Databricks достигла оценки $188 млрд — крупнейшей среди частных AI-компаний

Databricks объявила о закрытии нового раунда финансирования под руководством фонда Coatue с оценкой компании в $188 млрд. Точная сумма официально не раскрыта, деньги ещё не поступили на счета компании — закрытие раунда ожидается до конца лета. По данным нескольких изданий, речь идёт примерно о $3 млрд.

То, что компания объявила раунд до его фактического закрытия, — нетипичная практика. Источник в венчурной индустрии объяснил TechCrunch: желающих войти в сделку оказалось настолько много, что у Databricks не было смысла держать новую оценку в тайне.

Четыре раунда за полтора года: хроника роста

Динамика привлечений выглядит почти неправдоподобно. В декабре 2024 года Databricks закрыла тогда рекордный раунд на $10 млрд при оценке $62 млрд. Через девять месяцев, в сентябре 2025-го, — ещё $1 млрд при оценке $100 млрд. В феврале 2026 года — $5 млрд при оценке $134 млрд. И теперь, спустя пять месяцев, — новый рекорд.

Количество раундов стало поводом для мемов в профессиональном сообществе: компания уже добралась до серии L, и в сети появились шутки про «жду уведомления о серии AA». Тем не менее за этой иронией стоит вполне серьёзная история трансформации бизнеса.

Из big-data в AI: как Databricks переписала собственный нарратив

Основанная в 2013 году, Databricks выросла на волне эпохи больших данных. Компания предлагала корпоративным клиентам инструменты для хранения и быстрой аналитики огромных массивов данных в облаке. Это был успешный, но нишевый SaaS-бизнес — до появления ChatGPT.

Когда корпоративный рынок начал массово интересоваться AI, Databricks оказалась в выигрышной позиции: она уже сидела на данных тысяч крупных предприятий и понимала их требования к безопасности и управлению данными. Компания последовательно выпустила линейку AI-продуктов: Lakebase — база данных, оптимизированная для AI-агентов; Unity — AI-шлюз для управления моделями; Omnigent — «мета-оркестратор» для управления несколькими агентами одновременно.

Отдельное место в позиционировании Databricks заняла ставка на открытые китайские модели. Компания стала одним из наиболее заметных корпоративных сторонников open-weight моделей — тех, чей исходный код открыт для использования и модификации. В частности, Databricks активно продвигает GLM 5.2 от Z.ai как инструмент для задач программирования.

Внутренний бенчмарк: чем дешевле — не значит хуже

На прошлой неделе генеральный директор Databricks Али Годси опубликовал результаты внутреннего исследования, которое компания провела для управления собственными AI-расходами. В штате Databricks работают 3 000 инженеров-программистов, и компания сравнила несколько AI-моделей на реальных задачах своих разработчиков.

Вывод оказался показательным: открытые модели, и GLM 5.2 в частности, справляются даже с задачами высокого уровня сложности при суммарно более низкой стоимости по сравнению с проприетарными решениями Anthropic и OpenAI. Но главным сюрпризом стало другое: выбор «обёртки» — агентного инструмента вроде Codex или Claude Code, который управляет контекстом и инструкциями модели, — влияет на итоговую стоимость не меньше, чем сама модель.

Наиболее эффективным по соотношению цены и качества оказался open-source инструмент Pi. В публикации Databricks прямо указала:

««Выбор модели — лишь один элемент головоломки. Выбор оркестратора влияет на стоимость в той же мере».»

Это исследование работает сразу на нескольких уровнях: оно одновременно демонстрирует экспертизу Databricks в AI-инфраструктуре и косвенно продвигает продукты компании среди корпоративных клиентов, ищущих способы снизить расходы на AI.

Что это значит для рынка и белорусских компаний

История Databricks — наглядный пример того, как зрелый enterprise-бизнес может переупаковать себя под AI-нарратив и получить кратный прирост оценки. Важно, что речь идёт не о маркетинге: компания действительно выпустила продукты, которые решают реальные задачи корпоративных клиентов.

Для белорусских IT-компаний, особенно резидентов ПВТ, работающих в сегменте data engineering и enterprise-разработки, этот кейс показателен с двух сторон. Во-первых, спрос на AI-инфраструктуру в корпоративном сегменте продолжает расти — и это возможность для аутсорсинговых команд, специализирующихся на интеграции подобных платформ. Во-вторых, тренд на открытые модели и снижение стоимости AI-разработки напрямую влияет на экономику проектов: те же GLM 5.2 и open-source оркестраторы уже сегодня доступны командам любого размера.

Примечательно, что «AI-эффект» в оценках компаний стал настолько мощным, что TechCrunch в том же материале упоминает: сеть сэндвич-шопов Jersey Mike's упомянула AI 22 раза в своём проспекте IPO. Это, конечно, крайность — но она точно описывает рыночный контекст, в котором работает Databricks и в котором формируются ожидания инвесторов по всему миру.