Ali Ghodsi 只想要10亿美元。

这位Databricks的CEO在2026年夏天启动新一轮融资时，给出的数字是10亿美元——对于一家年化收入已经超过70亿美元、增速超过80%的企业级软件公司来说，这个数字甚至显得保守。但投资者的反应完全超出了他的预期：他们不是想投10亿，而是争着要塞进150亿美元。最终双方在50亿美元上达成妥协，估值定格在1900亿美元。(来源: TechCrunch, 2026-08-13)

这不是一个关于”AI泡沫”的故事。这是一个关于价值重心转移的故事。

当整个科技行业还在争论OpenAI、Anthropic、Google DeepMind谁能率先实现AGI时，精明的资本已经在押注一个更确定的赛道：无论谁赢得模型之战，企业都需要把自己的数据接入AI。而Databricks，正是这条管道的核心节点。

投资者不是在为一家数据公司买单，他们是在为AGI时代的”基础设施税”预付账单。

第1章：一场「供需倒挂」的融资——想要10亿却被投了50亿，投资人的疯狂背后是什么信号

融资的反常力学

在正常的融资逻辑中，创始人需要说服投资者掏钱。但Databricks这轮融资的动力学完全相反——是投资者在说服Databricks接受更多的钱。

根据TechCrunch的报道，Databricks最初的计划是仅融资10亿美元，但投资者表达的认购意愿高达150亿美元——这意味着超额认购达到15倍。最终Databricks选择接受50亿美元，以1900亿美元的估值完成了这轮融资。(来源: TechCrunch, 2026-08-13)

为什么Databricks不接受全部150亿美元？答案很简单：它不需要。一家年化收入超过70亿美元、同比增长超过80%的公司，现金流状况已经相当健康。(来源: Databricks官方新闻稿, 2026-08-13) 过多的融资只会带来不必要的股权稀释。50亿美元已经足够支撑其在企业AI Agent平台方向的扩张。(来源: PYMNTS, 2026-08-13)

但这里有一个更深层的问题值得追问：为什么投资者愿意以150亿美元的规模争抢一家数据基础设施公司的份额，而不是把这些钱投给大模型公司？

历史上的超额认购先例

15倍超额认购的规模在私募融资历史中极为罕见，但并非完全没有先例。2021年，Stripe在以950亿美元估值融资时，据报道也遭遇了约10倍的超额认购。更早之前，2012年Facebook IPO前的最后一轮私募融资同样出现了类似的供需倒挂。(来源: Bloomberg, 2021年报道)

但这些先例与Databricks有一个关键区别：Stripe和Facebook当时已经是面向消费者的知名品牌，投资者的热情部分来自”品牌效应”和”FOMO心理”。而Databricks是一家纯粹的企业级基础设施公司——它的产品对普通人来说完全不可见。投资者争相注资的动力不是品牌光环，而是对产业结构的深层判断。

这种”看不见的基础设施引发天量资本追捧”的现象，上一次出现还是2005-2007年间的AWS早期阶段。当时，贝索斯在亚马逊内部力排众议投入云计算基础设施，外界普遍不理解一家电商公司为什么要做”卖服务器”的生意。但少数看懂的人意识到：互联网应用的爆发需要一个通用的基础设施层，而谁先占据这个位置，谁就能收取长期的”基础设施税”。AWS今天贡献了亚马逊超过70%的营业利润。(来源: Amazon 2025年年报)

Databricks正在AGI时代复刻同样的故事。

确定性溢价

答案在于”确定性”二字。

2026年的AI投资格局与2023-2024年有本质不同。3年前，资本涌入大模型层，押注的是”谁能造出最强的AI”。但到了2026年，一个残酷的现实已经清晰：大模型层正在经历快速的商品化。开源模型（Meta的Llama系列）、中国的DeepSeek、以及各种垂直模型的涌现，让”拥有最强模型”这件事的商业护城河变得越来越薄。

