
过去一年配资平台股票最新消息,阿里 · 古德西(Ali Ghodsi)几乎是整个硅谷最扫兴的人。
他在不同的行业峰会、圆桌论坛上反复强调目前人工智能公司们估值虚高,说那些估值动辄数十亿美元的明星公司实际上"一无所有"。他坚信"资本市场"是美国"人工智能"产业的最大敌人,因为资本让独角兽们动辄砸出数百万美元的薪酬,加速耗尽了高校的"科研潜力"。在与高盛首席执行官大卫 · 所罗门一对一的对谈时,他毫不掩饰自己的"看衰",告诉对面的华尔街大鳄"自己太多抗风险的办法",只要市场出现回调,自己将不可避免地遭遇损失。
他也从不放嘴炮,是一个行动派。为了躲开人工智能泡沫、在一个理性的环境下定价,阿里 · 古德西在 2024 年年底就宣布暂缓 IPO 计划,一直到 2025 年临近年底,也没有重启计划的打算。
更诛心的是,大家在听完一连串抱怨之后发现,他其实是整个硅谷吃到人工智能红利最多的人之一。作为全球最大的数据供应商,他的 Databricks 已经连续几年实现了超过 50% 的业绩增长,在今年 9 月的时候已经将年销售额预期上调至 40 亿美元。与此同时,近日有媒体报道称,Databricks 于 11 月正式启动了一轮规模为 50 亿美元的新融资,而这轮融资的估值将达到 1340 亿美元(约合人民币 9466.3 亿元)。
而 Databricks 上一轮融资完成于 2024 年 12 月,那时候给予的估值是 620 亿美元。短短一年,直接翻倍。
疯狂的红利
不知道算不算凡尔赛,阿里 · 古德西一直在媒体上抱怨 Databricks 的估值增长太快。
就拿 2024 年 12 月的那轮融资来说,按照阿里 · 古德西的说法,他最开始的融资目标以 550 亿美元的估值,筹集 20 亿美元到 30 亿美元左右的资金。但是随着媒体们披露了他们即将融资的消息,前往问价的投资人越来越多。等到 IR 将意向投资人名单递到阿里 · 古德西面前的时候,阿里 · 古德西原地来了个"掉凳":所有意向投资人愿意给出的资金累计相加,累计达到了 190 亿美元(约合人民币 1324 亿元)。
这是一个什么概念?
根据 Pitchbook 统计,2024 年 Q3 季度(也就是 Databricks 的前一个季度)全球风险投资总额加起来大概为665 亿美元。也就是说,但凡阿里 · 古德西脑袋一热照单全收,那么 Databricks 一家公司就将分流全球当季度接近三分之一的风险投资热钱。
于是为了不当出头鸟,阿里 · 古德西决定提高投资门槛,将估值上升到 620 亿美元,从 190 亿美元中筛出了 100 亿美元的作为新一轮融资。阿里 · 古德西还在完成融资后"着重"强调,自己之所以愿意接受这 100 亿美元融资主要有两层考虑:一个是帮助早期员工们套现,尽早享受公司的发展成果,增强团队信心;另一个是公司认为当下的资本市场太过浮躁,急于上市很有可能成为人工智能泡沫的牺牲品,因此需要足够的运营资金。
当然从公开信息来看,我们也完全可以相信阿里 · 古德西说的是大实话:先不论人工智能时代,自从人类社会进入互联网时代,"数据"就成为最热门、最重要的资产,吸引了巨量的热钱涌入,并且几乎不受任何周期影响。
据 Pitchbook 统计,截至 2025 年 Q3 之前的四年时间里,在其他行业疯狂震荡的同时,全球数据中心及相关行业的私募股权交易量顺利翻番,规模从四年前的 499 亿美元(约合人民币 3554 亿元)快速膨胀到了 1077 亿美元(约合人民币 7670 亿元)。这其中最大的一笔交易发生在 2024 年 9 月 4 日,黑石集团(Blackstone)与加拿大养老基金以 160 亿美元(约合人民币 1140 亿元)的估值收购了亚太地区最大的数据中心 AirTrunk。
疯狂的交易让很多人感叹,当代经济学正在无限趋近于"行为经济学"、"得数据者得天下"。黑石集团负责基础设施投资的高级董事总经理格雷格 · 布兰克 ( Greg Blank ) 也大方地承认,投资 AirTrunk 就是基于"全球影响力以及与一些全球最大、最有价值的公司的连接能力",就连中国也开始奔涌相同的潮水—— 2025 年 9 月 10 日,中国数据中心产业史上最贵的交易诞生,贝恩投资宣布以人民币 360 亿元(约合 50 亿美元),股权价值约为人民币 280 亿元(约合 40 亿美元)卖掉了旗下的秦淮数据。
在这个前提下,Databricks 在 2024 年 12 月设定的估值仅为 ARR(年度经常性收入)的 24 倍,已经是一个良心价了。要知道 Snowflake、Datadog 这些竞品的估值虽然相对保守,仅为 ARR 的 19 倍和 16 倍,但他们的 ARR 增长率也分别只有 27% 和 26%。而另一家主要竞品 Palantir 虽然有 53% 的增长率,已经非常接近 Databricks 的 55%,但作为已经上市的公司 Palantir 今年深受"人工智能泡沫"影响,市值已经达到了 ARR 的 91 倍。
