Databricks не раскрыла точную сумму привлеченных средств; компания заявила, что деньги еще не поступили на ее счета, и что раунд завершится ближе к концу этого лета. (Другие издания впоследствии сообщили, что объем привлечения составляет примерно 3 миллиарда долларов). Хотя объявлять о сделке до получения средств — нетипично, один из венчурных инвесторов рассказал TechCrunch, что сделка надежна, и желающих участвовать в ней так много, что у компании не было причин держать в секрете свою новую блестящую оценку.
Фактически, Databricks уже полтора года находится в режиме активного привлечения средств, успешно трансформируя свой имидж из просто вчерашней сенсации на рынке SaaS в поставщика AI-решений. «Вчерашняя» — это еще во времена BC (до ChatGPT).
Всего пять месяцев назад, в феврале, Databricks закрыла раунд L на 5 миллиардов долларов при оценке в 134 миллиарда долларов. За пять месяцев до этого, в сентябре 2025 года, она привлекла 1 миллиард долларов при оценке в 100 миллиардов. А примерно за девять месяцев до этого, в декабре 2024 года, был проведен рекордный на тот момент раунд на 10 миллиардов долларов при оценке в 62 миллиарда.
За эти годы Databricks провела так много раундов, что последний из них стал поводом для мемов о том, что в алфавите заканчиваются буквы. «Включаю уведомления на случай, если у нас будет раунд Series AA», — написал один пользователь.
Но реконструкция ее имиджа была вполне реальной. Основанная в 2013 году, компания изначально добилась успеха в эпоху больших данных, предлагая ПО, которое позволяло предприятиям хранить огромные объемы данных в облаке и при этом обеспечивать быструю аналитику.
Поскольку у нее уже были накоплены массивы корпоративных данных, Databricks оказалась в выгодном положении, когда компании начали внедрять AI, требуя при этом того же уровня безопасности и управления, который они ожидают от традиционного корпоративного ПО.
Компания начала один за другим выпускать AI-продукты, такие как Lakebase, ее база данных, созданная для AI-агентов, и Unity, ее AI-шлюз, а также «мета-обвязку» под названием Omnigent, управляющую множеством агентов.
Databricks также все чаще становилась известна как один из ярких примеров предприятий, внедряющих более доступные китайские open-weight модели (модели, чей исходный код опубликован для всеобщего использования и модификации) для контроля затрат — одного из главных трендов 2026 года. Она является особым сторонником модели GLM 5.2 от Z.ai как модели для написания кода.
На прошлой неделе генеральный директор Databricks Али Годси поделился результатами внутреннего бенчмаркинга, проведенного для управления собственными затратами на AI для 3000 своих инженеров-программистов.
Компания сравнила AI-модели на реальных задачах, которые выполняют ее программисты. Неудивительно, что в блоге, где были опубликованы результаты, Databricks сообщила, что «открытые модели, и в особенности GLM 5.2, теперь способны справляться даже с задачами самого высокого уровня сложности» в кодинге, и при этом с более низкой совокупной стоимостью, чем проприетарные модели от Anthropic и OpenAI.
Однако удивительным стало открытие, что выбор обвязки (harness) — инструмента для агентного кодинга, такого как Codex или Claude Code, который оборачивается вокруг модели и управляет ее контекстом и инструкциями, — в равной степени влияет на затраты. Исследование показало, что обвязка с открытым исходным кодом Pi является одной из лучших в управлении контекстом каждого промпта и, следовательно, одним из самых экономичных вариантов без потери качества.
«Урок здесь не в том, что одна обвязка всегда дешевле или что нативные обвязки хуже. Скорее, выбор модели — это лишь часть головоломки», — говорится в публикации.
Все это укрепило имидж Databricks как AI-компании, даже если она была основана не как AI-лаборатория. Это, в свою очередь, дало ей «AI-ореол» для привлечения средств и стремительного роста оценки. Как мы сообщали ранее, эффект AI сегодня настолько силен, что даже сэндвичная Jersey Mike’s упомянула AI 22 раза в своих документах S-1.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Julie Bort