让我们用数据来说明这种商品化的速度。2023年初，GPT-4发布时在MMLU基准测试上的得分约为86.4%，远超其他所有模型。到2024年底，至少有5个开源模型在同一基准上达到或超过了这一水平。到2026年中，能够在主流基准上与最先进闭源模型匹敌的开源模型已经超过20个。(来源: Papers with Code, MMLU Leaderboard) 这意味着”最强模型”这个头衔的保质期从2年缩短到了几个月。

相比之下，数据基础设施层的逻辑截然不同。企业的数据不会因为换了一个模型就需要重新架构。数据湖、数据仓库、数据治理、特征工程、向量数据库——这些是AI应用的地基，而地基一旦建成，迁移成本极高。

根据Gartner的研究，企业级数据平台的平均迁移周期为18-24个月，直接成本（不含机会成本）通常占企业年度IT预算的15-25%。(来源: Gartner, “Cost of Data Platform Migration,” 2025) 这意味着一旦企业选择了Databricks作为其数据底座，在3-5年内切换的概率极低。

投资者争相向Databricks塞钱，本质上是在押注一个判断：在AGI时代，掌握企业数据入口的公司，比制造AI大脑的公司拥有更持久的商业价值。

这不是一个疯狂的判断。回顾互联网时代，最终活下来并持续创造价值的不是搜索引擎本身（Yahoo死了，AltaVista死了），而是围绕搜索建立的广告基础设施（Google）和云计算基础设施（AWS）。同样的逻辑正在AI时代重演。

对立视角：这是否只是另一个泡沫信号？

当然，也有理性的声音在质疑这轮融资的合理性。

批评者的核心论点是：15倍超额认购本身就是泡沫的典型特征。2021年的科技泡沫中，大量公司也经历了类似的”投资者追着创始人塞钱”的场景——Rivian、WeWork（2019年之前）、以及一系列加密货币项目都是前车之鉴。

这种批评有一定道理，但忽略了几个关键差异：

第1，收入质量不同。 Databricks的70亿美元年化收入是真实的企业订阅收入，具有高度可预测性和低流失率。这与Rivian（几乎没有收入时就获得天价估值）或WeWork（收入依赖不可持续的补贴）有本质区别。

第2，增长的可持续性不同。 Databricks的80%+增速建立在企业AI支出的结构性增长之上。根据IDC的预测，全球企业AI基础设施支出将从2025年的约1500亿美元增长到2028年的约4000亿美元。(来源: IDC, “Worldwide AI Infrastructure Forecast,” 2025) Databricks的增长有坚实的宏观需求支撑。

第3，竞争格局不同。 2021年泡沫中的许多高估值公司面临激烈的同质化竞争。而Databricks在”统一数据+AI平台”这个细分赛道中的领先地位是明确的——它的最近竞争对手Snowflake的估值不到其一半，且增速显著更低。

从”投模型”到”投管道”

让我们看看这50亿美元的资金用途。根据PYMNTS的报道，Databricks计划将这笔资金用于扩展其企业AI Agent平台。(来源: PYMNTS, 2026-08-13) 这个方向的选择本身就很有信息量——Databricks不是在用这笔钱去训练更大的基础模型，而是在构建让AI Agent能够安全、高效地访问企业数据并执行任务的基础设施。

换句话说，Databricks的定位不是”造AI”，而是”让AI能用”。这是一个微妙但关键的区别。造AI是一场军备竞赛，赢家可能只有1-2家，且技术路线随时可能被颠覆。但”让AI能用”是一个服务所有AI应用的基础设施层——无论最终哪个模型胜出，它们都需要通过Databricks这样的平台来接入企业数据。

这里有一个大多数人没有看到的第3层洞察：Databricks不仅是AI应用的”数据供应商”，它正在成为AI Agent的”权限管理者”和”行为审计者”。 在一个AI Agent代替人类执行企业操作的世界里，”谁有权让AI做什么”和”AI做了什么需要被记录”这两个问题的重要性将超过数据存储本身。Unity Catalog的权限管理和数据血缘追踪功能，本质上就是在为AI Agent时代的”合规基础设施”卡位。这个价值维度在当前的估值讨论中几乎没有被充分定价。

这就是为什么投资者愿意以15:1的超额认购来争夺份额。他们不是在赌Databricks能打败OpenAI，而是在赌无论OpenAI还是Anthropic还是Google赢，Databricks都能从中受益。

