960 Milliarden KI-Einhörner wollen erneut eine Finanzierung aufnehmen

Neueste Nachricht: Das AI - Daten - Unicorn Databricks sucht wieder nach Kapital.

Diesmal könnte sein gewünschter Höchstwert bis zu 175 Milliarden US - Dollar (etwa 1,26 Billionen Yuan) betragen.

Mit der Börsengänge von SpaceX und der geheimen Einsendung von Börsengängemeldungen durch OpenAI und Anthropic ist Databricks möglicherweise das letzte große AI - Unicorn, das noch auf dem Primärmarkt aktiv ist.

Databricks ist ein AI - Unternehmen, das Unternehmen bei der Datenverwaltung hilft. Im Februar hat es gerade 5 Milliarden US - Dollar Kapital beschafft und hat derzeit einen Wert von 134 Milliarden US - Dollar (etwa 964,8 Milliarden Yuan).

01 Mach die privaten Unternehmensdaten "wertvoll"

Die Geschichte von Databricks beginnt mit einem Code in einem Labor der Universität Berkeley.

Im Jahr 2013 gründeten mehrere Forscher aus dem AMPLab der Universität Kalifornien, Berkeley, Databricks. Ihr zentralstes technisches Asset ist Apache Spark, ein Software - Engine, der es ermöglicht, dass Hunderte von Servern gleichzeitig riesige Datenmengen verarbeiten können.

Die Beziehung zwischen Apache Spark und Databricks. Quelle: Öffentliche Daten

Wenn man Daten als Erz ansieht, ist Spark die Bergbaumaschine, während Databricks eine ganze moderne Mine errichtet hat.

Internetunternehmen, Banken, Einzelhändler und Automobilunternehmen generieren täglich riesige Datenmengen. Benutzerklicks, Transaktionsaufzeichnungen, Lagerbestandsänderungen, Sensorsignale, Protokolldateien, Kundenprofile und Werbeeffekte werden alle im System gespeichert. Das Problem ist, dass je mehr Daten es gibt, desto schwieriger ist ihre Verarbeitung. Databricks hilft Unternehmen, den Wert ihrer Daten zu erschließen.

Nach dem Ausbruch der AI ist diese Rolle plötzlich extrem wichtig geworden.

Weil das große Modell selbst nicht die konkreten Geschäfte eines Unternehmens versteht. Es weiß nicht, in welchem Bereich eines Einzelhändlers heute der Lagerbestand zu niedrig ist, welche Transaktionen bei einer Bank ungewöhnlich sind und welche Batterietestdaten bei einem Automobilhersteller Probleme aufweisen. Damit das Modell für ein Unternehmen arbeiten kann, muss es auf die internen Unternehmensdaten zugreifen können.

Aber die internen Unternehmensdaten sind oft in einem Durcheinander.

Einige Daten befinden sich in der Cloud, andere auf lokalen Servern. Einige Daten sind in Datenbanken gespeichert, andere in Geschäftssystemen. Einige Daten sind strukturierte Tabellen, andere sind Kundenservice - Audioaufnahmen, Vertragstexte, Bilder und Protokolle. Noch schwieriger ist, dass nicht alle Daten einfach der AI zur Verfügung gestellt werden können. Die Finanz-, Gesundheits-, Fertigungs- und Einzelhandelsbranchen haben strenge Zugriffs-, Sicherheits- und Compliance - Anforderungen.

Das ist genau die Chance für Databricks.

Es kann Unternehmen sagen: Sie müssen nicht alle Daten neu organisieren und keine AI - Infrastruktur von Grund auf aufbauen. Sie können auf einer einheitlichen Plattform Daten verwalten, Modelle trainieren, AI - Anwendungen bereitstellen und Governance - Regeln erstellen, damit die AI tatsächlich die eigenen Unternehmensdaten nutzen kann.

Das Teuerste in der AI - Ära ist möglicherweise nicht das Modell selbst, sondern die Verbindungsschicht zwischen dem Modell und den realen Geschäften. Das ist genau, was Databricks macht.

02 Jahresumsatz von 5,4 Milliarden US - Dollar

Die Geldverdunstungsweise von Databricks unterscheidet sich von der traditionellen Softwarefirma.

Traditionelle Software wird eher wie eine Lizenz verkauft. Unternehmen kaufen ein System und zahlen jährlich. Es reicht, dass die Mitarbeiter es nutzen können. Databricks ist eher wie ein Cloud - Computing - Unternehmen. Kunden kaufen nicht einfach ein Software - Konto, sondern verarbeiten Daten, trainieren Modelle, betreiben AI - Anwendungen und nutzen Rechenressourcen auf seiner Plattform. Je mehr sie nutzen, desto höher ist die Rechnung.

