原创：亲爱的数据 谭婧
悄然间，Databricks公司逆风扬帆，将估值推到430亿美元。
因其仍未上市，且行为低调，财务构成长久以来都是秘密。
Databricks中文名直译：数据砖头。
但似乎没人这么叫，太土了。
念出Databricks，发五个音节，短促干脆，给人以一种美国湾区科技的既视感，很高级，有排面。
这又是一个美元堆上的新故事。
（一）营收多少？增速多快？
清晨的一缕阳光从窗户懒懒地洒进来，
Databricks公司的CEO阿里·戈西（Ali Ghodsi）从美梦中笑醒。
“这是一家分析数据的云软件平台公司”，外国财经媒体描述语焉不详。市面上也有很多人管Databricks叫大数据公司。
采访镜头里，CEO意气风发，豪言壮语言，他相信公司已成为世界上“增长最快的软件公司”。
文末有视频为证。
虽然美国美联储加息周期仍未结束，但是美股科技指标股走得好，诸位贵人，别着急。
戈西CEO的说法，我不敢附和，或许会违反某国广告法。
增长速度如此之快着实少见，戈西CEO说其中之一的增长原因是，数据仓库产品(从2021年12月发布到2023年4月共计17个月)服务收入总额（准确说是ARR，这词后面解释）超过一亿美元。
也就是说，一个刚起步的业务，只用17个月就做到了如此成绩。
不难发现，这家公司是谭老师我长期观察，且内心喜爱的科技公司。
为啥喜欢？
既爱创新，又很能打，年收入10个亿美金，谁不喜欢。
盈利，产品，技术项项都能叩开投资人心门。
估值讨论事宜还处于商讨阶段，也有可能破裂。
估值数额来自外媒爆料，想当年，Databricks也度过一段不尽如人意的日子：在2022年底其估值下调至310亿美元。如今，掉在地下的面子都捡起来了。
拿Databricks的估值和谁比较才好呢？
那非Snowflake莫属。
Snowflake和Databricks一开始很不同。Databricks从一个大名鼎鼎的开源计算引擎Spark起家。想当年，谭老师我还买了一本书叫做《Spark高级数据分析》，阅读后发现是用Scala语言来教我做数据分析。
Spark计算是分布式的，存储在数据湖上，所以，Databricks是从数据湖往数据湖仓方向前进。而Snowflake则不同，它是数据仓库起家，也往湖仓方向前进。
反正，湖仓就是大趋势，这点果然“英雄所见略同”
好比，以前美团APP是外卖起家想做打车业务，而滴滴APP是打车业务起家想做外卖业务。如果美团和滴滴均把打车和外卖都做好了，那就有点像现在Databricks和Snowflake的竞争态势了。
相信你也看出来了，我对Snowflake也是不吝赞美。
粗略地用一家估值和另一家市值对比，看上去，趋势线有碰面的可能。
在如此靠后的融资轮次上，有研究认为（其实就是我认为）投资人主要考察的重点不外乎两点：
公司营收，营收增速。两者均佳，估值乐观。
第一，营收。
这种平台性的公司最重要的指标是年度订阅收入+从附加组件和升级收入（财报上的Annual recurring revenue，ARR），那些每年每月都付钱的客户，谁人不爱，也有人理解为“租金”。
企业市场做得好是Databricks一大亮点，企业客户有钱，而且让企业客户越离不开，就越赚钱。有些技术超强的公司痴迷技术领先，可惜把“技术极客”服务好了也很难赚钱，他们有超高的工程化能力，谁还付费。
第二，增速。
敢问一句，有没有一种可能，我是说可能，Databricks的营收增速高于Snowflake？
我可没有说我问过Databricks员工。
有研究认为（其实就是我认为），无需去猜市场上或者别的投资者会出什么价，正确“估值”是这公司能挣多少钱，以后若干年能挣多少钱。
阿里·戈西说：“我们总会上市。”
这对上市的态度有些佛系了吧？赢家都是这样。
甚至，在他看来，没公开上市的好处是：想买什么AI公司都可以放开了买。
“上市之后，想证明这些收购的合理性就会困难得多。”
他如此说。
（二）AI咆哮的红利
第三浪，不辜负。
大模型大风吹到，数据加人工智能（Data +AI）龙头公司终于成了“显眼包”。
这里，还是要谨慎提醒一句，在没有大模型以前，Databricks的AI平台准确地说是传统机器学习平台。此AI，非彼AI，以免混淆讨论。
多数甲方企业用AI还是在关系型数据上面做机器学习，比如，财务数据用来进行销量预测。
再说回浪潮。
细数，这已是数据领域第三次浪潮，前两次分别是数据库和大数据，五六十年前和二十几年前。