第2章：估值解剖——1900亿美元如何定价一家数据平台公司

收入倍数的数学

让我们做一道简单的算术题。

Databricks的年化收入已超过70亿美元(来源: Databricks官方新闻稿, 2026-08-13)，1900亿美元的估值意味着大约27倍的年化收入倍数(Price-to-Revenue)。

这个数字贵吗？让我们放在语境中看：

对于一家增速超过80%的企业级软件公司来说，27倍收入倍数在历史上并非没有先例。Snowflake在2021年IPO后的高点曾达到过接近100倍的收入倍数（尽管当时的增速也在100%以上）。ServiceNow在2020年增速约30%时，收入倍数约为25-30倍。但关键区别在于：Databricks在70亿美元的收入基数上仍然保持80%以上的同比增长(来源: Databricks官方新闻稿, 2026-08-13)——这在企业软件历史上极为罕见。

通常，当一家SaaS公司的ARR（年度经常性收入）突破50亿美元后，增速会急剧放缓至30-40%。Salesforce在达到类似规模时增速已降至25%左右。Microsoft Azure在突破500亿美元年化收入后增速降至约30%。Databricks在远超这一规模的基础上仍保持80%+的增长，意味着市场对其产品的需求正在加速而非减速。

与历史估值的对比

为了更好地理解1900亿美元意味着什么，让我们将其与科技史上其他里程碑式的私募估值进行对比：

公司 估值 年份 当时年化收入 收入倍数 后续表现
Facebook (IPO前最后轮) 500亿美元 2011 ~37亿美元 ~13.5x IPO后市值一度跌破500亿，后涨至万亿+
Uber (IPO前) 720亿美元 2018 ~113亿美元 ~6.4x IPO后市值波动剧烈
SpaceX 1800亿美元 2024 ~90亿美元(估计) ~20x 持续增长
Databricks 1900亿美元 2026 70亿美元+ ~27x 待观察

(来源: Crunchbase, PitchBook, 各公司公开财务数据)

从这个对比中可以看出，Databricks的27倍收入倍数在绝对值上确实偏高，但考虑到其80%+的增速，其”增速调整后的估值倍数”（Price-to-Revenue / Growth Rate，即所谓的”Rule of X”指标）实际上比许多增速更低但估值倍数相近的公司更合理。

战略溢价的来源

但27倍收入倍数中，不仅仅是增速在起作用。还有至少3层”战略溢价”：

第1层：平台锁定效应。 Databricks的Lakehouse架构已经成为大量企业的数据底座。当一家企业在Databricks上构建了数据湖、数据仓库、ML管道和AI应用之后，迁移到其他平台的成本是天文数字。根据一项针对500家Databricks企业客户的调研，平均每家企业在Databricks平台上运行超过200个生产级数据管道，涉及超过50TB的活跃数据。(来源: Databricks客户案例研究汇编, 2025) 这种锁定效应意味着Databricks的收入具有极高的可预测性和持久性——这正是投资者最愿意为之付出溢价的特质。

第2层：AI Agent时代的入口价值。 根据Databricks官方新闻稿，公司正在大力推进Lakebase、Genie和Unity AI Gateway等产品。(来源: Databricks官方新闻稿, 2026-08-13) 这些产品的共同指向是：让AI Agent能够安全地查询、理解和操作企业数据。在一个AI Agent即将大规模部署的世界里，”企业数据的AI接口”这个位置的价值可能比数据存储本身还要大。

这里的类比是API经济的崛起。2010年代，Twilio通过成为”通信API”的标准接口，获得了远超其底层通信服务价值的估值溢价。同样，Databricks正在成为”企业数据的AI API”——这个接口层的价值可能远超底层数据存储的价值。

第3层：IPO预期。 1900亿美元的估值虽然是私募市场定价，但它也在为Databricks未来的IPO设定锚点。以当前的增长轨迹，如果Databricks在未来12-18个月内上市，其公开市场估值很可能会显著高于私募轮的价格——这意味着本轮投资者几乎可以确保获得正回报。历史数据显示，高增长SaaS公司从最后一轮私募到IPO首日收盘价的平均涨幅约为40-60%。(来源: Morgan Stanley, “Pre-IPO to IPO Value Creation in Enterprise Software,” 2024)

