Databricks wart 188 miliardów dolarów. Jak firma danych stała się gwiazdą AI

Databricks wart 188 miliardów dolarów. Brzmi abstrakcyjnie? To efekt jednej z najbardziej udanych transformacji w branży tech - firma, która zaczynała jako narzędzie do przetwarzania danych, teraz jest jednym z liderów AI. I robi to inaczej niż OpenAI czy Anthropic.

W czwartek Databricks ogłosił nową rundę finansowania prowadzoną przez Coatue. Wycena: 188 miliardów dolarów. To więcej niż wiele firm z listy Fortune 500. Nie chodzi tu tylko o pieniądze - chodzi o to, jak Databricks przepisał swoją narrację z "platformy big data" na "firmę AI". I że to zadziałało.

Od big data do AI - transformacja, która się opłaciła

Databricks nie narodził się jako firma AI. Przez lata był znany głównie inżynierom danych - jako platforma do przetwarzania ogromnych zbiorów danych w chmurze. Narzędzie potężne, ale niszowe. Problem? Big data przestał być sexy. AI stało się nowym złotem.

Zamiast walczyć z trendem, Databricks go przejął. Firma zaczęła pozycjonować się jako platforma do budowania i wdrażania modeli AI - wykorzystując to, co miała najlepszego: infrastrukturę do obsługi danych na masową skalę. Bo żeby trenować model AI, potrzebujesz danych. Dużo danych. I Databricks wiedział, jak je obsługiwać lepiej niż ktokolwiek.

Efekt? Wycena skoczyła z kilkudziesięciu miliardów do prawie 200. Inwestorzy kupili narrację - i słusznie. Databricks nie udawał firmy AI. Stał się nią, wykorzystując swoje fundamenty.

Badania nad kosztami open-source w kodowaniu

Databricks nie poprzestał na rebrandingu. Firma opublikowała badania nad kosztami wykorzystania modeli AI o otwartych wagach (open weight) w zadaniach związanych z kodowaniem. To ważne, bo większość firm patrzy na AI przez pryzmat ceny - i zastanawia się, czy warto płacić za zamknięte modele jak GPT-5 czy Claude Opus 4.7, czy lepiej postawić na open-source.

Databricks twierdzi, że modele open weight mogą generować znaczące oszczędności - szczególnie w scenariuszach, gdzie firma potrzebuje dużej skali i kontroli nad infrastrukturą. To nie jest abstrakcyjna teoria. To konkretny argument biznesowy: jeśli Twoja firma przetwarza tysiące requestów dziennie, różnica w kosztach między API a własnym modelem może wynieść setki tysięcy dolarów rocznie.

Co to oznacza dla firm rozważających AI

Jeśli prowadzisz firmę i zastanawiasz się, czy inwestować w AI, badania Databricks dają konkretny punkt odniesienia. Nie musisz od razu kupować dostępu do najdroższych modeli. Możesz zacząć od open-source, przetestować use case'y, zmierzyć ROI - a potem skalować.

Databricks sprzedaje infrastrukturę do tego właśnie scenariusza. Nawet jeśli nie jesteś ich klientem, sama teza jest wartościowa: open-source AI nie jest już "gorszą alternatywą". W wielu zastosowaniach - szczególnie w kodowaniu - dorównuje zamkniętym modelom, a kosztuje ułamek ceny.

Dlaczego inwestorzy stawiają na Databricks

Wycena 188 miliardów to nie przypadek. Inwestorzy widzą w Databricks coś, czego brakuje wielu startupom AI: stabilny biznes z prawdziwymi klientami i przychodami. Podczas gdy OpenAI wciąż szuka modelu biznesowego, a Anthropic balansuje między badaniami a komercjalizacją, Databricks ma działającą maszynę sprzedażową.

Firma obsługuje tysiące klientów enterprise - od banków po firmy technologiczne. Ci klienci płacą za platformę, która pozwala im zarządzać danymi i budować modele AI bez wychodzenia z jednego ekosystemu. To wartość, za którą firmy są gotowe płacić - i którą inwestorzy potrafią wycenić.

Dodatkowo Databricks nie konkuruje bezpośrednio z OpenAI czy Google w wyścigu o "najlepszy model". Zamiast tego buduje infrastrukturę, na której inne firmy mogą uruchamiać dowolne modele - w tym te od konkurencji. To mądrzejsza pozycja niż próba wygrania w wyścigu, który zmienia się co kwartał.

Polska perspektywa - co to zmienia dla lokalnego rynku

Dla polskich firm wycena Databricks to sygnał, że AI to nie tylko OpenAI i ChatGPT. Jeśli rozważasz wdrożenie AI w firmie, masz wybór: kupić dostęp do API (prosty start, ale drogi w skali) albo zbudować własną infrastrukturę opartą na open-source (większy wysiłek na starcie, ale kontrola i oszczędności).

Databricks oferuje trzecią drogę - platformę, która daje Ci infrastrukturę bez konieczności budowania jej od zera. To opcja szczególnie sensowna dla średnich i dużych firm, które mają zespoły techniczne, ale nie chcą inwestować miesięcy w setup. Platforma jest dostępna w Polsce przez chmury publiczne (AWS, Azure, Google Cloud).

Jeśli jesteś w firmie, która dopiero zaczyna myśleć o AI - sprawdź najpierw, co mówi AI Act. Regulacje unijne będą miały realny wpływ na to, jak możesz wykorzystywać AI w biznesie. A potem zastanów się, czy potrzebujesz API, czy własnej infrastruktury.

Najczęstsze pytania

Czy Databricks jest dostępny w Polsce?

Tak, Databricks działa w Polsce przez chmury publiczne - AWS, Microsoft Azure i Google Cloud. Możesz uruchomić platformę w regionie europejskim, co jest ważne z perspektywy RODO i AI Act.

Czy modele open-source naprawdę są tańsze od zamkniętych?

Tak, ale z zastrzeżeniem. Modele open-source (jak DeepSeek czy Llama) mogą być 5-10 razy tańsze w eksploatacji niż API od OpenAI czy Anthropic. Musisz mieć infrastrukturę do ich uruchomienia - albo wynająć ją od Databricks czy podobnej platformy. Dla małych firm API może być tańsze na starcie. Dla dużych - open-source wygrywa.

Dlaczego Databricks jest wart więcej niż wiele firm AI?

Bo ma stabilny biznes i prawdziwych klientów płacących za platformę. Podczas gdy wiele startupów AI wciąż szuka modelu biznesowego, Databricks sprzedaje infrastrukturę do AI firmom enterprise - i robi to z zyskiem. Inwestorzy wolą przewidywalny biznes niż obietnice przyszłych przychodów.

Czy warto inwestować w infrastrukturę AI zamiast kupować dostęp do API?

Zależy od skali. Jeśli przetwarzasz tysiące requestów dziennie, własna infrastruktura (lub platforma jak Databricks) może się zwrócić w kilka miesięcy. Jeśli testujesz AI w małej skali - API jest prostsze i tańsze na start. Zanim zdecydujesz, sprawdź też kwestie bezpieczeństwa.