ارزش‌گذاری دیتابریکس به ۱۸۸ میلیارد دلار رسید؛ پرواز غول بیگ دیتا در دنیای هوش مصنوعی

شرکت دیتابریکس (Databricks) در روز پنجشنبه از جذب سرمایه جدیدی خبر داد که ارزش این کمپانی را به رقم شگفت‌انگیز ۱۸۸ میلیارد دلار می‌رساند. این دور از تأمین مالی توسط موسسه سرمایه‌گذاری کوتو (Coatue) رهبری شده است.

به گزارش بخش اخبار فناوری زوم تک به نقل از تک‌کرانچ، دیتابریکس هنوز مقدار دقیق سرمایه جذب‌شده را فاش نکرده و اعلام کرده است که این پول هنوز به طور کامل به دست آن‌ها نرسیده و این دور از سرمایه‌گذاری در اواخر تابستان امسال نهایی خواهد شد. با این حال، سایر رسانه‌ها گزارش داده‌اند که مبلغ این جذب سرمایه حدود ۳ میلیارد دلار است. اگرچه معرفی و اعلام رسمی یک دور سرمایه‌گذاری پیش از دریافت کامل پول امر چندان رایجی نیست، اما یک سرمایه‌گذار خطرپذیر (VC) به تک‌کرانچ اعلام کرده که این معامله کاملاً قطعی و مستحکم است؛ چرا که شرکت‌های سرمایه‌گذاری بسیار زیادی مشتاق ورود به این معامله بوده‌اند و دیتابریکس دلیلی برای پنهان کردن ارزش‌گذاری درخشان و جدید خود نداشته است.

تغییر چهره موفق دیتابریکس به یک رهبر هوش مصنوعی

در واقع، دیتابریکس در یک سال و نیم گذشته در یک مسیر تهاجمی برای جذب سرمایه بوده است؛ چرا که این شرکت توانست با موفقیت تصویر برند خود را از یک پلتفرم موفق نرم‌افزار به عنوان خدمت (SaaS) در سال‌های گذشته، به یک ارائه‌دهنده پیشرو در حوزه هوش مصنوعی تغییر دهد. منظور از سال‌های گذشته، دوران قبل از معرفی چت‌جی‌پی‌تی (Before ChatGPT) است.

تنها پنج ماه پیش، در فوریه، دیتابریکس یک دور سرمایه‌گذاری سری L به ارزش ۵ میلیارد دلار را با ارزش‌گذاری ۱۳۴ میلیارد دلاری پشت سر گذاشت. پنج ماه قبل از آن، در سپتامبر ۲۰۲۵، این شرکت ۱ میلیارد دلار با ارزش ۱۰۰ میلیارد دلار جذب کرد. و تقریباً ۹ ماه پیش از آن، در دسامبر ۲۰۲۴، این شرکت دور سرمایه‌گذاری بی‌سابقه و رکوردشکن ۱۰ میلیارد دلاری را با ارزش‌گذاری ۶۲ میلیارد دلاری ثبت کرده بود.

دیتابریکس در طول سال‌ها آن‌قدر دورهای تأمین مالی متعددی را پشت سر گذاشته است که این دور جدید به سوژه‌ای برای میم‌های اینترنتی تبدیل شده که می‌گویند حروف الفبای انگلیسی برای نام‌گذاری سری‌های سرمایه‌گذاری این شرکت رو به اتمام است! یکی از کاربران در فضای مجازی نوشته بود: «گوش‌به‌زنگ‌های گوشی‌ام را فعال کرده‌ام تا ببینم چه زمانی به دور سرمایه‌گذاری سری AA می‌رسیم.»

از کلان داده تا مدیریت داده‌های ایمن برای هوش مصنوعی

اما بازسازی تصویر این شرکت کاملاً واقعی و اصولی بوده است. دیتابریکس که در سال ۲۰۱۳ تأسیس شد، در ابتدا در عصر کلان داده (Big Data) و با توسعه نرم‌افزاری که به شرکت‌ها اجازه می‌داد حجم عظیمی از داده‌ها را در فضای ابری ذخیره کرده و در عین حال تحلیل‌های سریعی از آن‌ها استخراج کنند، به موفقیت و رشد رسید.

از آنجا که این شرکت از قبل روی گنجینه‌ای از داده‌های سازمانی نشسته بود، با شروع تمایل شرکت‌ها به استفاده از هوش مصنوعی با همان سطح از امنیت و حاکمیتی که از نرم‌افزارهای سازمانی سنتی انتظار دارند، در موقعیت بسیار مناسبی برای پاسخگویی به این نیاز قرار گرفت.

