Databricks объявила о завершении очередного раунда стратегического финансирования, в результате которого оценка компании достигла 188 миллиа...
Databricks объявила о завершении очередного раунда стратегического финансирования, в результате которого оценка компании достигла 188 миллиардов долларов. Это знаменует собой очередной важный шаг на пути стремительного роста стоимости компании в технологическом секторе.
Компания подписала условия данного раунда финансирования, ожидается, что сделка будет закрыта в конце лета 2026 года. Существующий инвестор Coatue выступил ведущим инвестором, и ожидается участие других новых и действующих инвесторов. Databricks не раскрыла конкретную сумму финансирования в официальном объявлении. По данным TechCrunch, другие источники указывают на сумму около 3 миллиардов долларов, однако эта цифра не была официально подтверждена компанией.
Данный раунд финансирования примечателен не только своими масштабами, но и демонстрацией способности Databricks успешно расширять свою позицию на рынке. Изначально компания выделилась в эпоху больших данных и облачной аналитики, а теперь трансформировалась в ключевую корпоративную платформу в области данных, искусственного интеллекта, AI-агентов, управления и контроля затрат на модели.
Источник изображения: TechCrunch. В оригинале указано, что иллюстрация создана с помощью ИИ.
Databricks объявила о данном финансировании 16 июля 2026 года. По заявлению компании, этот раунд направлен на ускорение реализации её мульти-AI стратегии и поддержку дальнейшей разработки нескольких ключевых продуктов в её корпоративном AI-портфеле.
В официальном объявлении особо выделены три ключевых направления:
Databricks также сообщила, что эти средства могут быть использованы для будущих приобретений в сфере ИИ и более глубоких исследований. Поскольку данный раунд ещё не завершён, оценка в 188 миллиардов долларов отражает стоимость, установленную в подписанных условиях, а не завершённую сделку.
Это различие важно. В объявлении подтверждены ожидаемая оценка компании и ведущий инвестор, в то время как окончательная сумма финансирования и полный список инвесторов могут быть известны только после закрытия сделки.
Перед последним объявлением компания уже провела несколько крупных раундов частного финансирования за относительно короткий период.
| Дата | Событие финансирования | Сообщаемая оценка |
|---|---|---|
| Декабрь 2024 г. | Раунд J, ожидаемые 10 млрд долларов | 62 млрд долларов |
| Сентябрь 2025 г. | Раунд K, 1 млрд долларов | Более 100 млрд долларов |
| Декабрь 2025 г. — Февраль 2026 г. | Раунд L и связанные инвестиции, включая ~5 млрд долларов акционерного капитала | 134 млрд долларов |
| Июль 2026 г. | Новый раунд стратегического финансирования | Оценка достигла 188 млрд долларов |
Условия, возглавляемые Coatue | 188 млрд долларов |
В декабре 2024 года Databricks объявила о завершении раунда J с оценкой в 62 миллиарда долларов. К сентябрю 2025 года раунд K поднял её оценку выше отметки в 100 миллиардов долларов. Позже в том же году компания объявила о раунде L с оценкой в 134 миллиарда долларов, а в феврале 2026 года представила обновлённую информацию о расширенных инвестициях.
За примерно 19 месяцев оценка компании выросла с 62 до 188 миллиардов долларов, что наглядно демонстрирует, насколько высоко частные инвесторы оценивают компании, строящие свою инфраструктуру вокруг корпоративного ИИ. Это также означает, что Databricks продолжает привлекать капитал через частные размещения, а не полагаться на недавнее публичное размещение акций для финансирования своего расширения.
Такая частотность раундов финансирования на поздних стадиях стала необычной, что породило шутки о том, как далеко компания сможет продвинуться по алфавиту венчурных раундов. Однако за этим юмором скрывается реальность, отражающая постоянную потребность в инвестициях и способность Databricks сочетать свой существующий бизнес в области данных с текущим рынком корпоративного ИИ.
Databricks была основана в 2013 году командой, включающей оригинальных разработчиков Apache Spark. Её ранний рост был обусловлен помощью предприятиям в обработке крупных массивов данных, проведении аналитики и создании рабочих нагрузок с данными в облаке.
Эта история дала компании значительное преимущество, когда генеративный ИИ начал набирать обороты. Большинство предприятий начинали не с пустой AI-среды; у них уже были базы данных, хранилища данных, требования к управлению, контроль доступа, обязательства по соблюдению нормативных требований и многолетний бизнес-контекст, распределённый по множеству систем.
Databricks уже работала на уровне инфраструктуры данных. Когда предприятия начали искать способы создания AI-приложений с использованием собственных данных, компания смогла расширить свою существующую корпоративную платформу, а не начинать с нуля как независимый поставщик моделей.
Эта трансформация не означала отказ от аналитики. Напротив, она заключалась в расширении платформы вокруг того же базового актива — управляемых бизнес-данных. Текущая ключевая идея Databricks заключается в том, что надёжный корпоративный ИИ требует совместной работы контекста данных, гибкости моделей, безопасности, мониторинга и операционной инфраструктуры.
Недавние разработки продуктов компании демонстрируют, как она строит многоуровневый стек корпоративного ИИ.
