Databricks 獲得新一輪融資，估值達 $1880 億
Databricks 最近宣布了一輪新的融資，這次的估值高達 $1880 億，顯示出其在 AI 領域的強勁增長。這輪融資由 Coatue 領投，雖然具體金額尚未公佈，但據報導約為 $30 億。這樣的估值不單止反映了 Databricks 的實力，還顯示出市場對 AI 解決方案的需求日益增加。
Databricks 的轉型之路
Databricks 成立於 2013 年，最初專注於大數據分析，幫助企業在雲端存儲同處理大量數據。因應 AI 技術的興起，Databricks 成功轉型為一家 AI 供應商，推出了一系列 AI 產品，如 Lakebase 同 Unity，這些產品專為 AI 應用而設計，並且可以高效處理數據，提升企業的運作效率。
Lakebase：專為 AI 設計的數據庫
Lakebase 是 Databricks 的一款數據庫，專為 AI 代理而設計，可以高效處理大量數據，並支持快速的數據分析。根據 Databricks 的數據，Lakebase 可以處理每秒高達 10 萬條數據記錄，這使得企業可以更好地利用其數據資源，提升 AI 應用的效率。
Unity：AI 閘道的創新
Unity 是 Databricks 的 AI 閘道，旨在簡化 AI 模型的集成同管理。根據公司的報告，使用 Unity 後，企業可以將 AI 模型部署時間縮短 50%，從而提高工作效率，並減少人力資源的投入。
Databricks：開放權重模型的興起
Databricks 也開始採用開放權重模型，這些模型的底層代碼是公開的，任何人都可以使用同修改。這種模式不單止降低了成本，還提高了靈活性，特別是在編程方面。Databricks 特別推崇 Z.ai 的 GLM 5.2 模型，這款模型在編程任務中表現出色，並且成本低於其他專有模型，根據內部數據，GLM 5.2 的使用成本比 OpenAI 的 GPT-4 低 30%。
內部基準測試的結果
Databricks 的 CEO Ali Ghodsi 最近分享了一些內部基準測試的結果，這些測試是為了管理其 3000 名軟件工程師的 AI 成本。測試顯示，開放模型，特別是 GLM 5.2，可以處理高難度的編程任務，並且總成本低於來自 Anthropic 同 OpenAI 的專有模型，這使得企業可以在保持高效能的同時，降低開支。
Databricks：選擇合適的工具同模型
除了模型的選擇，Databricks 還發現選擇合適的工具（如 Codex 或 Claude Code）對成本有著顯著影響。根據他們的研究，開源工具 Pi 在管理上下文方面表現優異，可以以較低的成本提供高質素的服務。這表明，模型的選擇只是成本控制的一部分，選擇合適的工具同樣重要，企業應該根據自身需求選擇最合適的工具。
Databricks 的未來展望
因應 AI 技術的快速發展，Databricks 的未來看起來非常光明。公司已經在 AI 領域建立了良好的聲譽，並且持續推出創新產品來滿足市場需求。根據市場研究機構 Gartner 的預測，AI 市場將在未來五年內增長 20%，這使得 Databricks 可以在競爭激烈的市場中脫穎而出，吸引更多的投資者。
Databricks 實務做法
- 探索開放權重模型，降低成本。
- 選擇合適的 AI 工具，提升效率。
- 利用數據分析，優化業務流程。
- 定期進行內部測試，確保模型的效能。
- 關注市場趨勢，調整策略。
Databricks：總結與下一步
Databricks 的成功不單止在於其高估值，更在於其在 AI 領域的創新同轉型。因應市場對 AI 解決方案的需求持續增加，Databricks 將繼續引領行業發展，成為企業數據同 AI 應用的重要合作夥伴。如果你想了解更多關於如何利用 AI 提升業務的資訊，可以聯絡我們，讓我們幫助你探索更多可能性。
用 Databricks 趨勢與 trafficholic 建立流量
如果你想將 AI／科技趨勢落實成可執行的內容同獲客系統，可以查看吓 trafficholic 的 SEO 及 GEO／AI Search 優化 同 AI 流量內容課程。
Databricks常見問題
Databricks 是什麼？
Databricks 是一家專注於數據分析同AI的公司，提供雲端數據處理同 AI 解決方案。
Databricks 的主要產品有哪些？
Databricks 提供多種 AI 產品，包括 Lakebase 數據庫、Unity AI 閘道同 Omnigent 多代理管理工具。
為什麼 Databricks 的開放權重模型受到青睞？
開放權重模型如 Z.ai 的 GLM 5.2 提供更低的成本同靈活性，適合企業在編程同數據處理中使用。
資訊參考公開報道趨勢，內容經 trafficholic 重新編寫。原始來源：連結