این شرکت شروع به عرضه محصولات هوش مصنوعی یکی پس از دیگری کرد؛ محصولاتی مانند لیک‌بیس (Lakebase) که پایگاه داده اختصاصی آن برای عوامل هوش مصنوعی (AI Agents) است، یونیتی (Unity) که دروازه هوش مصنوعی آن محسوب می‌شود، و یک “متا-هارنس” به نام آمنیجنت (Omnigent) که چندین عامل هوش مصنوعی را مدیریت می‌کند.

حمایت دیتابریکس از مدل‌ های متن‌باز برای کنترل هزینه‌ ها

علاوه بر این، دیتابریکس به طور فزاینده‌ای به عنوان یکی از نمونه‌های بزرگ سازمانی شناخته شد که از مدل‌های متن‌باز و وزن‌باز (Open-weight models) مقرون‌به‌صرفه‌تر توسعه‌یافته در چین برای کنترل هزینه‌ها استفاده می‌کند؛ رویکردی که به یکی از ترندهای بزرگ سال ۲۰۲۶ تبدیل شده است. این شرکت به طور ویژه‌ای از مدل GLM 5.2 متعلق به شرکت Z.ai به عنوان یک مدل ایده‌آل برای کدنویسی حمایت می‌کند.

هفته گذشته، علی قدسی (Ali Ghodsi)، مدیرعامل ایرانی دیتابریکس، نتایج برخی از بنچمارک‌های داخلی را که برای مدیریت هزینه‌های هوش مصنوعی ۳,۰۰۰ مهندس نرم‌افزار خود انجام شده بود، به اشتراک گذاشت.

این شرکت مدل‌های مختلف هوش مصنوعی را روی وظایف واقعی که برنامه‌نویسانش انجام می‌دهند، مقایسه کرد. جای تعجب نیست که دیتابریکس در پست وبلاگی خود که این نتایج را فاش می‌کرد، به اشتراک گذاشت که «مدل‌های متن‌باز، و به ویژه GLM 5.2، اکنون قادر به مدیریت حتی بالاترین سطوح سختی وظایف در کدنویسی هستند» و این کار را با هزینه کلی بسیار کمتری نسبت به مدل‌های انحصاری شرکت‌های آنتروپیک (Anthropic) و اوپن‌ای‌آی (OpenAI) انجام می‌دهند.

تأثیر ابزارهای مدیریت چارچوب (Harness) بر کاهش هزینه‌ ها

اما موضوعی که باعث شگفتی کارشناسان شد این بود که انتخاب چارچوب یا همان هارنس (Harness) — ابزار کدنویسی عاملی مانند کدکس (Codex) یا کلود کد (Claude Code) که به دور یک مدل پیچیده می‌شود و بافتار (Context) و دستورالعمل‌های آن را مدیریت می‌کند — به همان اندازه بر هزینه‌ها تأثیرگذار است. این بررسی‌ها نشان داد که چارچوب متن‌باز Pi یکی از بهترین‌ها در مدیریت بافتار پیرامون هر پرامپت است و بنابراین یکی از کم‌هزینه‌ترین گزینه‌ها بدون کاهش کیفیت به شمار می‌رود.

در این پست وبلاگی آمده است: «درس مهم در اینجا این نیست که یک چارچوب همیشه ارزان‌تر است یا چارچوب‌های بومی بدتر هستند. بلکه انتخاب مدل تنها یک تکه از این پازل پیچیده است.»

همه این دستاوردها به تصویر دیتابریکس به عنوان یک شرکت هوش مصنوعی پیشرو افزوده است، حتی اگر این کمپانی در ابتدا به عنوان یک آزمایشگاه هوش مصنوعی تأسیس نشده بود. این موضوع به نوبه خود، هاله و اعتبار ویژه‌ای در حوزه هوش مصنوعی برای این شرکت ایجاد کرده تا بتواند سرمایه‌های کلانی جذب کند و ارزش‌گذاری خود را به شدت جهش دهد. همان‌طور که پیش از این گزارش داده بودیم، اثر هوش مصنوعی این روزها آن‌قدر قوی است که حتی فست‌فود زنجیره‌ای جرسی مایکز (Jersey Mike’s) نیز در اسناد S-1 خود برای ورود به بورس، ۲۲ بار به واژه هوش مصنوعی اشاره کرده است!