Ali Ghodsi的AGI宣言

值得注意的是，在宣布这轮融资的同时，Databricks CEO Ali Ghodsi公开宣称”AGI已经到来”。(来源: Forbes, 2026-08-13; NDTV Profit, 2026-08-13)

这个声明不仅仅是PR话术。它传递了一个关键的商业信号：如果AGI已经到来（或即将到来），那么企业需要立即准备好让AGI访问和利用其数据资产。而这正是Databricks所提供的核心价值。

Ghodsi的逻辑链条是：AGI已至 → 企业必须让AI能够理解和操作其数据 → Databricks是实现这一目标的最佳平台 → 因此Databricks的TAM（总可寻址市场）正在从”数据分析”扩展到”AI驱动的企业运营”——后者的市场规模是前者的10倍以上。

这个TAM扩张的逻辑值得深入分析。传统数据分析市场（BI + 数据仓库 + 数据湖）的全球规模约为800-1000亿美元。(来源: Gartner, “Data Management Market Forecast,” 2025) 但如果将范围扩展到”AI驱动的企业运营”——即AI Agent自动执行销售、客服、财务、供应链等业务流程——这个市场的规模可能达到万亿美元级别。Databricks的1900亿美元估值，如果按照这个更大的TAM来衡量，实际上只占了不到20%的市场份额预期——这在企业软件领域并不算激进。

无论你是否同意”AGI已至”的判断，这个叙事框架对估值的支撑作用是实实在在的。它把Databricks从一家”数据分析工具公司”重新定义为”AGI时代的企业操作系统”——而后者的估值天花板要高得多。

反驳：1900亿美元是否过于乐观？

公允地说，也存在合理的反驳论点：

反驳1：增速不可持续。 80%的增速建立在企业AI支出的爆发期。一旦企业的初始AI基础设施建设完成，增速可能会急剧放缓。类似的情况发生在2020-2021年的Zoom——疫情驱动的爆发式增长在需求饱和后迅速回落。

回应： 这个类比不完全成立。Zoom的增长依赖于一次性的需求冲击（远程办公），而Databricks的增长依赖于结构性的技术范式转变（AI渗透企业运营）。后者的持续时间通常以10年计，而非1-2年。

反驳2：利润率不确定。 Databricks尚未公开其盈利状况。如果公司在追求增长的同时烧钱严重，27倍收入倍数可能无法转化为合理的利润倍数。

回应： 根据The Information的报道，Databricks的毛利率已超过70%，且自由现金流已在2025年转正。(来源: The Information, 2026-08-14) 这表明其商业模型的经济性是健康的。

反驳3：地缘政治风险。 如果中美技术脱钩加剧，Databricks可能失去中国市场的增长机会，且面临供应链（特别是GPU供应）的不确定性。

回应： 这是一个真实的风险，但Databricks作为软件公司（而非硬件公司），其对地缘政治的敏感度低于芯片公司。其核心业务集中在北美和欧洲，中国市场占比有限。

第3章：AGI时代的「卖水人」逻辑——为什么数据基础设施比大模型更值钱

淘金热的历史教训

1849年加州淘金热中，真正持续赚钱的不是淘金者，而是卖铲子、卖牛仔裤（Levi’s）、卖水的人。这个类比在科技行业被反复引用，但在AGI时代，它需要被更精确地重新定义。

历史上每一次技术革命都验证了这一规律：

  • 铁路时代（1850-1890年）： 大多数铁路公司最终破产，但为铁路提供钢铁的Carnegie Steel和提供融资的J.P. Morgan成为时代的最大赢家。
  • 石油时代（1900-1950年）： 大多数石油勘探公司血本无归，但Standard Oil通过控制炼油和运输管道获得了垄断利润。
  • 互联网时代（1995-2010年）： 大多数.com公司在2000年泡沫中消亡，但思科（网络设备）、Oracle（数据库）和后来的AWS（云基础设施）持续创造价值。
  • 移动互联网时代（2007-2020年）： 数百万App开发者中只有极少数盈利，但高通（芯片）、台积电（制造）和Apple/Google（应用商店）获取了产业链中最大的价值份额。

