Databricks osiągnął wycenę 188 mld USD w nowej rundzie finansowania, którą prowadzi fundusz Coatue. Firma pozyskuje około 3 mld USD, a runda ma zamknąć się późnym latem 2026 roku. To skok ze 134 mld USD sprzed pięciu miesięcy i kolejny sygnał, że kapitał wciąż płynie do platform danych i AI.
Wzrost wyceny Databricks wyraźnie przyspiesza. W lutym 2026 firma zebrała 5 mld USD przy wycenie 134 mld USD (runda Series L), we wrześniu 2025 był to 1 mld USD przy 100 mld USD, a w grudniu 2024 roku 10 mld USD przy 62 mld USD. Databricks buduje pozycję dostawcy infrastruktury dla projektów AI: hurtownie danych, przetwarzanie oraz narzędzia do trenowania i wdrażania modeli. Inwestorzy traktują tę spółkę jak jeden z filarów korporacyjnego stosu AI.
Databricks i tańsze modele open-weight
Przy okazji rundy CEO Ali Ghodsi pokazał wewnętrzne porównanie modeli AI do programowania, zebrane wśród 3000 inżynierów firmy. Wniosek: modele otwarte, a zwłaszcza GLM 5.2, radzą sobie dziś nawet z najtrudniejszymi zadaniami, przy niższym koszcie niż modele Anthropic i OpenAI. Ghodsi podkreślił, że równie ważny jak sam model jest dobór „harnessu", czyli narzędzia agentowego, w którym model pracuje. Ten sam model w innym środowisku potrafi kosztować wielokrotnie więcej.
Co to znaczy dla polskich firm
Dla polskich firm ważniejsza od samej wyceny jest obserwacja stojąca za tymi liczbami. Rosnące wydatki na AI wymuszają liczenie kosztu każdej inferencji, a benchmark Databricks pokazuje, że można go obniżyć bez utraty jakości — sięgając po modele otwarte i dobierając odpowiednie narzędzia. To ten sam kierunek, o którym niedawno mówił Hugging Face, przekonując, że firmy przestają „wynajmować" AI i budują własne rozwiązania. Zanim zespół podpisze kolejną umowę na komercyjne API, warto policzyć, ile realnie kosztuje ta sama praca na modelu open-weight w dobrze dobranym środowisku.
Źródło: TechCrunch (EN), 17 lipca 2026.
