阿德莱德中文网 Email: info@adelaideabc.com.au

估值380亿!起底被《财富》深扒的隐藏“AI巨兽”Databricks:是时候进入下一个时代了!(组图)

估值380亿!起底被《财富》深扒的隐藏“AI巨兽”Databricks:是时候进入下一个时代了!(组图)

2天前
来源:

澳财 原文链接


评论5条

这家独角兽估值比OpenAI还高

揭秘Databricks领先的早期战略

读懂它能逆“市”扩张的底气

博满投资观点:四大亮点总结

AI席卷各个行业,可不要只盯着ChatGPT和英伟达!

世界著名财经媒体《财富》网站,连续数月用头条版面长篇幅“起底”行业巨星Databricks,让这个深耕在技术前沿的公司再次走进大众视野。

在回顾Databricks发展历程时,《财富》引用了顶级科技风投企业A16Z联合创始人Ben Horowitz的评价:“这是我见过最糟糕的演讲稿”, 当他回顾2013年在加州伯克利首次与团队见面时,“演讲稿里的图片丑极了,而且公司的理念又前沿又疯狂。”

幸运的是,瑕不掩瑜。凭借创始团队行业领先的技术水平——创始人包括被行业誉为“10年以来最优秀的分布式系统专家”的Matei Zaharia 博士,Databricks仍然获得了A16Z 1300万美元的启动资金。

经过近十年的发展,Databricks现已成为全球知名的数据+AI独角兽企业。2021年,该公司获得三大云服务商的联合投资,估值达到380亿美元——对比OpenAI在2023年初行业爆火情况下获得的估值,还要高出 90亿美元。

Databricks究竟是何方神圣?为什么三大云服务商争相布局?为什么说这家公司能成为下一代科技“巨兽”?在下面的文章中,澳财投研团队将进一步盘点这个“隐藏”在公众讨论之外的“AI巨兽”。

1

早于“云时代”,早于“AI火”

揭秘Databricks战略

在澳财公众号4月发布的文章《挑战ChatGPT?资本表示认可!为什么说数据新秀Databricks能成为科技“巨兽”?》中,我们透过Databricks发布的大语言模型Dolly,分析了公司在行业中的领导地位。

自ChatGPT走红后,企业对大语言模型应用的讨论层出不穷:一方面切实地感受到了AI取代基础工作的可能性;另一方面以“保护权利与安全”为由,联合抵制OpenAI的进一步研发。

对于该现象,Databricks推出了自己的解决方案:公司认为企业更愿意自行构建自己的模型,而不是将数据直接通过API发送到第三方。因为对于大多数公司来说,真正带来收益的数据通常涉及知识产权和商业机密,将这些最敏感的信息披露给外界存在极大的风险。

Databricks 首席执行官Ali Ghodsi表示:“ 只需 30 美元、一台服务器和三个小时,我们就能教 Dolly 开始进行人类级别的交互。“令人兴奋地是,Dolly 与GPT-3的1750亿参数相比,Dolly模型只有6亿参数,这意味着企业能够以更低廉的成本,即可构建和部署性能与ChatGPT类似的AI模型,且保有对敏感数据的控制能力。

Dolly已于4月12日进化至2.0版本

实际上,发布前沿的大语言模型,只是Databricks技术能力的验证之一。在发展过程中,Databricks连续被评为大数据100强(科技咨询研究机构CRN)、AI 50强(福布斯)、云数据管理系统及数据科学行业领导者(科技咨询机构Gartner)等诸多重量级奖项及称号。

在 Databricks 联合创始人辛湜(Reynold Xin)参加播客“What's Next | 科技早知道” ,被主播 Howie Xu采访时,他揭秘了公司精准把握云时代和AI普及机遇的背后原因。

他表示,UC Berkley在科研方面的领先地位,是创始团队能够具备前瞻视野的基础原因。早在2009年,创始团队所参与的论文《Above the Clouds: A Berkeley View of Cloud Computing》就获得了上万篇引用,并且火到出圈。而在后续的一年,团队参与到Netflix的竞赛项目,为Netflix巨大数据体量、数据来源复杂的分析任务提供解决方案,进一步看到了数据处理的行业痛点及未来机遇。

前瞻性的思维与眼界,使得公司在创业初期即定下了三个原则:All in Cloud ( 全精力押注云计算)、避开数据仓库的红海竞争、不做不具规模效应的定制化服务。

回过头看,也正是这三个原则让Databricks具备了极强的差异化竞争能力,也在后续的发展中占尽天时、地利及人和。以大方向为例证,在早期融资过程中,投资人不断质疑“All in Cloud”的原则是否正确(2008年被视为云计算”鲤鱼跃龙门“的一年,Databricks成立于2013年,虽然当时亚马逊、谷歌和微软均已下场,且有Netflix、Salesforce崭露头角,但仍然处于技术发展的较早期阶段)。

但团队的坚持,让其技术在云计算普及之前就做好了准备。辛湜表示,在2018-2019年之后,投资人就不再挑战云战略了,反而认为是极大的加分项。

2

逆“市”扩张,Databricks的底气来自哪里?

