核心内容总结
最近AI圈又诞生了一个万亿级独角兽：数据基建公司Databricks完成50亿美元战略融资，估值飙升至1900亿美元（约1.3万亿人民币），跻身全球未上市科技公司估值Top5（仅次于OpenAI、Anthropic、字节跳动等）。它的业务看似“不性感”——帮企业管理、整合数据，但在AI时代却是刚需：企业要让AI落地，必须先盘活自己的业务数据，而Databricks就是解决这个问题的“基建工”。这次融资原本只计划融10亿，结果投资者挤破头，意向金额达150亿，最终它融了50亿还拒绝了100亿热钱，足见资本对它的追捧。
一、融资太火：50亿还嫌少，拒绝100亿热钱
这次融资堪称“资本盛宴”：
- 规模超预期：原本计划融10亿，结果投资者电话打爆CEO，意向投资总额达150亿，最终融了50亿，还拒绝了100亿（约673亿人民币）；
- 估值猛涨：现在1900亿估值，比2025年末的1340亿涨了42%；
- 投资方豪华：老股东Coatue领投，黑石、阿布扎比AI平台MGX、T.Rowe Price等20多家机构参投，还有前高盛首席投资官创立的Sixth Street Growth新进；
- 融资史豪横：成立13年融了13轮，2025年就融了4轮（累计200亿），其中1月的100亿J轮曾创私营科技公司融资纪录，当时也拒绝了190亿意向投资。网友调侃：“它融的钱太多，字母表都快用完了”（融资轮次从A到J）。
二、业务不“性感”但刚需：AI时代的“数据管家+基建工”
Databricks的业务说起来很实在——帮企业搞定数据，让AI能用：
- 起点：2013年由伯克利Spark项目团队创立，最初做云端数据处理（简化大规模数据计算）；
- 进化到“数据湖仓”：把企业分散的各种数据（销售、用户、生产等）整合到一个平台，既能存（像“湖”）又能分析、给AI用（像“仓”），不用再在多个系统间倒数据，省成本还高效；
- AI补位：2023年收购生成式AI公司MosaicML（帮企业用自己数据训练大模型），又买了Okera（数据治理）、Arcion（数据接入）等公司，现在能一站式帮企业从“管数据”到“用数据训练AI”；
- 客户硬核：服务全球2万家机构，包括阿迪达斯、拜耳、万事达等，1000多家客户年消费超100万美金，100多家超1000万美金。
三、为什么值钱？AI落地的“必经之路”
AI时代，数据是核心燃料，但企业自己的数据往往是“散沙”：
- 大模型需要“懂业务”的数据：OpenAI的通用模型不懂你的公司客户偏好，但用你自己的数据训练的模型就懂；
- Databricks解决“最后一公里”：它把企业分散的数据整理成AI能直接用的格式，相当于给AI“喂饭”——没有它，企业买了大模型也用不好；
- 定位“卖水人”：就像淘金热时卖水的最稳，AI热时做数据基建的最刚需。资本看好它，是因为它是企业AI落地的必经之路。
四、GPT风口下的逆袭：从“小弟”到反超Snowflake
以前Databricks和Snowflake是同赛道的“兄弟”，现在差距拉大：
- 过去：2020年Snowflake上市估值335亿，当时Databricks估值仅62亿（五分之一）；
- 现在：Databricks年化收入70亿（同比增80%），Snowflake44.7亿（增29%）；Databricks估值1900亿，Snowflake市值1130亿；
- 原因：Snowflake还停留在传统数据存储/分析，而Databricks抓住了AI风口，把业务延伸到AI基建，所以增长更快、估值更高。
五、未来：AI基建的“造富故事”才刚开始
Databricks的成功说明：AI时代不仅大模型公司（如OpenAI）值钱，做“幕后基建”的公司同样重要。它的成长路径（科研项目→数据服务→AI基建）也给创业者提示：抓住AI落地的“痛点”（比如数据整合），就能吃到时代红利。下一个Databricks，或许就在解决AI某个细分基建问题的公司里。
总的来说，Databricks的故事告诉我们：在AI这个“大金矿”里，不一定要做挖金子的（大模型），做给挖金子的人“送水修路”的（数据基建），同样能成为万亿级巨头。这也让我们看到，AI的价值不仅在前端的模型，更在后端的基础能力建设。