作者 | 鉛筆道 黃小貴

編輯 | 鉛筆道 祝枝杉

封面圖 | ChatGPT創(chuàng)作

最新消息，AI數(shù)據(jù)獨(dú)角獸Databricks又在找錢了。

這一次，它想要的估值最高可能達(dá)到1750億美元（約合人民幣1.26萬億元）。

隨著SpaceX上市，OpenAI、Anthropic秘密遞交招股書，Databricks可能是最后一頭在一級市場上活躍的巨型AI獨(dú)角獸企業(yè)。

Databricks是一家?guī)椭髽I(yè)管理數(shù)據(jù)的AI公司，2月份剛?cè)谫Y50億美元，目前估值1340億美元（約合人民幣9648億元）。

讓企業(yè)私有數(shù)據(jù)"值錢"

Databricks的故事，是從伯克利實(shí)驗(yàn)室里的一段代碼開始的。

2013年，幾位來自加州大學(xué)伯克利AMPLab的研究人員創(chuàng)辦了Databricks。他們最核心的技術(shù)資產(chǎn)，是Apache Spark，能讓成百上千臺服務(wù)器同時處理海量數(shù)據(jù)的軟件引擎。

Apache Spark與Databricks的關(guān)系 來源：公開資料

如果把數(shù)據(jù)比作礦石，Spark就是挖礦機(jī)；Databricks則是建了一整座現(xiàn)代化礦場。

互聯(lián)網(wǎng)公司、銀行、零售商、汽車公司每天都會產(chǎn)生海量數(shù)據(jù)。用戶點(diǎn)擊、交易記錄、庫存變化、傳感器信號、日志文件、客戶畫像、廣告投放結(jié)果，全都堆在系統(tǒng)里。問題是，數(shù)據(jù)越多，越難處理。Databricks幫助企業(yè)挖掘數(shù)據(jù)的價(jià)值。

AI爆發(fā)以后，這個位置突然變得極其重要。

因?yàn)榇竽Ｐ捅旧聿⒉焕斫庖患夜镜木唧w業(yè)務(wù)。它不知道一家零售商今天哪個區(qū)域庫存不足，也不知道一家銀行哪些交易異常，更不知道一家車企哪批電池測試數(shù)據(jù)出了問題。模型要真正為企業(yè)工作，就必須接入企業(yè)內(nèi)部數(shù)據(jù)。

但企業(yè)內(nèi)部數(shù)據(jù)往往是混亂的。

有的數(shù)據(jù)在云上，有的數(shù)據(jù)在本地服務(wù)器。有的數(shù)據(jù)在數(shù)據(jù)倉庫，有的數(shù)據(jù)在業(yè)務(wù)系統(tǒng)。有的數(shù)據(jù)是結(jié)構(gòu)化表格，有的數(shù)據(jù)是客服錄音、合同文本、圖片和日志。更麻煩的是，不是所有數(shù)據(jù)都能隨便給AI用。金融、醫(yī)療、制造、零售行業(yè)都有嚴(yán)格的權(quán)限、安全和合規(guī)要求。

這正是Databricks的機(jī)會。

它可以告訴企業(yè)：你不用把所有數(shù)據(jù)重新搬一遍，也不用從零搭建AI基礎(chǔ)設(shè)施。你可以在一個統(tǒng)一平臺上管理數(shù)據(jù)、訓(xùn)練模型、部署AI應(yīng)用、建立治理規(guī)則，讓AI真正用上公司自己的數(shù)據(jù)。

AI時代最貴的東西，不一定是模型本身，而是模型和真實(shí)業(yè)務(wù)之間的連接層。Databricks正在做的，就是這層連接。

年入54億美元

Databricks的賺錢方式，和傳統(tǒng)軟件公司不太一樣。

傳統(tǒng)軟件更像賣許可證。企業(yè)買一套系統(tǒng)，按年付費(fèi)，員工能用就行。Databricks更像云計(jì)算公司。客戶不是簡單買一個軟件賬號，而是在它的平臺上處理數(shù)據(jù)、訓(xùn)練模型、運(yùn)行AI應(yīng)用、調(diào)用計(jì)算***。用得越多，賬單越高。

Databricks數(shù)據(jù)智能平臺 來源：Databricks***

這也是Databricks最有吸引力的地方。

一家企業(yè)一開始可能只是用它做數(shù)據(jù)分析。比如，把銷售、庫存、訂單、用戶行為數(shù)據(jù)放到平臺上，做報(bào)表、查趨勢、預(yù)測需求。后來，企業(yè)開始訓(xùn)練機(jī)器學(xué)習(xí)模型。再后來，AI時代到來，企業(yè)又想基于自己的內(nèi)部數(shù)據(jù)開發(fā)AI助手、AI Agent、智能客服、風(fēng)險(xiǎn)控制系統(tǒng)。每增加一個場景，Databricks的使用量都會增加。

所以，Databricks賣的不是一次性軟件，而是一套"企業(yè)數(shù)據(jù)和AI基礎(chǔ)設(shè)施"。

它的收入增長，有兩個來源。

第一，是新客戶增加。越來越多大企業(yè)要整理數(shù)據(jù)、建設(shè)AI能力，就會***購Databricks。

第二，是老客戶越用越多。這一點(diǎn)更關(guān)鍵。Databricks披露的凈收入留存率超過140%，意思是同一批老客戶去年花100美元，今年可能花到140美元以上。對投資人來說，這是非常漂亮的指標(biāo)。因?yàn)樗f明客戶不是試用一下就停，而是越用越深、越用越貴。

