DEEP RESEARCH
2026年7月16日，Databricks宣布估值1880亿美元的新一轮融资。过去18个月，这家公司的估值轨迹令人窒息：620亿→1000亿→1340亿→1880亿。但我们不想再谈估值数字——真正值得拆解的是CEO Ali Ghodsi的那句话："企业正在从tokenmaxxing转向valuemaxxing"。这句话背后，藏着一个反直觉的商业逻辑：模型越便宜，Databricks越值钱。
一、数字全景：一家54亿美元ARR的公司凭什么值1880亿
| 关键指标 | 数据 |
| 年化营收（ARR） | 54亿美元 |
| 同比增长 | 65%+ |
| AI产品ARR | 14亿美元 |
| 净留存率 | 140%+ |
| 自由现金流 | 连续12个月为正 |
| 百万美元级客户 | 800+ |
| 千万美元级客户 | 70+ |
| 数据仓库ARR | 15亿美元（翻倍） |
隐含市销率约34.8倍——而最直接的可比公司Snowflake交易在18倍远期销售额。私募市场给Databricks的溢价几乎翻倍。为什么？
二、反直觉逻辑：为什么模型越便宜，Databricks越值钱？
核心逻辑链条
模型价格崩塌 → 企业接入的模型种类增加 → 需要路由层决定"每个任务用哪个模型" → 路由层需要治理层控制成本、安全、合规 → 治理层绑定企业数据 → 护城河形成
第一，主动托管中国开源模型。近期CEO明确表示Kimi K3的发布是"游戏规则改变者"，Databricks平台上托管了Kimi K3、GLM等中国模型。这些模型在OpenRouter上已占据至少30%的企业token流量，运行成本比美国同类产品低60%-90%。
第二，用自有工程师验证成本效益。Databricks发布了一份基于真实编码任务的基准测试，显示开源模型能够以约三分之二的单任务成本，实现与Anthropic Opus 4.8统计学上相当的表现。这不是学术benchmark，是内部工程师的真实代码数据。
第三，把路由决策变成收费项。Unity AI Gateway不只是管理工具，它是一个"AI收费站"。当企业需要为每个prompt决定走$15/Mtok的Opus还是$0.30/Mtok的Kimi K3时，做出这个决策的平台就成了不可或缺的中间层。
三、Unity AI Gateway：撕开AI治理的"收费站"
Ali Ghodsi说了一句很直白的话："企业不想在每个任务上都烧最贵模型的token——他们要的是每美元的产出最大化。"
Unity AI Gateway于2026年7月全面开放，覆盖AWS、Azure、Google Cloud三大云平台。它的核心能力：
| 能力 | 具体实现 |
| 多模型路由 | 简单任务走开源模型，复杂推理走前沿模型，自动分级 |
| 预算管控 | 按团队/项目/应用设定AI消费上限，防止token预算爆炸 |
| 安全治理 | 统一的PII检测、数据防泄漏、模型输出审计 |
| 可观测性 | 跨模型的延迟、成本、质量实时监控和A/B对比 |
| 运行时治理 | 覆盖模型、Agent、MCP服务、技能与企业工具之间的所有交互 |
为什么这个位置如此重要？
模型层是可替换的——今天用Opus，明天就能切到Kimi K3或GLM。但数据不能替换——企业的客户数据、交易记录、供应链信息一旦沉淀在Databricks Lakehouse上，迁移成本是天文数字。Unity AI Gateway把这个绑定再推进一步：它不仅管理数据，还管理AI消费行为——哪个团队用了什么模型、花了多少钱、产出什么结果。这些行为数据本身就是极高的迁移壁垒。
四、Lakebase + Genie：AI Agent时代的"数据库+对话层"
Databricks的战略布局可以理解为一个三层架构：
| 层级 | 产品 | 战略意义 |
| 交互层 | Genie | 让非技术人员用自然语言查询企业数据，降低AI使用门槛到"像聊天一样" |
| 治理层 | Unity AI Gateway + Agent Bricks | 多模型路由、成本管控、安全审计——AI时代的"操作系统" |
| 数据层 | Lakebase + Lakehouse | Serverless Postgres专为AI Agent设计，统一OLTP+OLAP，数据不搬家 |
为什么数据库是AI Agent的基础设施？
Gartner预测，到2026年底40%的企业应用将集成任务特定的AI Agent。每个Agent都需要存储状态、管理上下文、记录操作日志——这些恰是数据库的活。Databricks的意图不是做一个"更好的Snowflake"，而是做一个"Agent时代的操作系统"——数据存储、状态管理、AI路由、成本治理都在一个平台里。
五、中国开源模型的战略价值：不只是成本
这次融资的一个细节被很多人忽略了：CEO明确表示融资要买GPU，因为客户对中国开源模型的需求激增导致算力不足。
开源模型和SaaS模型对Databricks的经济学完全不同：
| 维度 | SaaS模型（OpenAI/Anthropic） | 开源模型（Kimi K3/GLM） |
| 调用方式 | API调用，按token付费给模型厂商 | Databricks自建GPU推理，按消费额收费 |
| 利润归属 | 大头归模型厂商 | 大头归Databricks |
| 平台粘性 | 低，客户可直接换API endpoint | 高，数据+模型+推理全部绑定平台 |
六、与Snowflake的路径分化：殊途不同归
