Databricks تصل إلى تقييم 188 مليار دولار في جولة تمويل جديدة

أعلنت Databricks يوم الخميس عن جولة تمويل جديدة تقيّم الشركة بمبلغ 188 مليار دولار، بقيادة Coatue. ولم تكشف Databricks عن المبلغ الذي جمعته بالضبط، وقالت إن الأموال لم تصل بعد إلى حساباتها وأن الجولة ستُغلق لاحقاً هذا الصيف؛ إلا أن جهات إعلامية أخرى أفادت بأن المبلغ المجموع يقارب 3 مليارات دولار. ورغم أنه من غير المعتاد أن تعلن شركة عن جولة قبل استلام الأموال، قال أحد المستثمرين في رأس المال الجريء لـTechCrunch إن الصفقة قوية، مع رغبة عدد كبير من الشركات في المشاركة لدرجة أن Databricks لم تجد سبباً لإبقاء تقييمها الجديد سرياً.

وتُشكّل هذه الجولة امتداداً لمسار تمويل استمر عاماً ونصف العام أعادت خلاله Databricks بناء صورتها كمزوّد لحلول الذكاء الاصطناعي، لا كشركة برمجيات كخدمة (SaaS) من حقبة ما قبل ChatGPT. فقبل خمسة أشهر فقط، في فبراير، أغلقت Databricks جولة من فئة Series L بقيمة 5 مليارات دولار عند تقييم بلغ 134 مليار دولار. وقبل ذلك بخمسة أشهر، في سبتمبر 2025، جمعت الشركة مليار دولار عند تقييم بلغ 100 مليار دولار. وقبل ذلك بنحو تسعة أشهر، في ديسمبر 2024، جمعت ما كان حينها جولة تمويل قياسية بقيمة 10 مليارات دولار عند تقييم بلغ 62 مليار دولار.

تأسست Databricks عام 2013، ونمت في البداية عبر برمجيات مكّنت الشركات من تخزين كميات هائلة من البيانات في السحابة مع إنتاج تحليلات سريعة رغم ذلك. ولأنها كانت تمتلك بالفعل كميات ضخمة من بيانات الشركات، كانت في موقع جيد يؤهلها للاستجابة عندما بدأت الشركات تطلب حلول ذكاء اصطناعي توفر نفس مستوى الأمان والحوكمة الذي تتوقعه من برمجيات المؤسسات التقليدية. ومنذ ذلك الحين طرحت منتجات ذكاء اصطناعي من بينها Lakebase، وهي قاعدة بيانات مصممة لوكلاء الذكاء الاصطناعي؛ وUnity، وهي بوابة للذكاء الاصطناعي؛ وOmnigent، وهو «إطار عمل شامل» يدير عدة وكلاء ذكاء اصطناعي في آن واحد.

كما أصبحت Databricks مثالاً بارزاً على شركة تعتمد نماذج مفتوحة الوزن أرخص تكلفة من أصل صيني للتحكم في التكاليف، وهي من أبرز المروّجين لنموذج GLM 5.2 من Z.ai في مهام البرمجة. وفي الأسبوع الماضي، شارك الرئيس التنفيذي Ali Ghodsi نتائج اختبار مقارن داخلي أجرته Databricks لإدارة تكاليف الذكاء الاصطناعي عبر 3000 من مهندسي البرمجيات لديها، ووجدت الشركة أن النماذج المفتوحة — وتحديداً GLM 5.2 — باتت قادرة على التعامل حتى مع أعلى مستويات صعوبة المهام، وبتكلفة إجمالية أقل من النماذج المملوكة من Anthropic وOpenAI. كما وجد الاختبار أن اختيار أداة harness — أداة البرمجة بالوكلاء التي تُغلّف النموذج وتدير سياقه وتوجيهاته — كان له تأثير مماثل لتأثير النموذج نفسه، حيث كانت أداة harness مفتوحة المصدر باسم Pi من بين الأقل تكلفة دون التضحية بالجودة: «الدرس المستفاد هنا ليس أن أداة harness واحدة أرخص دائماً أو أن أدوات harness الأصلية أسوأ»، جاء في منشور المدونة. «بل إن اختيار النموذج ليس سوى جزء واحد من الأحجية».

لماذا يهم

تساعد منتجات Databricks ومصداقيتها كمزوّد لحلول الذكاء الاصطناعي المؤسسي الشركة على الاستحواذ على حصة متنامية من إنفاق الشركات على الذكاء الاصطناعي، حتى مع أن اختبارها المقارن الخاص يشير إلى أن النماذج المفتوحة الوزن الأرخص والأدوات الأذكى — وليس فقط النماذج المملوكة المتقدمة — تكتسب تفوقاً متزايداً من حيث التكلفة والقدرة داخل مؤسسات الهندسة الكبرى.