Databricks با ارزشگذاری 188 میلیارد دلار وارد دور جدید سرمایهگذاری شد
شرکت Databricks روز پنجشنبه اعلام کرد دور جدیدی از تأمین مالی را آغاز کرده که ارزش شرکت را به حدود 188 میلیارد دلار میرساند. این دور سرمایهگذاری توسط صندوق Coatue هدایت میشود، اما شرکت رقم دقیق جذب سرمایه را رسماً اعلام نکرده و تأکید کرده پول هنوز بهحساب شرکت واریز نشده و نهایی شدن این دور تا اواسط تابستان جاری به طول خواهد انجامید. چند رسانه بینالمللی در گزارشهای خود رقم تقریبی 3 میلیارد دلار را برای این جذب سرمایه ذکر کردهاند. یک منابع سرمایهگذاری به TechCrunch گفت با توجه به تقاضای بالای سرمایهگذاران، معامله از نظر اجرایی مستحکم است و Databricks دلیل چندانی برای مخفی نگهداشتن این ارزشگذاری جدید نداشته است.
سیر صعودی ارزشگذاری و تبدیل به شرکت فعال در حوزه هوش مصنوعی
Databricks در یکسال و نیم گذشته چندین بار توانسته سرمایه جذب کند و تصویر خود را از یک پلتفرم سنتی تحلیل داده به یک تأمینکننده راهکارهای هوش مصنوعی متحول کند. این شرکت که در سال 2013 تأسیس شد، ابتدا در عصر «دیتا بزرگ» (big data) رشد کرد و با نرمافزاری که امکان ذخیرهسازی مقادیر بسیار زیاد داده در ابر را همراه با تحلیلهای سریع فراهم میکرد، جایگاه خود را میان شرکتهای بزرگ تثبیت نمود. دسترسی به حجم عظیمی از دادههای سازمانی، Databricks را در موقعیتی قرار داد تا وقتی کسبوکارها به دنبال پیادهسازی هوش مصنوعی با الزامات امنیتی و حاکمیت داده مشابه نرمافزارهای سازمانی هستند، پاسخگو باشد.
در پنج ماه گذشته تنها، Databricks در فوریه دور Series L به مبلغ حدود 5 میلیارد دلار با ارزشگذاری 134 میلیارد دلار را بست. پنج ماه پیشتر از آن، در سپتامبر 2025، دوری حدود 1 میلیارد دلار با ارزشگذاری 100 میلیارد دلار انجام داد و پیشتر، در دسامبر 2024، دوری رکوردشکن حدود 10 میلیارد دلار را با ارزشگذاری 62 میلیارد دلار به پایان رسانده بود. تکرار این دورها در زمان کوتاه، واکنشهای طنزآمیزی نیز در شبکهها به همراه داشت، اما تغییر استراتژیک شرکت به عرضه محصولات و خدمات مبتنی بر هوش مصنوعی جدی و ملموس است.
محصولات و استراتژی هوش مصنوعی
Databricks محصولاتی را برای تسهیل پیادهسازی و مدیریت عاملهای هوش مصنوعی و مدلهای متنباز عرضه کرده که از جمله آنها نامهایی مانند Lakebase (پایگاه دادهای طراحیشده برای عاملهای هوش مصنوعی)، Unity (دروازه یا گیتوی هوش مصنوعی) و Omnigent (یک «متا‑هارنِس» برای مدیریت چند عامل) ذکر شده است. این محصولات و تمرکز بر حاکمیت داده و مقیاسپذیری، Databricks را به گزینهای قابل اتکا برای سازمانهایی تبدیل کرده که میخواهند هوش مصنوعی را با ضوابط امنیتی و مدیریتی مناسب اجرا کنند.
پشتیبانی از مدلهای متنباز و نتایج بنچمارک داخلی
یکی از روندهای برجسته در بازار 2026، گرایش سازمانها به مدلهای متنباز با وزن باز (open-weight) برای کنترل هزینهها است؛ Databricks در این حوزه نقش فعالی ایفا کرده و بهویژه از مدل GLM 5.2 متعلق به Z.ai برای تسهیل کدنویسی پشتیبانی میکند. هفته گذشته علی غُدسی، مدیرعامل Databricks، نتایج بنچمارکهای داخلی شرکت را منتشر کرد؛ این آزمایشها روی وظایف واقعی توسعهدهندگان (حدود 3,000 مهندس نرمافزار شرکت) انجام شده بود تا هزینهها و عملکرد مدلها در شرایط واقعی سنجیده شود.
نتایج نشان داد مدلهای متنباز، بهویژه GLM 5.2، میتوانند حتی در دشوارترین سطوح وظیفهای در کدنویسی عملکرد مناسبی ارائه دهند و هزینه کلی پایینتری نسبت به مدلهای اختصاصی برخی رقبای بازار مانند Anthropic و OpenAI داشته باشند. علاوه بر انتخاب مدل، انتخاب «هارنِس» یا ابزار میانجی که حول مدل قرار میگیرد (مانند ابزارهای مدیریت کانتکست و دستورالعملها) نیز تأثیر چشمگیری بر هزینه و کیفیت دارد. در این ارزیابی، هارنِس متنباز «Pi» در مدیریت کانتکستِ هر درخواست عملکرد خوبی نشان داد و از نظر هزینه یکی از گزینههای بهصرفه بدون کاهش کیفیت بود. گزارش Databricks تأکید میکند که انتخاب مدل تنها یکی از اجزای معادله است و ابزارهای مدیریتی در هزینه و خروجی نهایی نقش کلیدی دارند.
ابعاد بازار و پیامدها
تحول تصویری Databricks به شرکت فعال در حوزه هوش مصنوعی، نه تنها باعث افزایش جذابیت آن برای سرمایهگذاران شده بلکه بر نحوه مصرف مدلهای متنباز در سازمانهای بزرگ نیز تأثیر گذاشته است. ترکیب دسترسی به دادههای سازمانی، محصولات ویژه هوش مصنوعی و بنچمارکهای مبتنی بر کاربری واقعی، Databricks را به نمونهای از موفقیت تبدیل کرده است که چگونه یک شرکت نرمافزاری سنتی میتواند در موج هوش مصنوعی مجدداً بازتعریف شود و ارزش بازار خود را بهسرعت افزایش دهد.
در نهایت، نهایی شدن این دور سرمایهگذاری و تأیید رقم دقیق جذبشده بهزودی مشخص خواهد شد؛ اما آنچه روشن است، تقاضای بالای سرمایهگذاران برای حضور در این دور و نقش فزاینده Databricks در اکوسیستم هوش مصنوعی سازمانی است.