摘要

主持人认为，相比 Stripe 等公司，Databricks 对普通公众更神秘；Tu 给出的最简框架是大规模数据处理：在甚至无法计算平均值之前，先花掉“80%至90%的时间”统一混乱数据，而当对象扩展到非结构化日志、视频和点击流时，这种痛点会被成倍放大。每个热门应用场景——欺诈检测、电影推荐、定价、库存管理——最终都回到同一件事：先通过数据管道让原始数据变得可分析，再喂给建立在其上的机器学习模型。
Databricks 的创始基因来自2009年前后 Berkeley AMPLab 的7位学者，他们押注了3件事——“云计算会做大、数据会做大、开源会是构建企业的好方式”——而“回头看，这3个判断都押对了”。他们的局外人身份反而成为优势：由于不了解 Red Hat 的服务模式先例，他们从第一性原理出发，认为开源变现的关键是做出“值得付费的更好产品”，即便社区因此觉得被背叛，也“得愿意当一个反派”。
围绕 WCM 投资，Databricks 证明自己能够从数据工程师/数据科学家用户群跨入 Snowflake 的数据仓库腹地：今年早些时候发布的 SQL 产品正奔向10亿美元收入规模，远超 Snowflake 反向切入数据工程的进展。 Tu 认为，从多产品扩展到多用户画像本身就是“巨大的 TAM 扩张”，也是 Databricks“成功成为真正平台”的证明。
Databricks 当前规模已超过40亿美元 ARR，其中约10亿美元与 AI 相关，净美元扩张率超过140%，自由现金流为正，且商业模式资本开支轻：核心数据处理工作负载以 CPU 为主，算力密集度不像 AI 原生公司那样高，但模型服务仍会带来一定 GPU 成本。 AI 顺风被认为是持久驱动而非脉冲式行情：“没有数据战略，就没有 AI 战略”，这一增长动力“不取决于我们是否实现 AGI”。
营销和品类创造是 Databricks 被低估的优势：“lakehouse”这个命名最初被嘲讽为“聪明过头”，如今却已成为一个明确而真实、行业观察者普遍认可的品类；Delta 发布时还送出了印有“Delta Lake is Spark on ACID”的 T 恤。战略定价同样体现出这种判断力：治理等战略产品可以借用“地址簿”逻辑免费提供，而基于开放格式拒绝对存储收费，则从架构上削弱了 Snowflake“把数据搬进来”的模式。
反复进行数十亿美元融资并不是为了补贴运营，资金主要用于抵消员工股权薪酬，以及在提供 RSU 流动性、触发 IRS 纳税后支付税款；这也是“私人版 MAG 7”格局的一部分，如今上市已是“可自主选择的决定”。 Tu 称 IPO 时点是“真正的万亿美元问题”，并指出，在2022年成长科技周期中继续保持私有，让 Databricks 能够以公开市场同行无法做到的方式“继续打进攻”。
关键风险在于能否在规模化后保持研发执行力——“这个领域已经有公司因为分心而掉队”——以及能否用 Agent Bricks 和 Lakebase 重演 lakehouse 在代理式 AI 上的品类创造，而这一品类仍在形成。 Tu 的核心教训是带着明确取舍的长期主义：即便可能放弃短期变现，也始终不推出本地部署产品，因为“每一次更加短期导向的决策，最终都会在未来某个时点暴露出某种脆弱性”。

精读

1. Databricks 去魅：工业级规模的 Excel 痛点

Tu 对这家应用场景听起来彼此无关的公司的开场框架是：“推荐电影、制定定价策略、检测欺诈”背后其实是同一个问题：几乎人人都见过一份表格，价格放在错误的列里、货币混在一起、部分数字还被录成文本；在算一个简单平均值之前，往往要“花80%至90%的时间，先把所有数据统一起来”。这就是数据处理，而 Databricks 处理的是“完全不同的规模”——非结构化日志文件、图片、视频和点击流都在其中。
电商案例展现了完整价值链：决定要备多少件 T 恤，可以参考数字广告效果、竞争对手销量和信用卡数据；只要把这些数据整理到可用状态，就能喂给模型来回答问题。主持人的补充很到位：前置数据工作量往往“直接阻止你继续做下去，并最终限制你能做什么”。

