AI数据独角兽Databricks再寻融资最新消息AI数据独角兽Databricks又在找钱了。这一次它想要的估值最高可能达到1750亿美元约合人民币1.26万亿元。随着SpaceX上市OpenAI、Anthropic秘密递交招股书Databricks可能是最后一头在一级市场上活跃的巨型AI独角兽企业。从代码起步助力企业挖掘数据价值Databricks是一家帮助企业管理数据的AI公司2月份刚融资50亿美元目前估值1340亿美元约合人民币9648亿元。Databricks的故事是从伯克利实验室里的一段代码开始的。2013年几位来自加州大学伯克利AMPLab的研究人员创办了Databricks。他们最核心的技术资产是Apache Spark能让成百上千台服务器同时处理海量数据的软件引擎。如果把数据比作矿石Spark就是挖矿机Databricks则是建了一整座现代化矿场。互联网公司、银行、零售商、汽车公司每天都会产生海量数据。用户点击、交易记录、库存变化、传感器信号、日志文件、客户画像、广告投放结果全都堆在系统里。问题是数据越多越难处理。Databricks帮助企业挖掘数据的价值。AI爆发以后这个位置突然变得极其重要。因为大模型本身并不理解一家公司的具体业务。它不知道一家零售商今天哪个区域库存不足也不知道一家银行哪些交易异常更不知道一家车企哪批电池测试数据出了问题。模型要真正为企业工作就必须接入企业内部数据。但企业内部数据往往是混乱的。有的数据在云上有的数据在本地服务器。有的数据在数据仓库有的数据在业务系统。有的数据是结构化表格有的数据是客服录音、合同文本、图片和日志。更麻烦的是不是所有数据都能随便给AI用。金融、医疗、制造、零售行业都有严格的权限、安全和合规要求。这正是Databricks的机会。它可以告诉企业你不用把所有数据重新搬一遍也不用从零搭建AI基础设施。你可以在一个统一平台上管理数据、训练模型、部署AI应用、建立治理规则让AI真正用上公司自己的数据。AI时代最贵的东西不一定是模型本身而是模型和真实业务之间的连接层。Databricks正在做的就是这层连接。年入54亿美元独特商业模式吸引投资Databricks的赚钱方式和传统软件公司不太一样。传统软件更像卖许可证。企业买一套系统按年付费员工能用就行。Databricks更像云计算公司。客户不是简单买一个软件账号而是在它的平台上处理数据、训练模型、运行AI应用、调用计算资源。用得越多账单越高。一家企业一开始可能只是用它做数据分析。比如把销售、库存、订单、用户行为数据放到平台上做报表、查趋势、预测需求。后来企业开始训练机器学习模型。再后来AI时代到来企业又想基于自己的内部数据开发AI助手、AI Agent、智能客服、风险控制系统。每增加一个场景Databricks的使用量都会增加。所以Databricks卖的不是一次性软件而是一套企业数据和AI基础设施。它的收入增长有两个来源。第一是新客户增加。越来越多大企业要整理数据、建设AI能力就会采购Databricks。第二是老客户越用越多。这一点更关键。Databricks披露的净收入留存率超过140%意思是同一批老客户去年花100美元今年可能花到140美元以上。对投资人来说这是非常漂亮的指标。因为它说明客户不是试用一下就停而是越用越深、越用越贵。这背后有很强的商业逻辑。企业的数据一旦接入Databricks就不只是放了几张表进去而是把数据管道、权限管理、分析模型、AI应用开发流程都搭在上面。销售部门在用财务部门在用客服部门在用研发部门也在用。随着数据越来越多AI应用越来越多迁移成本也越来越高。这就形成了很强的客户粘性。投资人持续给Databricks高估值一个重要原因是它已经证明自己不仅会讲AI故事而且真的赚到了钱。公司披露目前年收入规模已经超过54亿美元。更关键的是很多客户第一次购买后花的钱会越来越多。因为企业的数据、AI模型和业务系统一旦接入Databricks后续会不断增加新的使用场景。例如一家零售企业最开始可能只是用它分析销售数据。后来开始训练AI模型、部署智能客服、开发AI助手每增加一个新功能就会产生更多费用。这意味着Databricks不是靠不停寻找新客户赚钱而是老客户自己就在不断增加支出。目前Databricks年消费超过100万美元的客户已经超过800家年消费超过1000万美元的客户超过70家。对于一家企业软件公司来说这说明它已经进入了许多大公司的核心系统而不只是一个可有可无的小工具。这也是投资人最喜欢的商业模式客户离不开收入持续增长而且随着AI普及还有更大的增长空间。做企业的AI大总管过去企业买Databricks主要是为了处理数据。比如一家零售公司想知道哪些门店卖得好哪些商品库存积压哪些客户可能流失。它可以把销售、库存、会员、物流数据放进Databricks再让数据团队做分析。这还是传统数据平台的生意。但AI出现后Databricks的目标变了。它不只想帮企业看懂数据还想帮企业用AI调动数据。看懂数据主要是数据分析师、工程师、业务负责人在用。它解决的是报表、预测、分析问题。用AI调动数据则意味着每个普通员工都可以直接和公司数据对话。销售人员可以问这个客户过去买过什么客服人员可以问这个用户的订单为什么延迟财务人员可以问哪些费用异常供应链人员可以问哪个仓库可能缺货过去这些问题要找数据团队写SQL、拉报表、建看板。未来Databricks希望AI代理直接完成。这就是它推出Genie One、Agent Bricks等产品的原因。Databricks不是要做一个普通聊天机器人而是要做一种能接入企业真实数据、理解业务语境、帮助员工做决策的AI助手。换句话说OpenAI、Anthropic做的是通用大模型。Databricks想做的是企业内部的懂业务的AI。大模型再强如果不能接入企业内部数据就只是一个外部工具。AI代理再先进如果没有权限管理、数据治理、成本控制和安全体系也很难进入核心业务。Databricks想把这些环节都包起来变成企业AI的统一操作层。它可以向上做AI助手让员工直接和公司数据对话。它可以向下做数据库把业务系统和AI系统连接起来。它可以横向进入营销、安全、客服、开发者工具等场景。它还可以做AI成本管理。随着企业大量使用AI代理账单会变得越来越难预测。一个员工、一个代理、一个自动化流程都可能在后台不断调用模型最后产生巨额费用。Databricks推出AI支出控制工具本质上也是想成为企业AI预算的总闸门。这很像云计算早期。一开始企业只是把服务器搬到云上。后来云厂商不只卖服务器还卖数据库、数据仓库、AI服务、安全服务、开发工具、成本管理工具。客户用得越多越难离开。Databricks也想走这条路。