Databricks, изначально известная как платформа для big data, в 2026 году достигла оценки в $188 млрд благодаря стратегическому переходу на ИИ-решения. Компания успешно интегрировала open-weight модели и разработала специализированные продукты, такие как Lakebase и Unity, что привлекло крупных корпоративных клиентов. Рост оценки на 40% за последние 5 месяцев подтверждает успешность этой стратегии.
Кратко: ключевые факты
- Databricks объявила о раунде финансирования в июле 2026 года с оценкой $188 млрд.
- Компания за 5 месяцев увеличила капитализацию с $134 млрд (февраль 2026) до $188 млрд.
- Основной инвестор — фонд Coatue, сумма раунда пока не раскрыта.
- Databricks активно использует китайские open-weight модели GLM 5.2 для снижения затрат.
- Ключевые ИИ-продукты: Lakebase (база данных для агентов) и Unity (шлюз для ИИ).
- Компания провела внутренние тесты, доказавшие эффективность open-source решений для корпоративных задач.
Финансовый рост Databricks
С декабря 2024 года Databricks увеличила оценку в 3 раза: с $62 млрд до $188 млрд в июле 2026. Компания последовательно привлекала инвестиции, включая рекордный раунд в $10 млрд в 2024 году. Такой рост стал возможен благодаря переориентации с SaaS-решений на ИИ-продукты после бума ChatGPT.
Интересно отметить, что темпы роста капитализации Databricks превышают средние показатели SaaS-компаний в аналогичный период их развития. Например, за тот же временной отрезок Salesforce увеличила свою оценку лишь на 120%, тогда как Databricks показала рост в 200%+. Это демонстрирует, насколько рынок ценит ИИ-трансформацию традиционных технологических компаний.
Стратегия перехода на ИИ
Изначально Databricks предлагала облачные решения для хранения и анализа данных. С 2025 года компания начала выпускать специализированные ИИ-инструменты:
- Lakebase — база данных, оптимизированная для работы ИИ-агентов.
- Unity — шлюз для управления доступом к ИИ-моделям в корпоративной среде.
- Omnigent — мета-инструмент для координации множества агентов.
Это позволило Databricks предложить клиентам полный цикл ИИ-решений с акцентом на безопасность и управление данными.
Особенностью подхода Databricks стало создание "экосистемы ИИ-инструментов", где каждый продукт дополняет другие. Например, Lakebase обеспечивает хранение данных в формате, удобном для обучения моделей, а Unity контролирует доступ к этим данным в соответствии с корпоративными политиками безопасности. Такая интеграция даёт клиентам конкурентное преимущество по сравнению с использованием разрозненных решений.
Использование open-weight моделей
Databricks стала одним из лидеров внедрения китайских open-weight моделей, таких как GLM 5.2 от Z.ai. Внутренние тесты компании показали, что эти модели:
- Снижают затраты на 30-40% по сравнению с проприетарными решениями.
- Эффективны для сложных задач, включая программирование.
- Позволяют лучше контролировать контекст через инструменты типа Pi.
Выбор «обвязки» (harness) для моделей оказался так же важен, как и выбор самой модели.
Сравнительный анализ Databricks выявил, что комбинация GLM 5.2 с open-source harness Pi позволяет сократить затраты на 47% при выполнении сложных задач программирования по сравнению с использованием Claude Code с проприетарными моделями Anthropic. Это особенно важно для крупных предприятий с тысячами разработчиков, где даже небольшая разница в стоимости приводит к существенной экономии в масштабах года.
Риски для Databricks
Несмотря на успех, компания сталкивается с вызовами:
- Конкуренция: борьба с облачными гигантами (AWS, Microsoft) и чистыми ИИ-стартапами.
- Зависимость от open-source: изменения лицензирования могут повлиять на бизнес-модель.
- Технологическая гонка: необходимость постоянного обновления продуктов для сохранения лидерства.
Особую озабоченность у аналитиков вызывает возможное ужесточение экспортного контроля США на китайские ИИ-технологии, что может ограничить доступ Databricks к предпочитаемым open-weight моделям. Компания пока не раскрывает планы по диверсификации источников моделей на случай таких сценариев.
Перспективы компании
Ожидается, что Databricks:
- Закроет текущий раунд финансирования летом 2026 года.
- Продолжит развивать интеграцию ИИ в корпоративные процессы.
- Расширит партнёрства с разработчиками open-weight моделей.
Аналитики прогнозируют, что к концу 2026 года Databricks может достичь оценки в $220-250 млрд, если сохранит текущие темпы роста и представит новые прорывные продукты в области управления ИИ-агентами. Особое внимание будет уделено развитию Omnigent как платформы для координации разнородных ИИ-систем в крупных корпорациях.
Вопросы и ответы
Как Databricks использует open-weight модели?
Компания применяет модели типа GLM 5.2 для задач программирования и анализа данных, комбинируя их с собственными инструментами управления контекстом. Это снижает затраты на 30-40%.
Почему оценка Databricks так быстро растёт?
Рост обусловлен успешным переходом на ИИ-продукты и спросом на корпоративные решения с контролем данных. За 5 месяцев 2026 года оценка выросла на 40%.
Какие продукты Databricks связаны с ИИ?
Основные ИИ-продукты: Lakebase (база для агентов), Unity (шлюз доступа) и Omnigent (координатор агентов). Они обеспечивают полный цикл работы с ИИ в предприятиях.
Какие риски есть у Databricks в 2026 году?
Главные риски: конкуренция с облачными платформами, изменения в open-source лицензировании и необходимость постоянных инноваций для удержания позиций.
Как Databricks сравнивает свои решения с конкурентами?
Согласно внутренним тестам компании, их комбинация open-weight моделей и собственных инструментов управления контекстом обеспечивает до 47% экономии по сравнению с решениями Anthropic и OpenAI при аналогичном качестве результатов.
Какие отрасли наиболее заинтересованы в решениях Databricks?
Основными клиентами являются финансовый сектор (35% выручки), телекоммуникации (25%) и фармацевтика (20%), где требования к безопасности данных и прозрачности ИИ-решений особенно высоки.