Databricks Data Intelligence Platform. Quelle: Offizielle Website von Databricks

Das ist auch der attraktivste Aspekt von Databricks.

Ein Unternehmen verwendet es zunächst möglicherweise nur für die Datenanalyse. Beispielsweise legt es Verkaufs-, Lagerbestands-, Auftrags- und Benutzerverhaltensdaten auf die Plattform, erstellt Berichte, untersucht Trends und prognostiziert den Bedarf. Später beginnt das Unternehmen, maschinelle Lernmodelle zu trainieren. Dann kommt die AI - Ära, und das Unternehmen möchte auf der Grundlage seiner internen Daten AI - Assistenten, AI - Agenten, intelligenten Kundenservice und Risikokontrollsysteme entwickeln. Bei jedem neuen Anwendungsfall steigt der Verbrauch von Databricks an.

Also verkauft Databricks nicht eine einmalige Software, sondern eine "Unternehmensdaten - und AI - Infrastruktur".

Sein Umsatzwachstum hat zwei Quellen.

Erstens die Zunahme neuer Kunden. Immer mehr große Unternehmen müssen ihre Daten organisieren und AI - Fähigkeiten aufbauen, und deshalb kaufen sie Databricks.

Zweitens der zunehmende Verbrauch alter Kunden. Dies ist noch wichtiger. Databricks hat eine Netto - Umsatz - Retentionsrate von über 140 % offen gelegt, was bedeutet, dass dieselben alten Kunden, die im vergangenen Jahr 100 US - Dollar ausgegeben haben, möglicherweise in diesem Jahr über 140 US - Dollar ausgeben. Für Investoren ist dies ein sehr gutes Indikator. Denn es zeigt, dass die Kunden nicht nur kurzzeitig testen und dann aufhören, sondern immer mehr und teurer nutzen.

Hinter diesem liegt eine starke Geschäftlogik.

Wenn die Unternehmensdaten einmal in Databricks integriert sind, werden nicht nur einige Tabellen hochgeladen, sondern auch die Datenpipeline, die Zugriffsverwaltung, die Analysemodelle und der AI - Anwendungsentwicklungsprozess auf der Plattform aufgebaut. Die Vertriebsabteilung, die Finanzabteilung, die Kundenserviceabteilung und die Forschungs - und Entwicklungsabteilung nutzen es. Je mehr Daten und AI - Anwendungen es gibt, desto höher sind die Migrationskosten.

Das führt zu einer starken Kundenbindung.

Ein wichtiger Grund, warum Investoren Databricks weiterhin einen hohen Wert zuweisen, ist, dass es bewiesen hat, nicht nur gute AI - Geschichten zu erzählen, sondern auch tatsächlich Geld zu verdienen.

Das Unternehmen hat offen gelegt, dass sein aktueller Jahresumsatz über 5,4 Milliarden US - Dollar liegt. Noch wichtiger ist, dass viele Kunden nach dem ersten Kauf immer mehr Geld ausgeben. Denn wenn die Unternehmensdaten, die AI - Modelle und die Geschäftssysteme einmal in Databricks integriert sind, werden immer neue Anwendungsfälle hinzukommen.

Beispielsweise verwendet ein Einzelhandelsunternehmen es zunächst möglicherweise nur zur Analyse der Verkaufsdaten. Später beginnt es, AI - Modelle zu trainieren, intelligenten Kundenservice bereitzustellen und AI - Assistenten zu entwickeln. Bei jeder neuen Funktion entstehen mehr Kosten.

Das bedeutet, dass Databricks nicht dadurch Geld verdient, dass es ständig neue Kunden sucht, sondern dass die alten Kunden selbst ständig ihre Ausgaben erhöhen.

Derzeit hat Databricks über 800 Kunden, die jährlich über 1 Million US - Dollar ausgeben, und über 70 Kunden, die jährlich über 10 Millionen US - Dollar ausgeben. Für ein Unternehmenssoftwareunternehmen bedeutet dies, dass es in die Kernsysteme vieler großer Unternehmen integriert ist und nicht nur ein unwichtiges Hilfsmittel ist.

Das ist auch das Geschäftsmodell, das Investoren am liebsten mögen: Die Kunden können es nicht missen, der Umsatz wächst ständig, und mit der Verbreitung der AI gibt es noch mehr Wachstumspotential.

03 Werde der große AI - Verwalter für Unternehmen

In der Vergangenheit kauften Unternehmen Databricks hauptsächlich zur Datenverarbeitung.