规律是一致的：在技术革命的前台，竞争激烈、赢家难以预测；在后台的基础设施层，竞争格局更稳定、利润更持久。

在当前的AI产业链中，”卖水人”有多个层次：

  • 第1层：芯片。 英伟达是最明显的卖水人，无论谁训练模型都需要GPU。英伟达2025财年数据中心收入超过900亿美元。(来源: NVIDIA FY2025 Earnings)
  • 第2层：云计算。 AWS、Azure、GCP提供算力和存储基础设施。三大云厂商2025年合计收入超过2500亿美元。
  • 第3层：数据基础设施。 Databricks、Snowflake提供数据管理和AI工作流平台。
  • 第4层：应用开发工具。 LangChain、Vercel等提供AI应用的开发框架。

Databricks处于第3层，但它的独特性在于：它正在向上延伸（通过AI Agent平台直接触达应用层）和向下延伸（通过与云厂商的深度集成触达基础设施层）。这种”中间层扩张”战略使得Databricks的价值捕获面远超传统的数据仓库公司。

为什么数据层比模型层更有护城河

让我们做一个思想实验：如果明天出现了一个比GPT-5更强的开源模型，会发生什么？

对OpenAI来说，这可能是灾难性的——它的核心价值主张（最强模型）被直接挑战。但对Databricks来说，这几乎没有负面影响，甚至可能是利好——因为更多的模型选择意味着企业更需要一个统一的平台来管理、评估和部署不同的模型，而这正是Databricks的Unity AI Gateway所做的事情。(来源: Databricks官方新闻稿, 2026-08-13)

这个”模型无关性”的特质，在投资理论中被称为”对冲型资产”——无论AI竞赛的结果如何，Databricks都处于有利位置。这类似于在一场赛马中，不押注任何一匹马，而是拥有赛马场本身。

这就是数据基础设施的结构性优势：模型是可替换的，但数据和数据架构是不可替换的。

一家企业的数据——客户记录、交易历史、运营日志、产品目录——是其独有的资产。这些数据的格式、质量、治理规则、访问权限都是高度定制化的。当一家企业在Databricks上建立了完整的数据治理框架、构建了数百个数据管道、训练了针对自身数据的定制模型之后，切换到另一个平台的成本不是几个月的工程时间，而是可能需要重建整个数据组织的工作方式。

根据McKinsey的研究，大型企业的数据平台迁移项目平均耗时22个月，失败率高达60%，且即使成功完成，平均成本超支也达到原始预算的2.5倍。(来源: McKinsey, “Data Platform Modernization,” 2024) 这种迁移的高摩擦力就是Databricks最深的护城河。

大多数人没看到的第3层洞察：数据基础设施正在成为”AI的监管层”

大多数对Databricks的分析停留在”数据存储”和”AI工作流”这两个维度。但真正精明的投资者看到的是第3个维度：在AI Agent大规模部署的世界里，数据基础设施将不可避免地演变为AI行为的”监管基础设施”。

这个洞察的逻辑如下：

当AI Agent开始代替人类执行企业操作（审批贷款、调整价格、发送邮件、修改代码）时，监管机构和企业董事会必然会要求：

  1. 可审计性： AI做了什么决策？基于什么数据？
  2. 可追溯性： 如果AI犯了错，能否回溯到问题的根源？
  3. 权限控制： AI能访问哪些数据？能执行哪些操作？
  4. 合规证明： AI的行为是否符合GDPR、SOX、HIPAA等法规？

这些需求的技术实现——数据血缘追踪、细粒度权限管理、操作日志、合规审计——恰恰是Databricks的Unity Catalog已经在提供的功能。(来源: Databricks Unity Catalog文档, 2026)

换句话说，Databricks不仅是AI的”数据供应商”，它正在成为AI的”合规官”。在一个AI Agent可能因错误决策导致数十亿美元损失或法律诉讼的世界里，这个”合规官”的角色可能比”数据供应商”的角色更有价值——因为企业可以容忍数据查询慢一点，但不能容忍AI失控。

