Databricks подняла оценку до $188 млрд на новом раунде Coatue

Databricks объявила в четверг о новом раунде финансирования с оценкой компании в $188 млрд. Раунд возглавил венчурный фонд Coatue. Точную сумму привлечённых денег Databricks не раскрыла и уточнила, что средства ещё не получены, раунд закроется позже этим летом; по данным других изданий, речь идёт примерно о $3 млрд. Публично объявлять оценку до фактического получения денег необычно, но, по словам источника TechCrunch среди венчурных инвесторов, сделка твёрдая: желающих войти в раунд было столько, что скрывать новую оценку не было смысла.

Это уже не первый скачок за последние полтора года. В феврале 2026 года Databricks закрыла раунд серии L на $5 млрд при оценке $134 млрд. Пятью месяцами ранее, в сентябре 2025-го, компания привлекла $1 млрд при оценке $100 млрд. А ещё раньше, в декабре 2024-го, был рекордный на тот момент раунд на $10 млрд при оценке $62 млрд. Число раундов уже породило шутки о том, что в алфавите скоро кончатся буквы для названий серий, один из пользователей соцсетей написал: «Включаю уведомления на момент, когда у них будет раунд серии AA».

Компанию основали в 2013 году, и первый успех она получила ещё в эпоху больших данных, с софтом, который позволял хранить в облаке огромные объёмы данных и быстро строить по ним аналитику. Благодаря этому у Databricks уже были залежи корпоративных данных, и она оказалась хорошо готова к новому спросу, на ИИ с тем же уровнем безопасности и управления, к которому компании привыкли в традиционном корпоративном софте. Databricks одну за другой выпустила ИИ-разработки: Lakebase, базу данных, спроектированную для ИИ-агентов, Unity, шлюз для доступа к ИИ-моделям, и Omnigent, «мета-обвязку», которая управляет сразу несколькими агентами.

Databricks также стала одним из известных примеров того, как крупные компании ради экономии переходят на более дешёвые китайские открытые модели (модели с открытым кодом, доступные для использования и доработки кем угодно), это один из главных трендов 2026 года. В частности, Databricks активно продвигает модель GLM 5.2 от Z.ai как решение для написания кода. На прошлой неделе гендиректор Databricks Али Годси опубликовал результаты внутреннего бенчмарка, который компания провела, чтобы контролировать расходы на ИИ для своих 3000 инженеров-программистов.

В бенчмарке сравнивались ИИ-модели на реальных задачах программистов компании. Неудивительно, что, как говорится в блоге с результатами, открытые модели, и в первую очередь GLM 5.2, теперь справляются даже с задачами максимальной сложности в программировании, причём при более низкой совокупной стоимости, чем проприетарные модели Anthropic и OpenAI. А вот что оказалось неожиданным: на стоимость почти так же сильно влияет выбор инструмента-обвязки (harness), агентного инструмента вроде Codex или Claude Code, который оборачивает модель и управляет её контекстом и инструкциями. Выяснилось, что открытый инструмент Pi лучше других справляется с управлением контекстом при каждом запросе и оказывается одним из самых дешёвых вариантов без потери качества. «Урок здесь не в том, что одна обвязка всегда дешевле или что фирменные обвязки хуже, говорится в посте., Дело в том, что выбор модели, лишь одна часть головоломки».

Всё это укрепило имидж Databricks как ИИ-компании, хотя изначально она создавалась не как ИИ-лаборатория. Именно этот имидж, в свою очередь, дал компании «ИИ-нимб», который помогает привлекать деньги и наращивать оценку. Как ранее писал TechCrunch, эффект ИИ-хайпа сейчас настолько силён, что даже сеть сэндвич-баров Jersey Mike's упомянула ИИ 22 раза в своих документах для IPO (форма S-1).

Ключевые факты

• Databricks объявила новый раунд с оценкой $188 млрд, раунд ведёт фонд Coatue; деньги ещё не получены, закрытие раунда, позже летом 2026 года, сумма (по другим источникам, около $3 млрд) официально не раскрыта.
• За полтора года это уже четвёртый скачок оценки: $62 млрд (декабрь 2024, раунд на $10 млрд) → $100 млрд (сентябрь 2025, $1 млрд) → $134 млрд (февраль 2026, раунд серии L на $5 млрд) → $188 млрд (июль 2026).
• Databricks выпустила линейку ИИ-продуктов, базу данных для агентов Lakebase, шлюз к моделям Unity и «мета-обвязку» Omnigent для управления несколькими агентами.
• Внутренний бенчмарк гендиректора Али Годси на задачах 3000 инженеров показал: открытая модель GLM 5.2 от Z.ai справляется даже со сложнейшим кодом дешевле проприетарных моделей Anthropic и OpenAI, а выбор инструмента-обвязки (harness), например, открытого Pi против Codex или Claude Code, влияет на стоимость почти так же сильно, как выбор модели.
• Рост оценки авторы статьи связывают с общим ИИ-хайпом на рынке: для сравнения, сеть сэндвич-баров Jersey Mike's упомянула ИИ 22 раза в своих документах для IPO.

Почему это важно

Databricks, редкий пример компании из «доИИшной» эпохи больших данных, которая за полтора года выросла в оценке с $62 млрд до $188 млрд именно за счёт репозиционирования себя как ИИ-игрока. Это показывает, насколько сильно инвесторы сейчас премируют компании за одну лишь убедительную ИИ-историю, даже без раскрытия точной суммы раунда и без денег на счету на момент объявления.

Кому это важно

Инвесторам и наблюдателям за рынком венчурного капитала, как индикатор аппетита к ИИ-компаниям и скорости роста оценок. Руководителям инженерных команд и тем, кто отвечает за ИИ-бюджеты в компаниях, из-за истории с внутренним бенчмарком Databricks: она напрямую касается того, как считать реальную стоимость использования ИИ в разработке.

Как это применить

Бенчмарк Databricks даёт практический вывод для компаний, использующих ИИ в разработке: экономия строится не только на выборе модели (например, более дешёвой открытой GLM 5.2 вместо проприетарных моделей), но и на выборе инструмента-обвязки, который управляет контекстом запроса, в тестах Databricks открытый Pi оказался одним из самых экономичных вариантов без потери качества по сравнению с Codex или Claude Code.

Можно ли доверять

Новость опирается на официальное объявление Databricks и подтверждена источником TechCrunch среди венчурных инвесторов; при этом сама компания не раскрыла точную сумму раунда и подтвердила, что деньги ещё не получены, цифра $188 млрд пока предварительная, а данные о ~$3 млрд привлечённых средств взяты из других изданий, а не от самой Databricks. Данные бенчмарка по моделям и harness взяты из собственного блога компании, это первичный источник, но не независимая проверка.

Риски и подводные камни

Раунд официально не закрыт, итоговая сумма и состав инвесторов могут измениться до закрытия летом 2026 года. Сама тональность материала (шутки про исчерпание букв алфавита для серий раундов, сравнение с ИИ-упоминаниями в документах сэндвич-сети) указывает на риск переоценки на фоне общего ИИ-хайпа: быстрый рост мультипликаторов не гарантирует такой же быстрый рост выручки или прибыли.

«Урок здесь не в том, что одна обвязка всегда дешевле или что фирменные обвязки хуже. Дело в том, что выбор модели, лишь одна часть головоломки.»

— из блога Databricks по итогам внутреннего бенчмарка Али Годси