusão de uma nova rodada de financiamento estratégico, com a empresa avaliada em US$ 188 bilhões, marcando mais um passo importante na trajetória de crescimento mais rápido de valuation no setor de tecnologia.
A empresa já assinou os termos da rodada de financiamento, com previsão de conclusão no final do verão de 2026. A Coatue, investidora existente, lidera a rodada, e espera-se a participação de novos e antigos investidores. A Databricks não divulgou o valor específico do financiamento em seu comunicado oficial. Segundo relatos do TechCrunch, outras fontes indicam que o montante é de aproximadamente US$ 3 bilhões, mas o número ainda não foi confirmado oficialmente pela empresa.
Este financiamento chama a atenção não apenas por seu porte, mas também pela capacidade da Databricks de expandir seu posicionamento. Originalmente emergindo na era do big data e da análise em nuvem, a empresa agora se transformou em uma plataforma empresarial central para dados, inteligência artificial, agentes de IA, governança e controle de custos de modelos.
Fonte da imagem: TechCrunch. O original indica que a ilustração foi gerada por IA.
A Databricks anunciou o financiamento em 16 de julho de 2026. Segundo a empresa, a rodada visa acelerar a implementação de sua estratégia de múltiplas IAs e apoiar o desenvolvimento de vários produtos principais em seu portfólio de IA empresarial.
O comunicado oficial destacou três áreas prioritárias:
A Databricks também afirmou que os recursos podem ser usados para futuras aquisições no campo de IA e pesquisas mais aprofundadas. Como a rodada ainda não foi concluída, o valuation de US$ 188 bilhões reflete a avaliação com base nos termos já assinados, e não em uma transação de financiamento finalizada.
Essa distinção é importante. O comunicado confirma o valuation esperado da empresa e o investidor líder, enquanto o valor final do financiamento e a lista completa de investidores podem não ser conhecidos até o fechamento da transação.
Antes do anúncio mais recente, a empresa já havia realizado várias rodadas de financiamento privado de grande escala em um curto período.
| Data | Evento de financiamento | Valuation reportado |
|---|---|---|
| Dezembro de 2024 | Rodada J, financiamento esperado de US$ 10 bilhões | US$ 62 bilhões |
| Setembro de 2025 | Rodada K de US$ 1 bilhão | Mais de US$ 100 bilhões |
| Dezembro de 2025 - Fevereiro de 2026 | Rodada L e investimentos relacionados, incluindo aproximadamente US$ 5 bilhões em capital | US$ 134 bilhões |
| Julho de 2026 | Nova rodada de financiamento estratégico | Valuation atinge US$ 188 bilhões |
Termos liderados pela Coatue | US$ 188 bilhões |
Em dezembro de 2024, a Databricks anunciou a conclusão da rodada J com valuation de US$ 62 bilhões. Em setembro de 2025, a rodada K elevou o valuation para mais de US$ 100 bilhões. Ainda naquele ano, a empresa anunciou a rodada L com valuation de US$ 134 bilhões, seguida por uma atualização ampliada do investimento em fevereiro de 2026.
Em cerca de 19 meses, o valuation saltou de US$ 62 bilhões para US$ 188 bilhões, demonstrando o alto valor que investidores privados atribuem a empresas posicionadas na infraestrutura de IA empresarial. Isso também significa que a Databricks continua a captar recursos por meio de capital privado, em vez de depender de uma oferta pública inicial para financiar sua expansão.
Essas rodadas de financiamento em estágio avançado, cada vez mais frequentes, tornaram-se incomuns a ponto de gerar brincadeiras sobre até onde a empresa pode chegar no alfabeto do capital de risco. No entanto, por trás do humor, esse padrão reflete a necessidade contínua de investimento e a capacidade da Databricks de combinar seu negócio de dados existente com o mercado atual de IA empresarial.
Fundada em 2013, a Databricks tem como fundadores os criadores originais do Apache Spark. Seu crescimento inicial veio de ajudar empresas a processar grandes conjuntos de dados, executar análises e construir cargas de trabalho de dados na nuvem.
