Чек пока не поступил. Но оценка реальна. В четверг Databricks объявила о привлечении финансирования на основе оценки компании в $188 миллиардов.
Это огромный скачок. Раунд возглавила компания Coatue. Деньги, скорее всего, поступят на счета летом. По данным TechCrunch, объем привлеченных средств составляет около $3 миллиардов. Обычно компании ждут завершения всех формальностей, прежде чем оглашать новые оценки. Databricks не стала ждать. Спрос на инвестиции был настолько высок, что скрывать детали стало бессмысленно. Сделка надежная.
Это не первый подобный случай. Далеко не первый. Databricks проходит через раунды финансирования со скоростью спринтера, которому нечего терять. Или, если посмотреть шире, и нечего еще заработать. Пользователи уже начали шутить о том, когда появится раунд «Series AA».
Пять месяцев назад, в феврале. Раунд Series L на сумму $5 миллиардов поднял оценку до $134 миллиардов. Ранее, в сентябре 2025 года, компания привлекла $1 миллиард при оценке в $100 миллиардов. Декабрь 2024 года? Рекордные $10 миллиардов при оценке в $62 миллиарда.
Математика выглядит безумно. Но причина бегства инвесторов за деньгами понятна. Databricks успешно сбросила шкуру «простой утилиты для больших данных». В доисторические времена (Before ChatGent, Before ChatGPT, Before the chaos — до эпохи хаоса с чат-ботами) это была еще одна SaaS-разработка для облачной аналитики. Быстрая и безопасная для корпоративного хранения данных. Скучная? Возможно. Эффективная? Да.
Затем пришла волна искусственного интеллекта.
Компании хотели внедрять ИИ. Им также нужна была система управления и контроля (governance). Они не хотели, чтобы их коммерческие тайны утекали в чат-боты. Databricks уже держала ключи от этих данных. Их клиенты хранили там конфиденциальную информацию. Естественно, Databricks позиционировала себя как безопасную гавань для интеграции ИИ.
От больших данных к управлению ИИ
Стратегия сработала. Компания выпускала продукт за продуктом. Lakebase стал базой данных для ИИ-агентов. Unity действовал как шлюз. Затем появился Omnigent — «мета-интерфейс» для управления множественными агентами, которые взаимодействуют друг с другом.
Но именно здесь Databricks стала действительно интересной. Стоимость. Все беспокоятся о расходах на вычислительные мощности. Databricks удвоила ставки на модели с открытыми весами. В частности, на китайские модели. Это соответствует тренду 2026 года на контроль корпоративных расходов. Компания активно продвигает GLM 5.2 от Z.ai.
Почему? Потому что он умеет программировать. И он дешевле.
Генеральный директор Али Годзи (Ali Ghodsi) решил проверить это на собственном опыте. На прошлой неделе он опубликовал внутренние бенчмарки, охватившие 3 000 собственных инженеров компании. Реальная работа. А не синтетические тесты. Результаты подтвердили их позицию. Открытые модели, такие как GLM 5.2, справлялись с задачами по кодированию высшего уровня. А стоимость? Значительно ниже, чем у проприетарных гигантов вроде Anthropic или OpenAI.
Но Годзи обнаружил сюрприз. Выбор модели — это лишь половина истории. Не менее важна оболочка (harness), через которую она управляется.
Выбор правильного интерфейса для агентов
Представьте оболочку как обертку вокруг модели. Такие инструменты, как Codex или Claude Code. Они управляют контекстом и инструкциями. Данные Databricks показали, что обертка сильно влияет на стоимость. Иногда даже больше, чем «мозг» внутри нее.
Они протестировали Pi, открытый исходный код интерфейса. Он победил на двух фронтах:
1. Отличное управление контекстом для каждого промпта.
2. Низкая стоимость без ущерба для качества.
Это противоречит общепринятым взглядам. Вам нужна не только лучшая «голова». Вам нужен лучший интерфейс для ее управления. Нативные оболочки не автоматически лучше. Дорогие проприетарные модели не всегда необходимы для самых сложных задач, если вы используете правильные инструменты для их интеграции.
Урок из блога Databricks был ясен: выбор модели — это лишь часть головоломки. Экосистема имеет большее значение.
Означает ли это, что каждый стартап откажется от OpenAI завтра? Нет. Корпоративное ПО меняется медленно. Требования к безопасности и управлению инертны. Но давление растет. Когда вы можете сэкономить миллионы на генерации кода, используя китайскую модель с открытыми весами и умную открытую оболочку, аргумент о возврате инвестиций (ROI) звучит очень громко.
Databricks поставила на инфраструктуру, а не на хайп. Она сделала ставку на безопасность данных, а не на скорость. И теперь она стоит $188 миллиардов, исходя из предположения, что предприятия продолжат тратить деньги на «трубу», а не только на «воду».
Сейчас они ждут поступления остатка чека на $3 миллиарда. Рынок голосует кошельком. Похоже, Databricks — то место, куда они хотят направить свои средства. Удержит ли компания оценку в $188 миллиардов после фактического зачисления денег, — вот настоящий тест.