2. Berkeley 的7位学者与3个先见之明的押注

创始团队来自 Berkeley 的 AMPLab，时间大约在2009年前后；当时早期云计算研究就在楼下，且与今天的 AI 不同，“云计算这个想法当时仍有些争议”。其中一位联合创始人创建了 Apache Spark，把分布式、横向扩展的算力引入数据处理；横向扩展架构也推动了算力、存储和数据处理的普及，进而促成数据爆发。
按 Tu 转述，Ali 的说法是，他们押注了3件事：云计算会做大，数据会做大，开源会是构建企业的好方式；这一判断形成于 Twitter、Airbnb、Facebook 带来的乐观时代。“回头看，这3个判断都押对了。”Tu 认为，组织的文化和基因——许多后续决策都可以追溯到这段创始故事。

3. 开源变现：连续打中2个本垒打，还要愿意当反派

按 Tu 转述的 Ali 框架，开源创业必须连续打中2个本垒打：先让开源技术获得主流采用，再围绕它建立一门生意；但最终“开源技术会变成企业的主要竞争对手之一”，分发做得更好的竞争者可能比你更会从这项技术中赚钱。
学术界局外人的优势在于，他们不知道 Red Hat 已有服务与支持的先例，于是从第一性原理出发，得出一个简单答案：“你需要创造一个值得付费的更好产品。”主持人对此的调侃是：“答案简单，执行未必简单。”真正困难的是社会层面：在因为把技术免费送给全世界而受到赞誉后，企业突然必须通过不给免费版本提供完整功能，“愿意当一个反派”（you need to be willing to be a villain）。
对于哪些能力应该放进付费墙后，Tu 进一步修正了主持人关于免费增值 LLM 的类比：传统做法是把单点登录等企业附加功能拿来变现，但这些并非核心产品，收费能力也有限。Databricks 选择打造完全专有的 Spark 实现，提供企业级性能、可靠性和可扩展性——就像“更聪明、能给出更好答案的模型”，这部分确实需要付费。

4. 为什么叫 Databricks，而不是 Spark——以及产品阶梯

与 Docker、MongoDB 直接以技术命名公司不同，Databricks 放弃了 Spark 的品牌资产，因为“从第一天起，他们就觉得公司不可能只有 Spark”——未来会有许多块砖，共同解决更广泛的数据问题。Tu 认为，公司名称本身就是这种长期主义的体现。
产品扩张首先服务于同一批用户画像：MLflow 再次开源，向数据工程师和数据科学家延伸至机器学习工具链；Delta Lake 则是解决 ACID 要求的第一步，即事务工作负载所需的原子性、一致性、隔离性和持久性。在这类场景中，数据不一致无法容忍；而做库存分析时，源数据稍有滞后可能并不会改变答案。
Tu 还提到，营销是 Databricks 的“核心能力之一”：Delta Lake 发布时，团队送出了印有“Delta Lake 是加上 ACID 的 Spark”（Delta Lake is Spark on ACID）的免费 T 恤。

5. 平台时刻：10亿美元数据仓库与 lakehouse 圈地

WCM 投资前后的一个关键验证点，是 Databricks 从 Delta Lake 继续爬升至完整数据仓库工作负载，并推出直接对标 Snowflake 的 SQL 产品，由此从数据工程师和数据科学家扩展到传统 SQL 数据分析师。“进一步扩展到多个用户画像，本身就是巨大的 TAM 扩张。”该仓库产品今年早些时候宣布后，收入正奔向10亿美元规模。
从实际结果看，非结构化走向结构化的路径胜出：这10亿美元收入“远高于 Snowflake 反向切入数据工程带来的类似收入”。不过，Tu 认为胜负既取决于架构，也取决于执行——毕竟“我们无法在不同版本的世界里跑 A/B 测试”。
“lakehouse”由 data lake 加 data warehouse 组成，这个命名刚推出时“遭到相当多的嘲讽，甚至显得聪明过头”；如今它已成为“一个非常真实、定义清晰的品类，行业观察者也已经形成共识”。Tu 认为，向市场解释 lakehouse 架构为何是“所有世界中最好的方案”，是 Databricks 故事中极其重要、却没有获得足够认可的一部分。