Quando a IA generativa acelerou sua adoção, esse histórico trouxe uma vantagem significativa para a empresa. A maioria das empresas não parte de um ambiente de IA em branco; elas já possuem bancos de dados, data warehouses, necessidades de governança, controles de acesso, obrigações de compliance e anos de contexto de negócios distribuídos em vários sistemas.
A Databricks já operava no nível da infraestrutura de dados. Quando as empresas começaram a buscar construir aplicações de IA usando dados proprietários, a empresa conseguiu expandir sua plataforma empresarial existente, em vez de começar do zero como um provedor independente de modelos.
Essa transformação não significa abandonar a análise de dados, mas sim expandir a plataforma em torno dos mesmos ativos fundamentais — dados de negócios governados. O conceito central da Databricks atualmente é que a IA empresarial confiável requer contexto de dados, flexibilidade de modelos, segurança, monitoramento e infraestrutura operacional trabalhando em conjunto.
O recente desenvolvimento de produtos da empresa mostra como ela está construindo múltiplas camadas do stack de IA empresarial.
Lakebase é o produto Postgres sem servidor da Databricks voltado para aplicações operacionais e agentes de IA, projetado para fornecer um sistema de registro transacional para aplicações que precisam ler e gravar dados, operando em conjunto com cargas de trabalho de análise e IA.
Após a aquisição da Neon, empresa de Postgres sem servidor, este produto se tornou uma parte importante da estratégia da Databricks. Para aplicações baseadas em agentes, bancos de dados operacionais são essenciais, pois os agentes geralmente precisam não apenas de recuperação estática, mas também de manter estado, atualizar registros, acionar fluxos de trabalho e suportar aplicações que evoluem ao longo do tempo.
O Unity AI Gateway é a camada de governança e controle da empresa para gerenciar atividades de IA, ajudando empresas a administrar acesso a modelos, roteamento, orçamento, limites de taxa, observabilidade, barreiras de proteção e funcionalidades de auditoria.
Informações através de múltiplos provedores e ferramentas.
Essa abordagem de múltiplos modelos está alinhada com a tendência atual do mercado — empresas cada vez mais usam modelos diferentes para cargas de trabalho distintas. Uma empresa pode optar por um modelo proprietário de alto desempenho para tarefas complexas de raciocínio, um modelo leve para tarefas rotineiras, e modelos de pesos abertos quando custo, customização ou controle de implantação são mais importantes.
O Genie é posicionado como um colaborador de IA, permitindo que funcionários façam perguntas sobre dados de negócios e recebam respostas confiáveis ou recomendações de ações. Ele está mais próximo da camada de produtividade voltada ao usuário: transforma dados governados e capacidades da plataforma em interfaces interativas diretamente utilizáveis pelas equipes de negócios.
O Agent Bricks fornece ferramentas para construir, implantar e gerenciar agentes de IA conectados a dados empresariais. Ele suporta a estratégia geral da Databricks de transição da experimentação de modelos para sistemas de produção que podem ser avaliados, monitorados e governados.
O Omnigent é um "meta-framework" de código aberto desenvolvido pela equipe de IA da Databricks em conjunto com a Neon. Esta ferramenta não visa substituir agentes de codificação como Claude Code, Codex, Pi ou ferramentas personalizadas, mas sim estabelecer uma camada comum sobre eles.
O projeto visa permitir que equipes combinem diferentes agentes, troquem modelos ou frameworks, implementem controles de política, executem agentes em sandboxes e colaborem em sessões em tempo real. Isso reflete o conceito central da Databricks: o modelo em si é apenas um componente de um sistema de IA eficaz.
Outro elemento-chave na estratégia de IA da Databricks é a disposição de avaliar e usar simultaneamente modelos abertos e sistemas proprietários.
Em julho de 2026, a empresa divulgou resultados de benchmarks internos baseados em tarefas reais de codificação em sua base de código de milhões de linhas. O teste comparou diferentes modelos e os frameworks de agentes em que operavam.