Lakebase — это бессерверный продукт Databricks на основе Postgres для операционных приложений и AI-агентов. Он предназначен для предоставления транзакционной системы записи для приложений, которым требуется чтение и запись данных, а также совместная работа с аналитическими и AI-рабочими нагрузками.
После приобретения компании Neon, занимающейся бессерверным Postgres, этот продукт стал важной частью стратегии Databricks. Для приложений на основе агентов операционная база данных критически важна, поскольку агентам часто требуется не только статический поиск, но и поддержание состояния, обновление записей, запуск рабочих процессов и поддержка приложений, изменяющихся с течением времени.
Unity AI Gateway — это уровень управления и контроля компании для администрирования AI-активности. Он помогает предприятиям управлять доступом к моделям, маршрутизацией, бюджетами, ограничениями скорости, наблюдаемостью, защитными ограждениями и функциями аудита.
Информация, поступающая от нескольких провайдеров и инструментов.
Такой мультимодельный подход соответствует текущим рыночным тенденциям — предприятия всё чаще используют разные модели для разных рабочих нагрузок. Одна компания может использовать высокопроизводительную проприетарную модель для сложных задач рассуждения, лёгкую модель для рутинных задач и модели с открытым весом, когда более важны стоимость, кастомизация или контроль развёртывания.
Genie позиционируется как AI-коллега, позволяющий сотрудникам задавать вопросы о бизнес-данных и получать доверенные ответы или рекомендации к действиям. Он ближе к пользовательскому уровню производительности: превращает управляемые данные и возможности платформы в интерактивный интерфейс, напрямую используемый бизнес-командами.
Agent Bricks предоставляет инструменты для создания, развёртывания и управления AI-агентами, подключёнными к корпоративным данным. Он поддерживает общую стратегию Databricks по переходу от экспериментов с моделями к производственным системам, которые можно оценивать, контролировать и управлять ими.
Omnigent — это открытая «мета-инфраструктура», разработанная AI-командой Databricks совместно с Neon. Этот инструмент не предназначен для замены таких кодовых агентов, как Claude Code, Codex, Pi или пользовательские инструменты, а скорее создаёт общий слой поверх них.
Проект направлен на то, чтобы позволить командам комбинировать различных агентов, переключать модели или фреймворки, внедрять политики управления, запускать агентов в изолированной среде и сотрудничать в реальном времени. Это отражает ключевую идею Databricks: сама по себе модель является лишь компонентом эффективной AI-системы.
Ещё одним ключевым элементом AI-стратегии Databricks является готовность оценивать и одновременно использовать как открытые модели, так и проприетарные системы.
В июле 2026 года компания опубликовала результаты внутреннего бенчмаркинга, основанные на реальных задачах по кодированию из своей базы кода, насчитывающей миллионы строк. В этом тесте одновременно сравнивались различные модели и агентские фреймворки, на которых они работали.
Отчёт Databricks показывает, что открытые модели демонстрируют выдающийся баланс между качеством и стоимостью, причём GLM 5.2 достиг самого высокого уровня производительности в протестированных задачах кодирования. Согласно данным компании, GLM 5.2 статистически сопоставим по качеству с Opus 4.8 от Anthropic, при этом средняя стоимость за задачу ниже.
Эти результаты не следует рассматривать как общий рейтинг. Данный бенчмарк построен на основе собственного кода, языков, рабочих процессов, тестов и инженерных потребностей Databricks. Его истинная ценность заключается в методологии: организации могут получить более оптимальные решения по закупкам и маршрутизации, тестируя модели на собственных задачах, а не полагаясь исключительно на публичные рейтинги.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Тот же бенчмарк также показал, что агентные фреймворки оказывают значительное влияние на общую стоимость и качество.
Фреймворк управляет контекстом модели, вызовами инструментов, инструкциями, итерационными циклами и взаимодействием с рабочей средой. Даже если две системы используют одну и ту же базовую модель, объём передаваемого контекста, количество шагов выполнения или способ вызова инструментов могут различаться.
Databricks обнаружила, что в некоторых тестах разница в стоимости при запуске одной и той же модели и стратегии вывода через разные фреймворки может превышать двукратную, при сохранении
аналогичного качества. По сравнению с другими протестированными решениями, более простой инструментарий Pi, как правило, использует гораздо меньше повторяющегося контекста.
Вывод не в том, что какой-то конкретный инструментарий всегда превосходит другие. Напротив, Databricks считает, что выбор модели — лишь часть эффективности ИИ. Сочетание модели, инструментария, маршрутизации, управления контекстом и сложности задачи определяет реальную стоимость выполнения работы.
Это открытие напрямую связано с Unity AI Gateway и Omnigent. Первый обеспечивает централизованное управление и контроль затрат, второй упрощает комбинирование или переключение агентных инструментариев. Вместе они поддерживают стратегию, основанную на гибкости, а не на зависимости от одного поставщика модели или агента.
Databricks не начинал как передовая лаборатория ИИ, но это может быть его преимуществом. Уже есть корпоративные связи, инфраструктура данных, технологии управления, облачная интеграция и рабочие нагрузки, связанные с ключевыми бизнес-системами.
