7月20日、Nickie Louiseが「Databricks raises new funding at $188 billion valuation to fuel enterprise AI expansion」と題した記事を公開した。評価額1,880億ドル——これは、AIモデルそのものを作るOpenAIやAnthropicではなく、企業がAIを「実際に使える状態にする」インフラ企業に対して投資家がつけた数字だ。モデル開発競争の陰で、データ管理・ガバナンス・エージェント基盤を束ねるプラットフォーム企業への資金集中が加速している。
評価額1,880億ドル——AIインフラ企業への投資が止まらない
今回のラウンドは、既存投資家のCoatueが主導し、新規・既存の複数の投資家が参加する形で組成された。調達額の具体的な数字は公表されていないが、クローズは今夏を予定している。
注目すべきは、調達額そのものより評価額の推移だ。米メディア「The Information」は約1カ月前、Databricksが1,650億〜1,750億ドル規模の評価額で新ラウンドを検討中と報じていた。最終的に1,880億ドルで決着したことは、AIインフラへの投資家需要が依然として強いことを示している。なお、Databricksは直近の2024年末にも約150億ドルを調達しており、短期間で連続した大型ラウンドとなる。
資金の使途：3つの主力プロダクトに集中投下
Databricksは今回の資金を、AIプラットフォームの強化・研究投資・買収・新ツール開発に充てると説明している。具体的には以下の3製品が優先投資先として挙げられている。
- Unity AI Gateway：複数のAIモデルをまたいでリクエストをルーティング・ガバナンスするゲートウェイ。企業がマルチモデル戦略を実行するための管理基盤となる
- Genie：業務データを使って質問への回答やアクション実行を行う「AIコワーカー」
- Lakebase：AIエージェント向けに設計されたサーバーレスPostgreSQLデータベース
CEO・共同創業者のAli Ghodsiは次のようにコメントしている。
「企業はtokenmaxxing（トークン消費量の最大化——とにかく高性能モデルを使い続けること）からvaluemaxxing（投資対効果の最大化——コストと性能を最適配分すること）へとシフトしている。すべてのタスクに最高性能のモデルを使う必要はない。タスクに最適なAIを選べる自由こそが重要だ」
「tokenmaxxing」「valuemaxxing」はGhodsi自身による造語で、エンタープライズAI導入が成熟段階に入りつつあることを示すキーワードとして業界内で引用が広がっている。
財務指標が裏付ける投資家の信頼
Databricksは、Ali GhodsiらApache Sparkの研究を主導したUCバークレーの研究者グループが2013年に創業した企業だ。Apache Spark自体は2009年頃から同グループが研究・開発を進めてきたもので、その商用展開・エンタープライズ普及を目的として会社組織が立ち上げられた経緯がある。現在はSnowflakeなどのデータウェアハウスベンダーとも競合しながら、データレイクハウスと呼ばれるアーキテクチャを軸に独自のポジションを確立している。従業員数は約8,000人。
今年2月に公表した直近の財務数値は、投資家の信頼を支える根拠になっている。
- 年換算売上高（ARR）：54億ドル超（前年同期比+65%）
- 過去12カ月でフリーキャッシュフローが黒字化
プライベートソフトウェア企業でこの規模かつキャッシュフロー黒字というのは珍しい。顧客数は2万社以上で、adidas、AT&T、Bayer、Mastercard、Rivianなど大手企業が名を連ねる。Fortune 500企業の約**70%**が顧客という数字も公表されている。
エンタープライズAIインフラへの投資集中が続く
市場全体の文脈として、投資家の関心は「モデルを作る企業」だけでなく「モデルを企業が使えるようにするインフラ企業」にも向かっている。AIエージェントの本番導入が現実の課題となる中、データ管理・ガバナンス・DB・アプリケーション連携を一体で提供できるプラットフォームへの需要が高まっているためだ。モデルの性能競争がコモディティ化に向かうほど、「どのモデルを使うか」より「どうデータと組み合わせて業務に定着させるか」という問いが重くなる。Databricksはその流れの中で最大の受益者の一社となっている。
詳細はDatabricks raises new funding at $188 billion valuation to fuel enterprise AI expansionを参照していただきたい。