Um relatório da Databricks mostra que modelos abertos se destacam no equilíbrio entre qualidade e custo, com o GLM 5.2 atingindo o nível mais alto de capacidade nas cargas de trabalho de codificação testadas. De acordo com os dados da empresa, o GLM 5.2 é estatisticamente equivalente ao Opus 4.8 da Anthropic em qualidade, ao mesmo tempo que apresenta um custo médio por tarefa mais baixo.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Estes resultados não devem ser interpretados como uma classificação universal. O benchmark foi construído com base no próprio repositório de código, linguagens, fluxos de trabalho, testes e necessidades de engenharia da Databricks. O seu verdadeiro valor reside na metodologia: as organizações podem obter melhores decisões de aquisição e roteamento ao testar modelos nas suas próprias tarefas, em vez de confiar apenas em rankings públicos.
O mesmo benchmark também descobriu que o framework de agentes tem um grande impacto no custo e na qualidade finais.
O framework gere o contexto do modelo, as chamadas de ferramentas, as instruções, os ciclos iterativos e a interação com o ambiente de trabalho. Mesmo que dois sistemas utilizem o mesmo modelo base, podem diferir na quantidade de contexto transmitido, no número de passos executados ou na forma como as ferramentas são chamadas.
A Databricks descobriu que, em alguns testes, executar o mesmo modelo e estratégia de inferência através de diferentes frameworks pode resultar numa diferença de custo superior ao dobro, mantendo simultaneamente uma qualidade semelhante. Em comparação com outras soluções testadas, a cadeia de ferramentas Pi, mais simples, geralmente utiliza muito menos contexto repetido.
A conclusão não é que uma determinada cadeia de ferramentas seja sempre superior. Pelo contrário, a Databricks acredita que a seleção do modelo é apenas uma parte da eficiência da IA. A combinação de modelo, cadeia de ferramentas, roteamento, gestão de contexto e complexidade da tarefa determina o custo real para concluir o trabalho.
Esta descoberta está diretamente relacionada com o Unity AI Gateway e o Omnigent. O primeiro fornece governação centralizada e controlo de custos, enquanto o segundo facilita a combinação ou alternância entre cadeias de ferramentas de agentes. Ambos apoiam uma estratégia baseada na flexibilidade, em vez de depender de um único modelo ou fornecedor de agentes.
A Databricks não começou como um laboratório de IA de ponta, mas isso pode ser precisamente o seu charme. Já possui relações empresariais, infraestrutura de dados, tecnologia de governação, integração na nuvem e cargas de trabalho relacionadas com sistemas de negócio críticos.
À medida que as empresas passam de protótipos de IA para implementações em produção, as questões difíceis são frequentemente operacionais:
A Databricks está a construir produtos em torno destas questões. Assim, a sua história de financiamento não reflete apenas o entusiasmo dos investidores pela marca de IA. A empresa está a tentar tornar-se a camada operacional que conecta dados, modelos, aplicações, agentes, governação e controlo de custos nas empresas.
Isto não elimina os riscos associados a uma avaliação privada extremamente elevada. A Databricks ainda precisa de transformar a expansão do produto em receita duradoura, manter o crescimento, competir com fornecedores de nuvem e plataformas de IA especializadas, e, finalmente, justificar as expectativas alinhadas com a avaliação de 188 mil milhões de dólares.
Apesar disso, a sequência das rondas de financiamento sugere que os investidores acreditam que a posição da empresa na interseção entre dados empresariais e IA lhe confere uma vantagem competitiva significativa.
A avaliação no mercado privado corresponde ao preço de uma determinada transação de financiamento. É diferente da capitalização de mercado pública e não representa necessariamente que cada ação existente possa ser vendida a esse preço.
O anúncio atual baseia-se numa carta de intenções de investimento assinada, com a transação prevista para ser concluída no final do verão. Antes da conclusão deste processo, o tamanho final e a composição desta ronda de financiamento podem mudar ou não ser divulgados.
