2026年6月，一则融资消息震动硅谷。

据多位知情人士透露，数据分析与人工智能软件公司Databricks正洽谈新一轮融资，估值目标区间高达1650亿至1750亿美元。而就在四个月前，该公司刚完成50亿美元融资，估值仅为1340亿美元。把时间线拉长看，2024年底Databricks的估值还是620亿美元——不到两年，这个数字翻了将近三倍。

1750亿美元是什么概念？ 它超过了IBM（约1600亿美元）、高通（约1500亿美元）等科技巨头的市值，直逼Oracle（约3800亿美元）的半壁江山。而Databricks只是一家成立13年、至今未上市的企业软件公司-。

一家做“大数据”的公司，为什么在AI时代变得如此值钱？

一、从“数据仓库”到“数据操作系统”：一场深刻的身份蜕变

Databricks的故事始于2013年。三位来自加州大学伯克利分校AMPLab的研究员——Ali Ghodsi、Reynold Xin和Matei Zaharia——将开源的Apache Spark大数据框架商业化，创立了这家公司。

在此后近十年里，Databricks的核心叙事是“湖仓一体”——融合数据湖的灵活性与数据仓库的可靠性，打破数据孤。这个定位足够性感，但也足够“传统”——它本质上仍是一家数据基础设施公司。

转折点出现在2023年至2024年。大模型的爆发让Databricks意识到，它手中握着一张无可替代的底牌：企业数据。

2026年2月，Databricks披露的年化营收突破54亿美元，同比增长65%，过去一年实现正向自由现金流。其中，AI相关产品贡献的年化收入已达14亿美元。公司拥有超过800家年贡献营收超过100万美元的客户，净收入留存率超过140%-。

但营收数字只是表象。真正支撑1750亿美元估值的，是Databricks正在完成的一场身份蜕变——从数据平台进化为AI时代的企业操作系统。

在2026年6月于旧金山举行的Data + AI Summit上，Databricks向3万多名参会者传递了清晰的信息：湖仓不再只是一种数据架构，它正在成为企业AI的运营基础。正如分析师所言，Databricks正从存储数据的传统湖仓，进化为一个治理数据含义、控制决策、在规模上实现安全自治的数据智能平台-。

二、AI时代的“石油”：为什么数据入口如此重要？

要理解Databricks的估值逻辑，首先要理解一个根本变化。

在大模型时代，模型的参数和算法正在迅速商品化。GPT-5、Claude 4、Gemini Ultra——这些模型的性能差距在快速缩小，价格在持续下降。真正拉开企业AI应用差距的，从来不是模型本身，而是模型背后的数据。

一家银行的风控AI与另一家银行的差异，不在于是用了GPT还是Claude，而在于谁能更精准地调用客户的历史交易数据、征信记录、行为画像。一家制造企业的供应链AI能否准确预测缺货，取决于它能否实时访问库存数据、物流信息、供应商产能。

数据是AI时代的石油，而Databricks正在成为全球最大、最重要的“数据炼油厂”。

Databricks凭借湖仓一体架构、成熟的开源生态与全栈Data+AI能力，打通了从原始数据存储、计算分析到大模型、智能体开发部署的全链路。企业无需将数据从Databricks平台导出再喂给模型——一切都在同一个平台上完成-。

更关键的是，Databricks正在将这种数据掌控力转化为AI时代的“锁定效应”。公司于2026年2月推出专为AI代理优化的Lakebase数据库，6月又发布了实时湖仓Lakehouse//RT，将毫秒级查询性能直接带入湖仓-。同时推出的Genie One通用AI智能体、Genie Code编程智能体等产品，让企业员工能用自然语言直接与数据交互。

这一系列产品构建了一个从数据存储、治理、分析到AI应用的全闭环。企业一旦将核心数据资产和数据工作流部署在Databricks平台上，迁移成本将高到难以承受。这种“数据引力”才是Databricks最深的护城河。

三、Snowflake的衰落与Databricks的崛起：一场教科书级的攻守转换

Databricks估值的飙升，还有另一个视角：竞争对手的相对衰落。

Snowflake是Databricks最直接的竞争对手。这家公司2020年上市时风光无限，市值一度超过千亿美元。但到了2026年，形势已经逆转。

Snowflake的营收增速已放缓至28%-29%，而Databricks仍保持55%-65%的高速增长-。更致命的是盈利能力的差距：Snowflake在2026财年尽管实现了47亿美元营收，却净亏损13亿美元-。Snowflake当前市值约602亿美元——不到Databricks估值的三分之一。