6. Snowflake、大数据未能打开的 TAM，以及客户黏性

市场现实是多供应商共存：典型架构是 Databricks 在上游处理数据，再把数据存进 Snowflake 仓库；如今 Snowflake 向上游走，Databricks 则向下游走。Snowflake 是下一代云数据仓库，所处市场本来就存在；数据湖一侧则因为一直缺乏足够好的技术，“基本从未真正建立起来”。Hadoop 早于 Spark，Cloudera 等公司也建立在 Hadoop 之上，但技术本身还不够好。2010年代初的大数据热潮随后跌入 Gartner 所说的“幻灭低谷”：企业因为“大数据嘛，为什么不存”而囤积海量数据，最后却发现“很难从里面拿出任何东西”。解决这一问题，带来了巨大的 TAM 扩张。
除了已披露的140%以上净美元扩张率，黏性还来自其他因素：流媒体平台推荐下一部电影等场景直接创造收入且关乎核心业务，不是后台分析；已编目数据会产生额外的“数据引力”；经过处理的数据还能在多个产品之间复用——即使一个产品停止运营，另一个产品仍可能依赖同一批数据管道。
在欺诈预警场景中，Databricks 提供数据管道、数据处理、模型微调和事后模型评估；通常由客户自行构建的独立应用来采取行动，而“Databricks 输出的模型结果会为这一行动提供依据”。

7. AI：持久顺风、原生客户基础与代理式 AI 押注

从量化指标看，Databricks ARR 超过40亿美元，其中约四分之一、即10亿美元与 AI 相关。作为投资人，Tu 最看重的是“有多种方式可以赢”：市场共识首先是“没有数据战略，就没有 AI 战略”，因为没有干净且完成编目的数据，模型“能做的事情非常有限”。因此，即使 AI 情绪转向，公司的增长“上行可能没那么尖锐，但下行也不会那么波动”，且“不取决于我们是否实现 AGI”。
第二和第三种获胜方式分别是：包括最大型 AI 实验室在内的 AI 原生公司会在内部使用 Databricks；以及产品层面的 Agent Bricks 和 Lakebase，正为企业代理式应用搭建底层技术栈，通过自动化劳动来打开一个“可能和数据本身一样无限”的 TAM。真正的胜负手在模型周边的一整套能力：RAG、向量数据库、embeddings，以及模型评估，用于量化那些不可预测的 LLM 代理是否“在做我们认为它们应该做的事情”。
对于超大规模云厂商的风险，Tu 修正了主持人的前提：云厂商确实有竞争产品，只是 Databricks 的定位让这一点不那么明显。从最初与 Microsoft 的战略合作、Azure Databricks 开始，双方一直采取有意的竞合模式：这段合作对启动 Databricks 的现代化进程非常重要，而使用 Databricks 的客户也会消耗超大规模云厂商的算力和存储。Databricks“从未把自己定位成让超大规模云厂商有100%的动机置其于死地”。

8. 财务模型、持续融资的原因，以及可能出问题的地方

Databricks 按算力使用量计价，但 Tu 认为，公司变现的不只是算力，还会通过战略性免费提供产品来扩大收入池。Ali 的“地址簿”类比是：没有手机厂商会因为地址簿很重要就单独收费；同样，治理——覆盖元数据的“单一玻璃面板”——就是可以免费提供、以推动采用的战略层。进攻端则是拥抱开放格式、不对存储收费，从架构上攻击 Snowflake“把数据搬进来”的模式，而不只是打价格战。定价比较看的是相对性能下的总拥有成本。整体模式资本开支轻，核心工作负载以 CPU 为主，算力密集度不像 AI 原生公司那样高；但模型服务，即托管推理端点，仍会引入 GPU 成本，只是处于“完全不同的量级”，而 Jensen 认为这些工作负载未来可能转向 GPU，这一点也可能改变现状。
持续融资的谜题在于：资金主要用于抵消员工股权薪酬，以及在员工获得足够的 RSU 或期权流动性、触发 IRS 税务处理后支付税款。这属于“私人版 MAG 7”格局的一部分：后期资本市场基础设施已经足够成熟，上市变成“可自主选择的决定”。Tu 称其为“真正的万亿美元问题”。在2022年周期中保持私有，让 Databricks 能够继续在销售和研发上“打进攻”，而许多上市同行做不到这一点，也因此抬高了任何 IPO 理由需要跨过的门槛。
风险与经验最终都指向文化：规模扩大后仍能持续保持研发执行力并非理所当然——“这个领域已经有公司因为分心而掉队，这一点会真实反映在数字里”；而代理式 AI 的品类创造，也必须“以他们执行 lakehouse 的同样方式”落地。Tu 现在会用来筛选其他公司的判断标准，是带有明确取舍的长期主义，例如即使可能牺牲短期变现，也始终不推出本地部署产品；因为“有些时候，人们谈论长期主义，却说不清楚具体取舍是什么”。

NVIDIA 的 Jensen Huang 谈推理模型、机器人与驳斥“AI 泡沫”叙事 Groq与NVIDIA的200亿美元交易｜为什么Sam Altman不在乎稀释，以及2026年的“隐形失业”