A avaliação indica que os investidores participantes estão dispostos a aumentar significativamente a avaliação da Databricks para além dos anteriores 134 mil milhões de dólares. Também fornece à empresa recursos sólidos para contratação, investigação, desenvolvimento de produtos, aquisições e potenciais planos de liquidez para funcionários.
A sustentabilidade desta avaliação dependerá do desempenho financeiro futuro e da capacidade da empresa para se manter central na evolução contínua da arquitetura de IA empresarial.
Em julho de 2026, a Databricks anunciou os termos de uma ronda de financiamento estratégico com uma avaliação de 188 mil milhões de dólares. Esta ronda de financiamento deverá ser concluída no final do verão, liderada pelo investidor existente Coatue.
A Databricks ainda não divulgou publicamente o montante específico desta ronda de financiamento. A TechCrunch citou outros relatórios indicando que o financiamento é de cerca de 30 mil milhões de dólares, mas o anúncio da empresa apenas confirmou a avaliação, o investidor líder e a data prevista de conclusão.
De acordo com o anúncio, ainda não. A Databricks afirmou ter assinado a carta de intenções e que a transação deverá ser concluída no final do verão de 2026.
Os investidores avaliaram a Databricks para além do âmbito das empresas tradicionais de análise na nuvem. A sua plataforma agora abrange dados empresariais, agentes de IA, governação de modelos, bases de dados operacionais, ferramentas de IA orientadas para os negócios e gestão de custos multi-modelo.
A empresa destacou especificamente o Unity AI Gateway, o Genie e o Lakebase no seu anúncio de financiamento mais recente. O seu portfólio mais amplo de IA inclui também o Agent Bricks e o projeto open-source de meta-framework Omnigent.
O Unity AI Gateway é a camada de controlo e governação da Databricks para modelos, agentes, ferramentas e fornecedores de IA. Fornece funcionalidades como políticas de acesso, controlo de custos, observabilidade, medidas de segurança, roteamento e registos de auditoria.
O Lakebase é uma base de dados Postgres sem servidor concebida para aplicações e agentes de IA. Fornece uma camada de dados operacionais para sistemas de agentes, para manter o estado e lidar com dados de aplicações que mudam frequentemente.
A Databricks queria medir a qualidade e o custo com base em tarefas reais de engenharia no seu próprio repositório de código. O estudo descobriu que tanto o modelo selecionado como o seu framework acompanhante podem impactar significativamente o custo de conclusão das tarefas.
(https://www.databricks.com/company/newsroom/press-releases/databricks-surpasses-4-8b-revenue-run-rate-growing-55-year-over-year): Detalhes oficiais sobre o financiamento e o impulso financeiro no final de 2025.
A Databricks assinou um novo termo de financiamento estratégico, com valuation de US$ 188 bilhões, liderado pela Coatue, com previsão de conclusão no final do verão de 2026. A empresa não divulgou oficialmente o tamanho da rodada.
O valuation mantém um crescimento acelerado: de US$ 62 bilhões no final de 2024, para ultrapassar US$ 100 bilhões em 2025, alcançar US$ 134 bilhões no início de 2026, e agora chegar a US$ 188 bilhões. Esse crescimento acompanha a expansão da Databricks, que vai do setor de dados e análise em nuvem para áreas como agentes de IA, bancos de dados operacionais, governança de modelos, ferramentas empresariais de IA e infraestrutura de múltiplas ferramentas.
Seus lançamentos recentes de produtos e benchmarks internos de programação reforçam a mesma estratégia: as empresas precisam de flexibilidade entre modelos, maior controle de custos, acesso regulado a dados proprietários e uma infraestrutura que transforme experimentos de IA em sistemas de produção.
O valuation mais recente reflete a confiança dos investidores de que a Databricks tem potencial para se tornar a camada central de controle de dados e IA nas empresas — e não apenas mais um beneficiário do ciclo de financiamento de IA.
Comece com uma frase e tenha um site completo em minutos.
