📦 Databricks 数据

Databricks 概览 Databricks 是一家数据与 AI 公司，首创“lakehouse”架构，将数据仓库与数据湖能力合二为一。由 Apache Spark 原创团队于 UC Berkeley 创立，已从开源数据处理工具成长为 430 亿美元估值的 AI 基础设施平台，与 Snowflake 正面竞争。

历史时间线 2013：Matei Zaharia（Spark 作者）与 5 位 UC Berkeley 研究员在旧金山阁楼创立 2014：开源 Apache Spark，成为第一大分布式计算引擎 2016：启动 Delta Lake 项目，为数据湖增加 ACID 事务 2019：提出“lakehouse”概念，挑战传统数仓模型 2020：融资 4 亿美元，估值 62 亿美元 2021：收购 8080 Labs（dbt 替代方案创造者） 2023：发布 DBRX 模型，部分基准媲美 GPT-4；融资 5 亿美元，估值 430 亿美元，筹备 IPO 2024：推出 Lakehouse AI，把 ML 嵌入数据工作流；ARR 突破 20 亿美元

商业模式 消耗量定价 + 企业订阅 平台使用费：按数据处理量（DBU）计费，类似 AWS 模式 企业版：安全、协作、SLA，年费 5 万–1 千万美元+ AI 功能：Mosaic ML、Lakehouse AI，独立定价层 市场生态：Databricks Marketplace 抽取数据产品交易佣金

护城河 开源根基：Spark 为事实标准，继承 Hadoop 生态，开发者心智占有率高 Lakehouse 创新：融合数据湖低成本存储与数据仓高性能查询 AI 原生：端到端覆盖数据→ML 训练→推理，比 Snowflake 更偏 AI 云中立：同时支持 AWS、Azure、GCP，避免云厂商锁定

关键数据 ARR：20 亿美元+（2024） 估值：430 亿美元（2023 融资） 客户：1 万+ 企业 Fortune 500 渗透率：50%+ 开发者社区：Spark 全球最大开源数据社区 总融资：39 亿美元+

趣闻 创始人 Matei Zaharia 在 UC Berkeley 读博期间写出 Apache Spark；论文在其博士答辩前几周发表，随后成为分布式计算史上被引用最多的论文之一，Databricks 即由该论文直接孵化。