数据库和大数据相辅相成，大数据和人工智能亦如此。
这一轮大模型创业公司当中，几乎100%的大模型公司团队都有数据组，而且数据组的负责人有时还会是个博士。我知道的一家国产大模型独角兽的数据负责人是博士，还有，美团大模型团队数据组负责人也是博士。
我描述这个现象是想强调，数据组的技术含量很高。他们招聘数据清洗、标注、挖掘等等职位的工程师，负责大模型的数据工作。
看吧，“数据贵如石油”的风又吹回来了。
是时候，让魔法加持魔法了。
你看那镜头前的戈西CEO，礼貌一笑，嘴上贵贵贵，手上买买买。
收购人工智能初创公司MosaicML（贵死了，做AI基础设施），
收购人工智能存储初创公司Rubicon（没公布价格，做AI存储），
收购人工智能数据治理初创公司Okera（没公布价格，全球为数不多的面向AI的数据治理平台，将其技术整合到Databrick数据目录产品Unity Catalog）。
天下武功，唯快不破。
这简直把AI创业公司的核心技术当AI组件一个劲地往自己的平台上组装，Databrick你真行。
Data+AI平台的生产线越长，越统一，越完备，就越有优势，企业用户来了就别想走，别家就不用去。
被组装的不止“AI创业公司”。
数据仓库、数据湖、数据库皆可被视为Data平台里面的功能组件。
只不过它们有个共同的任务——负责存储。你可以有仓库，有管结构化数据的存储组件，也可以有数据湖做非结构化存储组件。
甚至可以这样理解，传统的机器学习平台也是数据平台的组装件之一。
以前， AI负载占比不算多，很多企业把它当成一个相对独立组件，现在更强调融合。
不仅如此，现在，还需要大模型专用组件。
总之，Data平台像一个大型装配生产流水线。
不过这种表述是增加你对Data平台和AI平台的理解，在实际场景中，在企业里，数据平台和AI平台不是包含关系。
AI平台用到数据平台里的数据。如果那些做AI平台产品的公司硬要把自己包装成数据平台也能做，最后结果是跟企业客户已经有的数据平台打架，卖不进去。
我们回到大模型创业公司数据组这个例子，不止他们，甲方客户企业也会重新考虑数据库里这些成堆的数据，怎么能被大模型消费掉。这必然带动数据摄取、数据转化、数据存储等业务量。
或者说，如果一个企业其实它有机会能采到很多的数据，但不能把这个数据保存或者用起来，这个平台就不称职了。
红利逻辑是，数据好，模型好，有了信心，更多资源投入到建设公司核心数据资产这件事上。
Databricks吃到了“红利”，还吃了两次。
（三）技术栈
（学霸选读）
Data平台和AI平台可以从多个是视角来看：
在采购视角下，好比采购两种不同的标准化组件。
业务视角下，都需要统一平台，越方便，越便宜，越好。
技术视角下，两个平台用完全不同的计算引擎，干完全不同的事情。
如果有人问我，Data平台和AI平台哪个更重要，我只能说：Data平台（数据库、大数据系统）已经是必选项了，AI 还是可选项。
往深处聊，聊聊Data和AI的技术栈。
二者截然不同。
先看数据技术栈，有研究认为（其实就是我认为），这些年，数据技术栈中唯一不变的就的趋势。比如从离线到实时，从多个引擎到统一引擎，从Lambda到Kappa架构……
再看AI技术栈，有两个大模型带来的难点：
第一，AI技术栈自有特色，自成体系，建设、维护和系统的复杂度高。传统IT软件就没有模型这个事物。
第二，AI技术栈正在发生重塑性变革，新的软件栈正在形成之中。
一部分旧式AI基础设施会逐渐消失，或者用处有限。就像汽车车轴上的零配件淘汰青铜兽面纹车軎（wèi）。
的确，无论是Data平台，还是 AI 平台都没法来用自己的经验解决对方的问题，所以，有位AI大佬曾对我说，Databricks 没法自己生长出AI 大模型产品，想要拥有完整的产品体验，要么合作，要么购买。
Databricks果断购买。
即便如此，依然面临的难题有：
第一，对海量异构数据存储和管理。
第二，对AI 计算范式的支持。
第三，如何设计Data 和 AI 结合而来的新的产品形态。
还有很多有意思的小问题，答案可能不止一个：
1.数据库和AI怎么结合出新产品？
有人可能会回答向量数据库。
2.MLOps（机器学习运维）或LLMOps（大语言模型运维）如何调整与设计？
答案可能是增加向量检索组件，增加和提示工程有关的功能。
3.数据湖仓的趋势是什么？
