Databricks估值飙到1750亿美元——当企业不再为”聊天”买单，AI的下一场战争在数据底层

一场没有聚光灯的”估值暴走”

6月9日，一则来自36氪的简短快讯在科技圈炸开了锅：数据库管理软件服务商Databricks正在洽谈新一轮融资，估值目标直指1650亿至1750亿美元。（新浪财经）

没有发布会，没有PPT，没有”改变世界”的宣言。这家至今仍未上市的AI基础设施公司，正用一种几乎低调到沉默的方式，向资本市场宣告：AI的下一个万亿赛道不在聊天界面里，而在企业数据的深层。

要知道，这个数字意味着什么——Databricks的估值已经逼近Anthropic（约1000亿美元）的1.5倍，超过xAI的公开估值，甚至超过了多家已经上市的全球顶级云基础设施公司。

为什么是Databricks？

要理解Databricks的价值，首先要理解它解决了什么痛点。

在过去两年的AI狂潮中，大多数创业者讲的是“AI能跟你聊什么”——ChatGPT能写邮件、Claude能写代码、Gemini能做搜索。但这些产品的核心问题在于：企业真正需要的不是AI替你回答问题，而是AI替你处理数据。

Databricks的创始人Ali Ghodsi和Matei Zahrek是开源大数据引擎Apache Spark的创造者。他们深知企业数据的困境——数据散落在各个系统里，格式各异，治理混乱，而AI模型再聪明，也吐不出没有数据喂养的”无米之炊”。

于是Databricks做了一件事：把数据湖、数据处理、AI/ML训练、实时分析全部整合到一个统一的平台上。你可以把数据放进去，用统一的工具处理，然后用任何AI模型（包括OpenAI、Anthropic、Google的模型）在上面做推理和训练——而这一切，都可以在自己的私有云里完成。

简而言之：Databricks不造模型，但它让所有模型在企业里真正用起来。它不是AI的”聊天层”，而是AI的”基础设施层”。

“企业已经意识到，AI不能只在CEO的演示里跑通。如果数据管道不干净、模型训练环境不统一、部署流程不自动化——AI就是另一个昂贵的PPT。”

当”烧钱”成为AI商业化的最大难题

Databricks的1750亿美元估值，放在当前的AI生态里，有一个极其讽刺的背景：整个行业正在被”AI烧钱”拖垮。

就在几个月前，Uber四个月烧掉大笔AI预算的新闻引发热议——企业投入AI，却发现成本远超预期。微软被迫发布策略文件，从”全员AI”转向”精细化治理”。OpenAI自己也在算账——据测算其月Token消耗量已达千亿级，基础设施成本是一个天文数字。

而Databricks恰恰站在这个痛点上。它的平台让企业：不必重复建设AI基础设施，不必被单一模型厂商锁定，不必为每次API调用付溢价。在AI支出失控的时代，帮企业省钱的AI基础设施公司，比帮企业”炫技”的AI应用公司更有商业价值。

万亿俱乐部的”隐形选手”

2026年的AI投资故事，几乎被”IPO”和”万亿估值”两个字填满：Anthropic秘密递交S-1，OpenAI传闻银护盾融资，xAI搭上SpaceX的1.75万亿大船，快手可灵AI拿下180亿美元投前估值……所有聚光灯都打在”大模型公司”身上。

但Databricks提醒我们：AI的商业化不止一种范式。当大模型公司忙着争夺”谁是最好AI”的叙事时，Databricks选择了更务实的路线——不做模型，做模型与数据之间的桥梁。它的客户不是普通消费者，而是需要AI处理企业级数据的金融机构、零售巨头、医疗机构、制造业企业。

这种”卖水人”模式的价值正在被资本市场重新认识。在AI泡沫的讨论声中，一个不争的事实是：不管谁家的模型赢了，企业都需要数据平台来使用这些模型。

对中国的启示

Databricks的估值故事，对中国AI行业尤其值得深思。

过去我们讨论中国AI，聚焦的是”大模型竞赛”——通义千问、文心一言、智谱GLM、百川、MiniMax……各家都在卷模型能力。但Databricks的经验表明，在中国，AI基础设施的短板可能比大模型的差距更致命。

数万家中国AI企业正在遭遇”改变全球速度的AI，付款却卡在上一个时代”的困境——这不是危言耸听。数据治理能力的缺失、基础设施碎片化的问题、模型与业务系统的脱节，这些才是制约AI真正落地的深层障碍。

Databricks的1750亿美元估值，背后是一个全球性的命题：当AI从”玩具”变成”工具”，基础设施的价值就会凸显。对于中国企业来说，与其在”谁的大模型更强”的叙事里内卷，不如思考如何在数据底层构建真正的竞争力。