何が起きたか
Databricksは木曜、投資会社Coatueが主導する新たな資金調達ラウンドで、評価額が1,880億ドルに達したと発表しました。調達額そのものは非開示で、資金はまだ着金しておらず、ラウンドは今夏後半にクローズ予定としています。他媒体は調達額を約30億ドルと報じました。あるVCはTechCrunchに「多くの投資家が参加を望む堅い案件で、評価額を隠す理由がなかった」と語っています。
注目すべきは、このスピードです。2024年12月に当時記録的な100億ドルを620億ドルの評価額で調達し、2025年9月に10億ドルを1,000億ドルで、今年2月にはシリーズLで50億ドルを1,340億ドルで調達しました。ラウンドを重ねすぎて「アルファベットの文字が尽きる」というミーム(「シリーズAAのアラートを設定しておく」)まで生まれたほどです。
なぜ重要か
2013年創業のDatabricksは、ビッグデータ時代にクラウド上で大規模データを保管しつつ高速分析を実現するソフトで成長しました。皮肉なことに、この「企業データの山の上に座っている」ポジションが、AI時代に効きます。企業は従来型エンタープライズソフト並みのセキュリティとガバナンスを備えたAIを求めており、Databricksはそこに最適だったのです。
同社はAIエージェント向けデータベース「Lakebase」、AIゲートウェイ「Unity」、複数エージェントを統括するメタハーネス「Omnigent」などを投入。AIラボとして創業したわけではないのに、この「AIの後光(halo)」が調達と評価額を押し上げました。その効果は、サンドイッチ店のJersey Mike’sがS-1書類でAIに22回言及するほど強力です。
GLM 5.2とハーネス選定の実利
もう一つの顔が、コスト最適化の実践者としての姿です。Databricksは、より安価な中国発オープンウェイトモデルの採用例として知られ、これは2026年の大きな潮流になっています。同社はコーディング向けにZ.aiの「GLM 5.2」を推しています。
CEOのAli Ghodsi氏は、自社3,000人のエンジニアのAIコストを管理するため、実際の業務タスクでモデルを比較する社内ベンチマークの結果を公開しました。ブログによれば、オープンモデル、特にGLM 5.2は最高難度のコーディングタスクさえ、AnthropicやOpenAIの独自モデルより低い総コストで処理できるといいます。さらに、Codex や Claude Code といったハーネス(エージェント型コーディングツール)の選択がコストに同等の影響を与え、オープンソースのハーネス「Pi」はプロンプトごとのコンテキスト管理に優れ、品質を落とさず低コストを実現したとしています。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとっての示唆は二つあります。第一に、AI開発コストは「モデル選び」だけの勝負ではないという点。Databricksの検証は、Codex や Claude Code といったハーネスの選択がモデル選定と同等にコストを左右し、GLM 5.2のようなオープンウェイトモデルが最高難度タスクでも独自モデルより安く済み得ることを示しました。受託開発企業やSaaSプロダクトを持つ企業のCTO・開発責任者は、Anthropic/OpenAI一択の前提を疑い、実際の自社業務タスクでコストと品質を測る社内ベンチマークを組むべきです。特に3,000人規模でなくとも、エンジニア数十人でもAI利用料は無視できない固定費になりつつあります。第二に、資金調達・IR面での教訓です。Jersey Mike’sのAI22回言及が象徴するように「AIの後光」は資本市場で過剰に効いています。日本企業も投資家・顧客向けの物語づくりでAIを語る誘惑に駆られますが、Databricksが強いのは既存の企業データ資産という実体があるからです。手元の顧客データ・業務データという足場の上でAIを語れるか──ここが本物とバズワードの分岐点になります。