有的答案是用统一且完整的产品，取代一堆产品的组合解决方案的局面。
所有的难题，不止Databricks在干，其他竞品也在干，那就要看谁干得好。
有研究认为（其实就是我认为），有些问题Databricks正在解决，有些基本解决了。
Databricks的答案包括：
第一，支持大模型的需求，比如，帮甲方企业用户既低成本易用地训练、微调和管理这些模型。例如，如何用小规模专有数据集微调大模型。
第二，用开放湖仓架构支持AI。
资深架构师会告诉你，这类产品从计算引擎做到存储架构，痛苦并不是计算引擎带来的，而是存储架构带来的。好比，有了你我以为躲过了暴风雨，结果发现你就是暴风雨。因为存储架构面对的难题比计算引擎大。
传统的为结构化数据设计的数仓架构不能很好地支撑 AI，而Databricks的做法是，从数据湖仓上发展出支持AI的能力。
第三，搞定自有场景。
那些有生成式AI能力的公司都在自家场景院子里大干快上、挥汗如雨，Databricks也是比较积极的一个。
据说Databricks在2023年年初的时候，公司内部流行语是：“今天你用了 LLM 吗？”，谭老师我上次听到的如此上头的文案还是在咖啡店的时候：“今天你没事（美式）了吗？”
用Apache Spark功能运行Python应用程序的时候，因为API有上千个之多，知识过于密集。
于是，Databricks发布了“English SDK”，考虑用大语言模型学习理解Apache Spark API 。
2023年是Spark进入Apache基金户会的第十周年。可想而知积累了很多开源文档、QA问答。这些喂给大模型，以便用户用英文发号施令以代替代码编程做指挥棒。
不能只说好不说差，Databricks是跑得飞快的美国公司，而今大部分企业的数字化水平仍然较差，无法自建AI，至今连AI都用不上。
谭老师我最喜黄昏（因为早上起不来），天边映晚照，余霞可爱多。
不知道Databricks的其他几位创始人近期看晚霞是什么样的好心情，毕竟估值430亿美金了。
其他几位创始人是谁呢？
他们是Andy Konwinski，Arsalan Tavakoli-Shiraji，Ion Stoica，Matei Zaharia，Patrick Wendell和Reynold Xin（辛湜）。
带货ing
《我看见了风暴》谭老师新书，京东有售
更多阅读
AI大模型与ChatGPT系列：
1. ChatGPT大火，如何成立一家AIGC公司，然后搞钱？
4. 独家丨从大神Alex Smola与李沐离职AWS创业融资顺利，回看ChatGPT大模型时代“底层武器”演进
5. 独家丨前美团联合创始人王慧文“正在收购”国产AI框架OneFlow，光年之外欲添新大将
8. 云从科技从容大模型：大模型和AI平台什么关系？为什么造行业大模型？
9. 深聊第四范式陈雨强丨如何用AI大模型打开万亿规模传统软件市场？
10. 深聊京东科技何晓冬丨一场九年前的“出发”：奠基多模态，逐鹿大模型
11. 老店迎新客：向量数据库选型与押注中，没人告诉你的那些事
12. 抢滩大模型，抢单公有云，Databricks和Snowflake用了哪些“阳谋”？
13. 大模型“搅局”，数据湖，数据仓库，湖仓选型会先淘汰谁？
14. 微调真香，漫画科技博主竟然在用国产大模型生成系列漫画女主角
15. 美国大模型风向速报（一）为何重视提示工程？LangChain+向量数据库+开源大模型真香
AI大模型与学术论文系列：
1.开源“模仿”ChatGPT，居然效果行？UC伯克利论文，劝退，还是前进？
2. 深聊王金桥丨紫东太初：造一个国产大模型，需用多少篇高质量论文？（二）
3. 深聊张家俊丨 “紫东太初”大模型背后有哪些值得细读的论文（一）
漫画系列
4. AI for Science这事，到底“科学不科学”？
5. 想帮数学家，AI算老几？
11. 强化学习：人工智能下象棋，走一步，能看几步？
14. 云计算Serverless：一支穿云箭，千军万马来相见
15. 数据中心网络：数据还有5纳秒抵达战场
AI框架系列：
3.搞 AI 框架那帮人（三）：狂热的 AlphaFold 和沉默的中国科学家
4.搞 AI 框架那帮人（四）：AI 框架前传，大数据系统往事
注：（三）和（四）仅收录于《我看见了风暴》。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
