Databricks公司今日披露了其三周前宣布的新一轮融资的具体细节,该轮融资使公司估值超过1000亿美元。
公司表示正在完成10亿美元的K轮风险投资,使其总融资额超过200亿美元。Databricks表示将利用这笔资金扩大Agent Bricks和Lakebase项目的市场,并进行全球扩张。
Agent Bricks是一个用于构建和优化人工智能智能体的统一工作空间。Lakebase是一个无服务器数据库,专为处理事务性和分析性工作负载而设计。这两项产品都在今年6月发布。
公司还公布了一些销售和增长数据。Databricks在第二季度的年化收入超过40亿美元门槛,同比增长50%。仅AI产品的销售就超过了10亿美元的年化收入。
Databricks表示,超过650家客户每年在其产品上的支出超过100万美元,净收入留存率超过140%,这一表现令人瞩目。净收入留存率是显示现有客户年度支出变化的指标。公司还表示在过去一年中保持了正的自由现金流,这是财务健康的重要指标。
为何还需要资金?
尽管公司庞大的资金储备可能让人质疑为何还需要更多资金,但theCUBE Research分析师Rob Strechay表示,Databricks今年早些时候向无服务器交付模式的转变可能对支出造成了冲击。
"他们全力投入无服务器基础设施,但根据使用方式的不同,这可能会显著增加成本,"他说。Databricks还在6月推出了免费版本,这增加了商品销售成本,但没有带来相应的收入效益。
"无服务器和免费层的结合可能给他们的财务模型带来了不确定性,"Strechay说。在当前市场环境下,筹集10亿美元的抵消成本很低。"资金便宜的时候,为什么不拿呢?"
企业对AI的兴趣显然是一个利好因素。就在上个月,公司表示预计年化收入为37亿美元。不到一个月后,这一数字已更新为40亿美元。
自2021年以来,Databricks高管就暗示了首次公开募股的计划,但最近显示出对此举并不急迫。1000亿美元的估值使该公司远超竞争对手Snowflake公司764亿美元的市值;然而,theCUBE Research首席分析师David Vellante表示,这种比较有些不太合适。
机会充沛
"记住Databricks是一家私人公司,受到的投资者审查要少得多,"他说。"投资者押注的是Databricks的未来,而Snowflake面临的是一个更具流动性的买卖市场。"
尽管两家公司的竞争备受关注,但"我们不认为Databricks与Snowflake是零和游戏,"Vellante说。"相反,我们认为市场规模庞大,两家公司都能繁荣发展。"
Strechay表示,Snowflake自四年前IPO以来在市场上遭受的冲击可能凸显了Databricks高管保持私有化的优势。"我认为他们喜欢把事情安排妥当,而不是每个季度都要报告内部运营情况,"他说。
Databricks发言人表示,公司的官方立场是"我们会在时机合适时上市。我们在很多方面已经像公开公司一样运营,时机到来时我们会做好准备。"
本轮融资由Andreessen Horowitz、Insight Partners、MGX基金管理公司、Thrive Capital Management和WCM投资管理公司共同领投。
Q&A
Q1:Databricks的Agent Bricks和Lakebase是什么产品?
A:Agent Bricks是一个用于构建和优化人工智能智能体的统一工作空间。Lakebase是一个无服务器数据库,专为处理事务性和分析性工作负载而设计。这两项产品都在今年6月发布,是Databricks重点投资的新产品线。
Q2:Databricks为什么在估值这么高的情况下还要融资?
A:主要原因是公司向无服务器交付模式转变增加了成本,同时推出免费版本也增加了商品销售成本但没有带来相应收入。分析师认为,在当前资金成本较低的市场环境下,公司选择趁机融资是明智的决策。
Q3:Databricks会很快上市吗?
A:公司表示会在时机合适时上市,但目前并不急迫。分析师认为,看到竞争对手Snowflake上市后在市场上的表现,Databricks可能更愿意保持私有化状态,避免每季度的财务审查压力。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。