Когда компании переходят от прототипов ИИ к производственному развёртыванию, сложные вопросы часто оказываются на операционном уровне:
Databricks строит свои продукты вокруг этих вопросов. Поэтому история его финансирования отражает не только энтузиазм инвесторов по поводу бренда ИИ. Компания пытается стать операционным уровнем, соединяющим данные, модели, приложения, агентов, управление и контроль затрат в корпоративной среде.
Это не устраняет риски, связанные с чрезвычайно высокой частной оценкой. Databricks по-прежнему необходимо превратить расширение продуктов в устойчивый доход, поддерживать рост, конкурировать с облачными провайдерами и специализированными платформами ИИ и в конечном итоге оправдать ожидания, соответствующие оценке в 188 миллиардов долларов.
Тем не менее, последовательность раундов финансирования показывает, что инвесторы верят: положение компании на стыке корпоративных данных и ИИ даёт ей значительное конкурентное преимущество.
Оценка на частном рынке — это цена, соответствующая конкретной сделке по финансированию. Она отличается от рыночной капитализации на публичном рынке и не обязательно означает, что каждая существующая акция может быть продана по этой цене.
Текущее объявление основано на подписанном соглашении о намерениях, и сделка, как ожидается, будет завершена к концу лета. До завершения этого процесса окончательный размер и состав раунда могут измениться или не быть раскрыты.
Эта оценка действительно указывает на то, что участвующие инвесторы готовы значительно повысить стоимость Databricks по сравнению с предыдущей оценкой в 134 миллиарда долларов. Это также предоставляет компании мощные ресурсы для найма, исследований, разработки продуктов, приобретений и потенциальных программ ликвидности для сотрудников.
Устойчивость этой оценки будет зависеть от будущих финансовых показателей и способности компании оставаться ключевым игроком по мере развития корпоративной архитектуры ИИ.
В июле 2026 года Databricks объявила о стратегическом финансировании с оценкой в 188 миллиардов долларов. Ожидается, что раунд завершится к концу лета, его возглавит существующий инвестор Coatue.
Databricks не раскрыла точную сумму раунда. TechCrunch со ссылкой на другие сообщения указывает, что объём финансирования составляет около 3 миллиардов долларов, но в заявлении компании подтверждены только оценка, ведущий инвестор и предполагаемые сроки завершения.
Согласно заявлению, нет. Databricks сообщила о подписании соглашения о намерениях, сделка ожидается к завершению в конце лета 2026 года.
Инвесторы оценивают Databricks уже не просто как традиционного облачного аналитического провайдера. Платформа теперь охватывает корпоративные данные, ИИ-агентов, управление моделями, операционные базы данных, бизнес-ориентированные ИИ-инструменты и управление затратами на несколько моделей.
В последнем объявлении о финансировании компания особо выделила Unity AI Gateway, Genie и Lakebase. Более широкий портфель ИИ-продуктов также включает Agent Bricks и открытый мета-фреймворк Omnigent.
Unity AI Gateway — это уровень контроля и управления для моделей, агентов, инструментов и ИИ-провайдеров в Databricks. Он предоставляет политики доступа, контроль затрат, наблюдаемость, защитные барьеры, маршрутизацию и журналы аудита.
Lakebase — это бессерверная база данных Postgres для приложений и ИИ-агентов. Она предоставляет операционный уровень данных для агентных систем, поддерживая состояние и обработку часто изменяющихся данных приложений.
Databricks стремилась измерить качество и стоимость на основе реальных инженерных задач из собственного кода. Исследование показало, что как выбранная модель, так и сопутствующий фреймворк могут существенно влиять на стоимость выполнения задачи.
com/company/newsroom/press-releases/databricks-surpasses-4-8b-revenue-run-rate-growing-55-year-over-year): Официальные подробности о финансировании и динамике финансовых показателей на конец 2025 года.
Databricks подписала новый стратегический терм-шит по финансированию с оценкой в 188 миллиардов долларов, ведущим инвестором которого выступает Coatue. Ожидается завершение сделки в конце лета 2026 года. Компания официально не раскрыла объём этого раунда финансирования.
Оценка продолжает стремительный рост: с 62 миллиардов долларов на конец 2024 года до прорыва в 100 миллиардов в 2025-м, 134 миллиардов в начале 2026-го и теперь до 188 миллиардов долларов. Этот рост совпадает с расширением Databricks от облачной аналитики данных в сторону ИИ-агентов, операционных баз данных, управления моделями, бизнес-инструментов на основе ИИ и инфраструктуры для мультиинструментальных цепочек.
Недавние релизы продуктов и внутренние бенчмарки по программированию подтверждают ту же стратегию: предприятиям нужна гибкость между моделями, более строгий контроль затрат, управляемый доступ к проприетарным данным и инфраструктура, способная превратить ИИ-эксперименты в производственные системы.
Последняя оценка отражает уверенность инвесторов: у Databricks есть потенциал стать ключевым контрольным слоем для корпоративных данных и ИИ, а не просто очередным бенефициаром цикла финансирования ИИ.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