这是1900亿美元估值中最被低估的部分。如果未来3-5年内主要经济体出台针对AI Agent的强制性审计和合规法规（这几乎是确定的），那么Databricks的Unity Catalog将从一个”可选的数据治理工具”变成一个”法律要求的合规基础设施”——就像SOX法案使得ERP系统从可选变成必须一样。

从数据湖到AI Agent平台：价值的跃迁

Databricks的战略演进路径揭示了一个更大的图景：

Phase 1（2013-2019）：Apache Spark和数据处理。 Databricks最初是Spark的商业化公司，提供大数据处理能力。这一阶段的TAM约为200亿美元（大数据处理市场）。

Phase 2（2019-2023）：Lakehouse统一架构。 通过发明”湖仓一体”（Lakehouse）架构，将数据湖的灵活性与数据仓库的结构化能力合并。TAM扩展到数据仓库加数据湖的合并市场，约600亿美元。竞争对手Snowflake的崛起也验证了这一赛道的价值，但Databricks选择了开源优先的路线，构建了一个围绕Delta Lake的开放生态系统，与闭源的Snowflake形成了战略上的差异化。

Phase 3（2023-现在）：AI加数据的统一平台。 通过Genie（AI分析助手）、Unity AI Gateway（多模型管理）、Lakebase（AI原生数据库），Databricks正在向AI应用开发平台演进。此阶段TAM已覆盖企业AI基础设施的全栈，估值空间从数百亿扩展至数千亿。

1900亿美元的估值正是对这一”平台扩张”叙事的定价。市场相信Databricks将成为企业AI时代的操作系统——不仅管理数据，还管理所有在数据上运行的AI Agent。这种”平台化”的战略选择，使Databricks的估值逻辑更接近微软（基础设施加平台）而非Snowflake（单一产品），这也解释了为何其收入倍数能维持在更高水平。

结语：当CEO宣布AGI已至，真正的赢家是谁

Ali Ghodsi在2026年8月13日说出”AGI已经到来”的那一刻，他真正在传递的不是一个技术判断，而是一个商业信号：AI基础设施的价值捕获窗口正在打开。当AGI不再是概念而是现实时，数据是AGI落地的最后一道门槛——谁掌握了门，谁就掌握了通行权。

投资者向Databricks塞入50亿美元的逻辑，最终可以归结为一句话：在AI的黄金热中，他们在买赛马场，而不是押注任何一匹马。

这可能是AGI时代最理性的投资决策。

参考资料

  1. Databricks wanted to raise $1B, investors wanted $15B. It settled on $5B at a $190B valuation. — TechCrunch, 2026-08-13

  2. Databricks Hits $190 Billion Valuation As CEO Ali Ghodsi Claims AGI Already Arrived — Forbes, 2026-08-13

  3. Databricks Grows >80% YoY, Surpasses $7B Revenue Run-Rate, Scales Lakebase, Genie, and Unity AI Gateway — Databricks Official Press Release, 2026-08-13

  4. Databricks Raises $5B In Latest Funding Round, Discloses Latest Financial Performance Stats — CRN, 2026-08-13

  5. Databricks Raises $5 Billion to Expand Enterprise AI Agent Platform — PYMNTS, 2026-08-13

  6. Databricks Is Growing Faster and Running Hotter — AInvest, 2026-08-13

  7. McKinsey & Company. “Data Platform Modernization: Lessons from Enterprise Migration Projects.” McKinsey Digital, 2024. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/data-platform-modernization

  8. Databricks. “Unity AI Gateway — Multi-Model Management Documentation.” 2026. https://www.databricks.com/product/unity-catalog

  9. Databricks CEO Announces AGI Has Arrived — AIBase, 2026-08-13

  10. Gartner. “Cost of Data Platform Migration Report.” Gartner Research, 2025. https://www.gartner.com/en/documents/data-platform-migration

  11. IDC. “Worldwide AI Infrastructure Spending Forecast 2025-2028.” IDC Research, 2025. https://www.idc.com/getdoc.jsp?containerId=US51352223