随着资本市场遇冷,2022年开始,科技行业遭遇了前所未有的裁员潮。根据Layoffs.fyi数据,2022年,全球共有1057家科技企业官宣了裁员,影响范围约达16.5万人。而在2023年,这个数据并无扭转之势——截至当前,已有749家科技企业共裁员约20万人。

与此截然不同的,Databricks首席人力资源官在2022年7月表示,公司仍在招聘人才的阶段中;当博满澳财团队在2023年5月参加Databricks线下活动时,也欣喜地听到了同样的反馈。

图:2023年5月,Databricks湖仓一体技术分享会

那么,Databricks逆“市”扩张的底气来自哪里呢?

在澳财投研团队看来,稳站AI赛道的基建位置、优秀的财务表现、极强的客户留存能力,是Databricks实现持续增长的关键因素。

根据公司公开披露的数据,截至2022年8月,公司已成功突破年化收入10亿美元大关。相较2年前接受公开采访时,其业绩增幅高达200%以上。

与此同时,公司已经建立了非常广泛的蓝筹客户群体,覆盖健康、消费、媒体、金融、公共事业、制造业和能源等。据悉,全球财富500强企业中,Databricks的普及率已达到40%以上。

在悉尼线下的交流会中,Databricks也公布了近期在澳洲市场的重大进展:公司签下了四大银行之一NAB,将帮助该银行构建一个名为Ada的新战略数据平台,以替换此前陈旧的后台系统。

这从侧面证明了Databricks技术的吸引力——NAB作为高合规要求、高数据敏感性、高技术替换门槛的银行案例,下决心在5年时间内完全替换所有分析操作系统,体现出Databricks在合规性、工作流程简化及显著的价值创造能力。

NAB首席技术与运营官Patrick Wright在接受科技媒体ITNews采访时表示:“你可以把Ada看作是NAB的‘第二章’。我们用来构建Ada的许多技术在五年前还不存在,或者至少没有经过可扩展和测试,而现在,我们相信是时候进入下一个时代了。”

此外,他还表示,目前为止,银行已经将三个数据源整合到了平台上,并且已经有了实际的应用案例。银行计划将所有核心数据都叫交付该平台上,并逐渐弃用NAB基于AWS建立的数据湖以及其他平台。

当被问及为什么该银行选择重新架构,而不是继续使用AWS的平台时,Wright表示,不要将数据平台看作是一个静态的服务:“在我刚开始涉足数据领域时,大公司往往会购买一个特定的平台,并期望它能持续使用20或25年。在当今现代世界,技术的半衰期是18个月,如果不愿意与时俱进,将很快被技术淘汰。“

在该平台中,Databricks扮演着新一代数据湖的角色。Wright评价道 :“以Databricks为例,它有一个叫做Unity Catalogue的组件,使我们能够将元数据(尤其是个人信息、敏感个人信息和司法管辖权的标记)与数据访问控制整合,而不是在数据存储之上添加这些控制,这样我们可以更加确保谁能访问哪些数据,使得数据安全级别更高。从合规角度来看,平台内置了数据控制,符合PCI DSS等标准的合规性。”

投资经理观点

在博满澳财投资团队的研究笔记中,对该公司有四大亮点总结:

处于高增长的行业:数据AI行业正在爆发型增长,潜在规模超过万亿级别;

拥有领先技术,且处于AI行业的关键位置:Databricks 是人工智能和机器学习的基础设施,是行业首个湖仓一体架构,兼具数据湖和数据仓库的独特优势,且可以提供强大的可靠性、合规性和卓越性能。

顶尖管理团队:管理团队具备世界顶级的科研背景及管理背景,已带领公司跨越经济周期并持续实现强劲增长。

多元化的长期客户群,稳固的战略合作伙伴关系:被各行业中的龙头蓝筹企业所认可并加速部署;被三大云服务商战略投资,并形成稳固的战略合作伙伴关系。

除此以外,Databricks在2021年就在公共场合表达过IPO的意愿,意味着作为投资标的,潜在退出的目标明确。尽管2022年市场出现动荡,IPO计划被推迟,一旦IPO窗口打开,相信公司将会在不久的将来上市。

因此,无论从基本面、公司所处市场赛道、背后资本加持、以及未来退出路径来看,Databricks均符合博满团队关注的核心要素。

转载声明:本文为转载发布,仅代表原作者或原平台态度,不代表我方观点。今日澳洲仅提供信息发布平台,文章或有适当删改。对转载有异议和删稿要求的原著方,可联络content@sydneytoday.com。

本文来源sydneytoday.com

%d bloggers like this: