Databricks, firma technologiczna specjalizująca się w rozwiązaniach chmurowych i analityce danych, ogłosiła kolejną rundę finansowania, która wycenia przedsiębiorstwo na imponującą kwotę 188 miliardów dolarów (około 740 miliardów złotych). Choć dokładna suma pozyskanego kapitału nie została oficjalnie potwierdzona przez spółkę, nieoficjalne doniesienia rynkowe wskazują na około 3 miliardy dolarów (blisko 12 miliardów złotych). Runda, której przewodzi fundusz Coatue, ma zostać sfinalizowana jeszcze tego lata.
Tak wysoka wycena w momencie, gdy środki nie wpłynęły jeszcze na konto firmy, jest nietypowa, jednak eksperci z branży venture capital wskazują na ogromne zainteresowanie inwestorów. Databricks skutecznie wykorzystało ten kapitałowy entuzjazm, aby w ciągu ostatnich półtora roku przeprowadzić serię dynamicznych rund finansowania, które ugruntowały pozycję firmy jako kluczowego gracza w sektorze sztucznej inteligencji.
Dynamiczny wzrost wyceny
Tempo, w jakim Databricks pozyskuje fundusze, jest bezprecedensowe. W ciągu zaledwie kilku miesięcy firma przeszła drogę od wyceny na poziomie 62 miliardów dolarów do obecnych 188 miliardów. Poniższe zestawienie obrazuje skalę tego wzrostu:
Transformacja w stronę AI
Założona w 2013 roku firma początkowo odnosiła sukcesy w erze „wielkich danych” (big data), dostarczając oprogramowanie do przechowywania i szybkiej analizy ogromnych zbiorów informacji w chmurze. Dzięki posiadaniu dostępu do kluczowych zasobów danych przedsiębiorstw, Databricks płynnie przeszło transformację w stronę dostawcy rozwiązań AI, oferując narzędzia spełniające wysokie standardy bezpieczeństwa i zarządzania, których oczekują korporacje.
Obecnie oferta firmy obejmuje zaawansowane produkty, takie jak:
Efektywność kosztowa i modele open-weight
Databricks stało się również jednym z głównych orędowników wykorzystania otwartych modeli (open-weight) w środowiskach biznesowych. Firma promuje podejście, w którym optymalizacja kosztów nie odbywa się kosztem jakości. Wewnętrzne testy przeprowadzone przez zespół inżynierów Databricks wykazały, że model GLM 5.2 od Z.ai jest w stanie sprostać najbardziej wymagającym zadaniom programistycznym przy niższych kosztach niż rozwiązania oferowane przez liderów rynku, takich jak OpenAI czy Anthropic.
Lekcja płynąca z naszych testów nie polega na tym, że jeden konkretny zestaw narzędzi jest zawsze tańszy lub lepszy od innych. Zrozumieliśmy, że wybór modelu to tylko jeden z elementów układanki.
Badania firmy wykazały, że kluczowy wpływ na koszty i wydajność ma również tzw. harness, czyli narzędzie zarządzające kontekstem i instrukcjami dla modelu. Wykorzystanie rozwiązań open-source, takich jak Pi, pozwala na efektywne zarządzanie promptami bez utraty jakości pracy. Ta strategia pozycjonowania się jako lidera efektywnego AI pozwoliła Databricks zyskać tzw. „halo AI”, które przyciąga inwestorów i napędza dalszy wzrost wartości rynkowej spółki.