这种差距的根源在于技术路线的选择。Snowflake遵循SQL优先、分析师友好的模式，学习曲线较低-；而Databricks以代码为中心，需要熟悉Python、SQL或Scala-——这看似是劣势，但在AI时代反而成了优势。当AI智能体开始替代人类编写代码、操作数据时，Databricks的“开发者友好”基因让它天然更适合AI原生的数据工作流。

Databricks在ETL管道、流式负载和AI驱动处理方面扩展性更强-。当企业从“用BI工具看报表”进化到“用AI智能体自动处理数据”时，Databricks的架构优势开始全面显现。

正如一位行业观察者所言：“Snowflake起步时优势明显，Databricks则凭借新兴云计算平台和大型AI基础设施业务实现了强劲增长。两者以不同的策略各自突破临界规模”-。但临界规模之后，增长曲线的斜率已经分出了高下。

四、推迟IPO：一次精明的战略选择

Databricks最反直觉的决策，是一再推迟上市。

2026年6月，CEO Ali Ghodsi在接受彭博电视采访时直言，今年是“糟糕的上市年份”。他的判断基于一个简单事实：SpaceX计划以约1.77万亿美元估值上市，有望成为史上最大规模IPO；Anthropic已以9650亿美元估值提交上市文件；OpenAI也在筹备估值高达1万亿美元的IPO。三家公司合计寻求从公开市场募资超过2000亿美元。

Ghodsi的逻辑直白而冷酷：当三只超级独角兽同时吸走市场绝大部分注意力与机构资金时，其他任何科技IPO都只能沦为配角。

但推迟上市还有更深层的考量。Ghodsi表示，公司董事会出于对AI景气度可能回落的担忧，主动推动公司继续融资。他同时表示希望避免重蹈2022年诸多科技公司的覆辙——当时许多公司在不利窗口期上市后股价暴跌，被迫优先保利润率而牺牲增长。

Databricks有足够的资本耐心。公司累计融资总额已接近300亿美元，近期筹集资本超过6亿美元，并拥有18亿美元的债务融资额度。公司上市的主要动力是为员工提供股权流动性，而非公司急需现金。

在别人抢着上市时选择等待，在别人不敢融资时持续拿钱——Databricks正在用私募市场的溢价对抗公开市场的波动。Ghodsi私下向投资者表示，公司仍在推进IPO，最快可能在2027年。届时若市场回暖，1750亿美元的私募估值在公开市场可能获得更高溢价。

五、隐忧与挑战：1750亿美元的赌注并非没有风险

当然，Databricks的高估值并非没有争议。

首先，AI景气度本身存在不确定性。Ghodsi坦言，公司董事会担忧AI可能出现景气度回落。如果企业对AI的投资热情降温，Databricks的增长引擎可能熄火。

其次，竞争正在加剧。除了Snowflake，谷歌、亚马逊、微软等云巨头都在强化自己的数据与AI平台-。甲骨文、SAP等传统巨头也在加速转型。Databricks能否在巨头环伺中保持独立增长，仍是未知数。

第三，盈利能力的持续性。尽管Databricks已实现正向自由现金流，但在年化营收54亿美元的体量下，能否持续盈利并支撑1750亿美元的估值倍数，市场仍在观察。

六、结语：一场关于“数据主权”的终极赌局

Databricks的故事，本质上是一个关于 “数据主权” 的故事。

在AI时代，数据不再只是企业信息系统的“燃料”，而是决定企业AI能力的“主权资产”。谁能帮助企业掌控自己的数据、将数据转化为AI的竞争优势，谁就能在这场变革中占据最核心的位置。

Databricks正试图成为那个位置上的唯一玩家。1750亿美元的估值，是资本市场对这一野心的定价——也是人类对“AI时代数据操作系统”这一终极设想的第一次大规模押注。

这场赌局的结果，或许要等到2027年Databricks真正上市那天才能揭晓。但有一点已经清晰：在AI时代的牌桌上，数据平台正在从“后台工具”变成“核心玩家” ——而Databricks，正是那个坐在庄家位置上的人。