Beispielsweise möchte ein Einzelhandelsunternehmen wissen, welche Filialen gut verkaufen, welche Waren im Lager stauen und welche Kunden möglicherweise abwandern. Es kann Verkaufs-, Lagerbestands-, Mitgliedschafts- und Logistikdaten in Databricks einladen und dann das Datenteam zur Analyse beauftragen.

Dies ist immer noch der Geschäftszweig traditioneller Datenplattformen.

Aber seit der Entstehung der AI hat sich das Ziel von Databricks geändert. Es möchte nicht nur Unternehmen helfen, "Daten zu verstehen", sondern auch helfen, "Daten mit AI zu nutzen".

"Daten verstehen" wird hauptsächlich von Datenanalysten, Ingenieuren und Geschäftsleitern genutzt. Es löst Probleme bei Berichten, Vorhersagen und Analysen.

"Daten mit AI nutzen" bedeutet, dass jeder normale Mitarbeiter direkt mit den Unternehmensdaten kommunizieren kann. Vertriebler können fragen: Was hat dieser Kunde in der Vergangenheit gekauft? Kundenservice - Mitarbeiter können fragen: Warum ist die Bestellung dieses Benutzers verspätet? Finanzmitarbeiter können fragen: Welche Kosten sind ungewöhnlich? Lieferkettenmitarbeiter können fragen: Welcher Lagerbestand könnte knapp werden?

Offizielle Website von Databricks: Your data. Your AI. Your future. Quelle: Offizielle Website von Databricks

In der Vergangenheit mussten diese Fragen an das Datenteam gestellt werden, um SQL - Abfragen zu schreiben, Berichte zu erstellen und Dashboards aufzubauen. In Zukunft hofft Databricks, dass die AI - Agenten dies direkt erledigen können.

Das ist der Grund, warum es Produkte wie Genie One und Agent Bricks entwickelt hat. Databricks will kein normaler Chatbot sein, sondern ein AI - Assistent, der auf die realen Unternehmensdaten zugreifen, den Geschäftskontext verstehen und Mitarbeitern bei Entscheidungen helfen kann.

Mit anderen Worten, OpenAI und Anthropic entwickeln allgemeine große Modelle. Databricks möchte ein "geschäftsverstehendes AI" innerhalb von Unternehmen schaffen.

Ein großes Modell ist, wie stark es auch sein mag, nur ein externes Werkzeug, wenn es nicht auf die internen Unternehmensdaten zugreifen kann. Ein AI - Agent ist, wie fortschrittlich er auch sein mag, schwer in die Kerngeschäfte zu integrieren, wenn es keine Zugriffsverwaltung, Datengovernance, Kostenkontrolle und Sicherheitsystem gibt. Databricks möchte all diese Aspekte zusammenfassen und eine einheitliche Bedienungsschicht für Unternehmens - AI werden.

Es kann nach oben hin AI - Assistenten entwickeln, damit Mitarbeiter direkt mit den Unternehmensdaten kommunizieren können.

Es kann nach unten hin Datenbanken aufbauen, um die Geschäftssysteme und die AI - Systeme zu verbinden.

Es kann sich horizontal in Szenarien wie Marketing, Sicherheit, Kundenservice und Entwicklertools einfügen.

Es kann auch die AI - Kostenverwaltung übernehmen. Mit der massiven Nutzung von AI - Agenten durch Unternehmen wird die Rechnung immer schwieriger vorherzusagen. Ein Mitarbeiter, ein Agent oder ein automatisierter Prozess kann im Hintergrund ständig Modelle aufrufen und schließlich enorme Kosten verursachen. Databricks hat ein AI - Ausgabenkontrolltool entwickelt, um im Wesentlichen die "Haupthauptschalter" für das Unternehmens - AI - Budget zu werden.

Das ähnelt der frühen Phase des Cloud - Computings. Zunächst haben Unternehmen nur ihre Server in die Cloud verschoben. Später haben Cloud - Anbieter nicht nur Server verkauft, sondern auch Datenbanken, Data Warehouses, AI - Dienste, Sicherheitsdienste, Entwicklertools und Kostenerfassungstools. Je mehr die Kunden nutzen, desto schwieriger ist es für sie, die Plattform zu verlassen.

Databricks möchte auch diesen Weg gehen.

Dieser Artikel stellt keine Anlageempfehlung dar.

Dieser Artikel stammt aus dem WeChat - Account “Pencil News” (ID: pencilnews), Autor: Pencil News, veröffentlicht von 36Kr mit Genehmigung.