這背后有很強(qiáng)的商業(yè)邏輯。

企業(yè)的數(shù)據(jù)一旦接入Databricks，就不只是放了幾張表進(jìn)去，而是把數(shù)據(jù)管道、權(quán)限管理、分析模型、AI應(yīng)用開發(fā)流程都搭在上面。銷售部門在用，財(cái)務(wù)部門在用，客服部門在用，研發(fā)部門也在用。隨著數(shù)據(jù)越來越多，AI應(yīng)用越來越多，遷移成本也越來越高。

這就形成了很強(qiáng)的客戶粘性。

投資人持續(xù)給Databricks高估值，一個重要原因是，它已經(jīng)證明自己不僅會講AI故事，而且真的賺到了錢。

公司披露，目前年收入規(guī)模已經(jīng)超過54億美元。更關(guān)鍵的是，很多客戶第一次購買后，花的錢會越來越多。因?yàn)槠髽I(yè)的數(shù)據(jù)、AI模型和業(yè)務(wù)系統(tǒng)一旦接入Databricks，后續(xù)會不斷增加新的使用場景。

例如，一家零售企業(yè)最開始可能只是用它分析銷售數(shù)據(jù)。后來開始訓(xùn)練AI模型、部署智能客服、開發(fā)AI助手，每增加一個新功能，就會產(chǎn)生更多費(fèi)用。

這意味著Databricks不是靠不停尋找新客戶賺錢，而是老客戶自己就在不斷增加支出。

目前，Databricks年消費(fèi)超過100萬美元的客戶已經(jīng)超過800家，年消費(fèi)超過1000萬美元的客戶超過70家。對于一家企業(yè)軟件公司來說，這說明它已經(jīng)進(jìn)入了許多大公司的核心系統(tǒng)，而不只是一個可有可無的小工具。

這也是投資人最喜歡的商業(yè)模式：客戶離不開，收入持續(xù)增長，而且隨著AI普及，還有更大的增長空間。

做企業(yè)的AI大總管

過去，企業(yè)買Databricks，主要是為了處理數(shù)據(jù)。

比如，一家零售公司想知道哪些門店賣得好，哪些商品庫存積壓，哪些客戶可能流失。它可以把銷售、庫存、會員、物流數(shù)據(jù)放進(jìn)Databricks，再讓數(shù)據(jù)團(tuán)隊(duì)做分析。

這還是傳統(tǒng)數(shù)據(jù)平臺的生意。

但AI出現(xiàn)后，Databricks的目標(biāo)變了。它不只想幫企業(yè)"看懂?dāng)?shù)據(jù)"，還想幫企業(yè)"用AI調(diào)動數(shù)據(jù)"。

"看懂?dāng)?shù)據(jù)"，主要是數(shù)據(jù)分析師、工程師、業(yè)務(wù)負(fù)責(zé)人在用。它解決的是報(bào)表、預(yù)測、分析問題。

"用AI調(diào)動數(shù)據(jù)"，則意味著每個普通員工都可以直接和公司數(shù)據(jù)對話。銷售人員可以問：這個客戶過去買過什么？客服人員可以問：這個用戶的訂單為什么延遲？財(cái)務(wù)人員可以問：哪些費(fèi)用異常？供應(yīng)鏈人員可以問：哪個倉庫可能缺貨？

Databricks***：Your data. Your AI. Your future. 來源：Databricks***

過去，這些問題要找數(shù)據(jù)團(tuán)隊(duì)寫SQL、拉報(bào)表、建看板。未來，Databricks希望AI代理直接完成。

這就是它推出Genie One、Agent Bricks等產(chǎn)品的原因。Databricks不是要做一個普通聊天機(jī)器人，而是要做一種能接入企業(yè)真實(shí)數(shù)據(jù)、理解業(yè)務(wù)語境、幫助員工做決策的AI助手。

換句話說，OpenAI、Anthropic做的是通用大模型。Databricks想做的是企業(yè)內(nèi)部的"懂業(yè)務(wù)的AI"。

大模型再強(qiáng)，如果不能接入企業(yè)內(nèi)部數(shù)據(jù)，就只是一個外部工具。AI代理再先進(jìn)，如果沒有權(quán)限管理、數(shù)據(jù)治理、成本控制和安全體系，也很難進(jìn)入核心業(yè)務(wù)。Databricks想把這些環(huán)節(jié)都包起來。變成企業(yè)AI的統(tǒng)一操作層。

它可以向上做AI助手，讓員工直接和公司數(shù)據(jù)對話。

它可以向下做數(shù)據(jù)庫，把業(yè)務(wù)系統(tǒng)和AI系統(tǒng)連接起來。

它可以橫向進(jìn)入營銷、安全、客服、開發(fā)者工具等場景。

它還可以做AI成本管理。隨著企業(yè)大量使用AI代理，賬單會變得越來越難預(yù)測。一個員工、一個代理、一個自動化流程，都可能在后臺不斷調(diào)用模型，最后產(chǎn)生巨額費(fèi)用。Databricks推出AI支出控制工具，本質(zhì)上也是想成為企業(yè)AI預(yù)算的"總閘門"。

這很像云計(jì)算早期。一開始，企業(yè)只是把服務(wù)器搬到云上。后來，云廠商不只賣服務(wù)器，還賣數(shù)據(jù)庫、數(shù)據(jù)倉庫、AI服務(wù)、安全服務(wù)、開發(fā)工具、成本管理工具。客戶用得越多，越難離開。

Databricks也想走這條路。返回搜狐，查看更多