而从目前所披露的所有公开信息来看,Databricks 对新一轮融资的顺利完成也信心满满:据说 Databricks 今年先后两次修改了投资人文件中的营收预期,将目标 ARR 从 38 亿美元调整至 40 亿美元再调整到 41 亿美元。Databricks 也在投资文件中表示,公司已经结束了持续多年的"年均亏损数亿"的状态,重新进入了盈利周期。与此同时,他们自身的新业务开展也十分顺利,他们面向人力资源管理等 B 端业务开发的 AI Agent 拓展了相当的客户,目前公司已经有四分之一的收入来自于数据库生意之外。
Databricks 也基于这些利好顺势将估值提升至了 ARR 的32 倍,也就是开头提到的那个数字,1340 亿美元。
"借"出来的繁荣
那即使这样,阿里 · 古德西大概率还将继续扮演硅谷最扫兴的人。因为上述的"利好"都是相对的,扒开细节来看很容易让人眼前一黑:
比如前面提到了 Databricks 作为世界上最大的数据供应商,吃尽了人工智能红利——那么具体吃到多少呢?在披露给投资者的文件里,Databricks 表示 OpenAI 是目前他们最大的客户,排在 OpenAI 身后的前 10 大客户贡献的订单量加起来也只占整体营收的 15%。用一句"深度绑定"来形容 Databricks 与 OpenAI 之间的关系毫不夸张,甚至还有点保守了。
比如前面提到了 Databricks 正在积极拓展数据库之外的业务,AI Agent 业务正在顺利展开——那么成本是多少呢?今年 9 月,Databricks 曾经宣布他们将在未来几年内累计投资 1 亿美元用于和 OpenAI 合作,以确保模型能力始终处于行业的领先地位。并且由于人工智能产品使用量的不断增加,产品的运营成本正在挤压毛利率,Databricks 主动将毛利率预期从 77% 调低至 74%。
再比如前面提到了 Databricks 结束了连续几年的"巨亏"状态,今年大有希望完成盈利——那么具体盈利多少呢?投资者文件透露,Databricks 今年预计结余的自由现金流大概是1000 万美元,在现金流利润率层面远远不如 Palantir、Snowflake 这些主要的竞争对手。
有意思的是,就在 Databricks 披露最新融资动态的同期,还有人总结了这样一组数据:
如今我们都知道人工智能是前景最广阔的市场,OpenAI 则是这个市场里商业潜力最高、估值最高的头部玩家——那么为了能够与 OpenAI 共襄盛举,成为供应商,各家公司付出的成本是多少呢?仅计算为 OpenAI 提供数据中心、芯片、算力服务的公司,累计借款就达到了960 亿美元(约合人民币 6787.5 亿元)。此外为了跟进人工智能产业的节奏,亚马逊、谷歌、Meta、微软、甲骨文这五家科技巨头在今年累计发行的新债达到了1210 亿美元(约合人民币 8555 亿元),而此前他们每年平均发行的新债约为 280 亿美元,直接翻了 5 倍。
科技公司们肯定不是活雷锋。之所以愿意"借钱"凑热闹,OpenAI 显然提供的不仅仅只有"愿景",无论是公司层面还是山姆 · 奥特曼都反复重申,未来几年内 OpenAI 将投入 1.4 万亿美元用来采购各类必要的资源。但这笔支出又从哪里来呢?OpenAI 今年的预计收入大概在 200 亿美元左右,汇丰银行的分析师计算,到 2030 年他们的年收入有望达到 2000 亿美元——这是一个漂亮的增长,但与此同时他们的运营成本也将增加2070 亿美元。
在这样的预期下,一个"看空市场"正在悄然形成:据德意志银行的数据显示,OpenAI 供应链上的科技公司们的信用违约互换利差正在不断扩大。所谓"信用违约互换利差",可以通俗的理解为市场为公司债务违约风险买保险的"保费率"。利差越大,说明市场认为这家公司违约的风险越高,保费就越贵。而自 9 月下旬以来,甲骨文的五年期信用违约互换利差扩大约 60 个基点至 104 个基点,CoreWeave 的利差上升约 280 个基点至约 640 个基点。
可以说,Databricks 非常具体地向人们展现了这一波人工智能明星公司们的困境:估值是很好看,概念是很性感,但仅仅是跟上节奏就已经足够让他们筋疲力尽了。
这时候我们回过头来看,阿里 · 古德西大谈"人工智能泡沫"的行为就别有一番风味了。尤其是他吐槽:"一个只有五个人、没有产品、没有创新、没有知识产权、全是应届毕业生的公司,根本不可能值数亿美元",很大程度上也可以理解为他为 Databricks 估值飞涨的辩解。
毕竟"一无所有的初创公司估值都能高达数十亿美元"配资平台股票最新消息,我们可是提供了最容易看懂的"基础设施"服务呢。
永宝网提示:文章来自网络,不代表本站观点。