Databricks和Snowflake常被放在一起比较，但它们的战略分歧在2026年变得前所未有地清晰：
Snowflake的"AI数据云"路线
从云数据仓库出发 → 向上做AI/ML能力 → 强调数据协作和共享 → 定位为企业数据交换中心
市值约602亿美元（2025年Q3数据），仍在亏损（Q3净亏2.9亿美元），股价受软件板块和Anthropic开源插件冲击显著下跌。
市值约602亿美元（2025年Q3数据），仍在亏损（Q3净亏2.9亿美元），股价受软件板块和Anthropic开源插件冲击显著下跌。
Databricks的"AI原生平台"路线
从数据湖仓出发 → 向AI Agent基础设施演进 → 控制模型路由和治理 → 定位为Agent时代的计算+数据+治理平台
估值1880亿美元（Snowflake的3.1倍），54亿ARR是Snowflake年营收的近2倍，且已实现正自由现金流。
估值1880亿美元（Snowflake的3.1倍），54亿ARR是Snowflake年营收的近2倍，且已实现正自由现金流。
七、M&A棋局：加速补全拼图
Databricks过去18个月的收购动作很有章法：
| 时间 | 标的 | 金额 | 战略意图 |
| 2023.06 | MosaicML | ~13亿美元 | 获取模型训练能力，补AI模型层 |
| 2025.05 | Neon | ~10亿美元 | Serverless Postgres，支撑Lakebase |
| 2026.03 | Panther Labs | 未披露 | AI安全运营，推动安全湖仓 |
收购逻辑
MosaicML补模型训练 → Neon补数据库底层 → Panther补安全运营
三条收购线分别对应AI能力、数据基础设施、企业安全——恰好是Databricks三层架构的三个维度。新一轮融资明确表示将继续用于收购，不缺钱不缺标的。
三条收购线分别对应AI能力、数据基础设施、企业安全——恰好是Databricks三层架构的三个维度。新一轮融资明确表示将继续用于收购，不缺钱不缺标的。
八、IPO倒计时：准备好了，但看市场
CEO Ali Ghodsi在2月融资时明确表示"Databricks已做好上市准备，将在时机成熟时启动IPO"，同时补充："若市场调整尚未触底并持续下行，公司将继续保持私有。"
这个表态透露了两点：
第一，基本面已经完全Ready。连续12个月正自由现金流、54亿美元ARR、140%+净留存率——这些数字放在任何一家上市公司都是顶级水平。Snowflake亏损、Databricks盈利，但Snowflake上市了而Databricks没有。私有市场的估值已经跑在了前面，现在要等公开市场跟上来。
第二，窗口期可能在2026下半年。2026年被广泛预期为科技IPO大年。OpenAI、Anthropic、SpaceX都被传在考虑年内上市。如果这批公司中的任何一家率先成功IPO，就会打开Databricks的上市窗口。1880亿美元的估值意味着IPO时的公开定价可能在2000-2500亿美元区间，这将是2021年以来最大的科技IPO。
第一，基本面已经完全Ready。连续12个月正自由现金流、54亿美元ARR、140%+净留存率——这些数字放在任何一家上市公司都是顶级水平。Snowflake亏损、Databricks盈利，但Snowflake上市了而Databricks没有。私有市场的估值已经跑在了前面，现在要等公开市场跟上来。
第二，窗口期可能在2026下半年。2026年被广泛预期为科技IPO大年。OpenAI、Anthropic、SpaceX都被传在考虑年内上市。如果这批公司中的任何一家率先成功IPO，就会打开Databricks的上市窗口。1880亿美元的估值意味着IPO时的公开定价可能在2000-2500亿美元区间，这将是2021年以来最大的科技IPO。
九、三个深度判断
判断一：AI产业的利润重心正在从模型层向治理层转移
过去两年，所有人的目光都在"谁做出了最好的模型"。但模型是高度可替换的商品，数据和企业治理流程不是。Databricks 1880亿美元估值的真正支撑不是它做出了多好的AI，而是它控制了企业AI消费的治理入口。这个位置的价值，在模型越多、越便宜时越凸显。
判断二：开源模型不是威胁，是利润放大器
市场最初担心开源模型会削弱Databricks的AI变现能力。事实恰恰相反——开源模型越多，企业对Databricks路由和治理层的需求越强。托管开源模型让Databricks从模型厂商的"渠道商"变成了企业的"AI基础设施运营商"，后者的利润率和客户黏性远高于前者。
判断三：Databricks vs Snowflake的终局不是"谁做更好的数据仓库"
而是"谁能成为AI Agent时代的操作系统"。Snowflake在向上做AI功能，Databricks在向下做AI基础设施。在AI Agent数量指数增长的趋势下（Gartner预测2026年底40%企业应用集成Agent），基础设施层的价值远大于应用功能层。这也是1880亿 vs 602亿估值差距背后最根本的逻辑。
"Enterprises are moving from tokenmaxxing to valuemaxxing."
— Ali Ghodsi, CEO of Databricks, July 2026
— Ali Ghodsi, CEO of Databricks, July 2026
数据来源：Databricks官方公告、CNBC专访、钛媒体、证券时报
研究撰写：WorkBuddy | 2026年7月19日
研究撰写：WorkBuddy | 2026年7月19日
