「數據新星」Databricks 崛起啓示錄_風聞

新眸大公司研究組作品

作者｜葉靜

編輯｜桑明強

在數據庫領域，如果問當下誰最火，那Databricks一定排得上號。

去年8月，距離10億美元的G輪融資剛過去7個月，Databricks再次獲得16億美元H輪融資，身價搖身一變成380億美元，成為外界一致認為的超級獨角獸。一直以來，數據領域備受關注，如果從2007年開始計算，全球的數據量至今已經膨脹了近200倍，數字化被寫入戰略規劃成了各類行業的共識。

在數據量井噴的背景下，上雲趨勢也越來越明確，以Snowflake、Databricks為代表的大數據公司應運而生，前者基於AmazonS3打造了雲端的數據倉庫，後者除了推出Lakehouse（湖倉一體），現在又押寶機器學習，試圖包管數據在抵達機器學習之前的所有流程。

不同的是，Databricks已經從原來的infra向更廣泛場景延伸，和昔日的夥伴Snowflake同台競技。與此同時，以AWS為代表的雲巨頭，也都曾戰略性投資過Databricks，但現在也都在自研數據分析套件，競合關係漸趨白熱化，讓數據基礎設施的戰火撲朔迷離。

從0到1

企業的性格往往被它的創始人和技術背景所決定。

十幾年前在UC Berkley的AI實驗室裏，Ghodsi和夥伴發起Spark項目：做一個能夠更輕鬆處理大量數據和機器算法的引擎，並且開源了代碼。相比較多數開源項目，面向的都是底層技術性強要求的infra工程師，spark面向更廣泛的客户羣，同時在上層加了很多的新的API，降低了技術門檻。

因為沒有優秀的開發者社區運營和推廣團隊，Spark變現比較難，之後團隊成員決定成立Databricks，以商業化方式推動Spark社區發展。即便Spark是過去硅谷的頂流產品，但這並沒有讓AWS等巨頭買賬，他們選擇繞過Databricks，直接將Spark集成到自己的產品裏。在Databricks賣產品還不如辦Spark峯會收入高的時候，Amazon EMR已經針對Spark實現了幾億營收。

Databricks創始團隊走了一條不被大眾熟知的激進的路：雲。

雖然不管對公司還是客户來説，雲可以更快部署，也更容易維護，但正如聯合創始人Reynold Xin所説，大部分的人知道雲是未來，但絕不是現在。當時只有小部分風投注資這家初創企業，New Enterprise Associates的投資者Pete Sonsini説：“我們在Databricks的軟件收入為零時投資，認為他們會在大流行中加速發展，也許是一兩個月，每個人都無法及時知道會發生什麼”。和Databricks一樣，他們也在賭未來。

圖：Databricks年度融資及估值變動

2013到2015這三年，雖然有硅谷風投支持，Databricks也借力這些資金吸引人才，推出了基於雲端的簡化大數據處理平台Databricks Cloud，但不管是招主管、找融資還是見客户，Databricks都會被質疑：真的不支持on-prem嗎？

因為背靠Spark，很多客户甚至願意年付幾千萬美金讓Databricks提供諮詢定製化項目，但Databricks做的是一個給數據工程師的平台,這是當時大部分公司聞所未聞的玩法,也是前幾年商途不順的原因之一。值得一提的是，彼時的雲界開源前輩Cloudera曾改名“Cloud Era”，可在當時的市場情況下，最終還是轉向了on-prem做定製和售後支持才得以存活。

在這種邏輯下，雲廠商把開源軟件拿來經過簡單的封裝，再作為服務賣出去。由於這個過程只需要簡單的部署和調試，工程成本極低，定價也不高，巨頭從中賺走了大部分，這對Databricks來説相當於吸血，怎樣和有錢有人的雲巨頭對抗，是Databricks亟需在技術上打造的壁壘。

他們賭的另一條路，是不做數倉。

彼時數據倉庫競爭過於激烈，以亞馬遜為首的巨頭佔據了大部分市場份額，Databricks繼續小眾打法：避開紅海，嘗試切入一個新興卻可能會有爆炸性增長的小市場，針對數據科學家、數據工程師和AI的方向做產品。

開源小公司的優勢在於更懂項目，迭代更快，能夠聚焦、死磕產品性能，而公有云大廠很難在單一方向投入最好的工程師。隨着數據量的爆發，雲的生態優勢逐漸被認可，加上當時市面上也沒有大量競品，這給Databricks的產品帶來了機會。

另一方面，在2019年微軟投資Databricks之前，正巧CEO納德拉推動云為先的戰略，兩家合作的Azure Databricks進入了微軟的企業許可協議。微軟從一個大數據競爭劣勢的雲產品搖身成為業界領先，形成了雲巨頭三足鼎立的局面；因為幾乎所有大企業都和微軟有ELA，共生效應之下，客户原本買雲買Office的預算自然流向了Databricks。

有人將Databricks創始團隊比作一羣幸運的加州嬉皮士RD，他們信仰技術，信仰來源，信仰共享和長期主義，這些也都成為了Databricks的底色。

超級加倍

讓所有人感到意外的是，2019年後，Databricks以絕無僅有的加速度在增長。

截至2021年2月，公司已經籌集了近20億美元資金，包括由富蘭克林鄧普頓領投的10億美元G輪融資，此時Databricks估值已經達到280億美元；在經過最新輪融資後，Databricks380億的身價與三年前的62億相比暴增了近13倍。

基本面決定價值，價值決定價格，如果將Databricks的成功僅歸結於對技術犀利的洞察，藉助了巨人的肩膀和好運氣，這還遠遠不夠。基於開源的創新是Databricks成長的關鍵，從大數據領域殺入雲計算和AI，它的產品矩陣裏包括DeltaLake、MLflow、Koalas以及開源分析引擎Spark等殺傷利器。

其中，超過80%的用户使用Delta Lake；MLFlow為數據科學家提供了標準化的開源框架，下載量以每月80萬的速度增長，擁有比Spark更多的用户；而Koalas可以讓數據科學家在筆記本電腦上使用Pandas編程，調用幾個API就可以將工作部署到大型的分佈式Spark集羣上，把Pandas社區的數據科學創新帶給了Spark用户。

幫助其他企業構建自己的AI能力，透露出了Databricks的野心：從BI到AI，構建一個企業AI平台，因為Ghodsi認為，在企業計算領域，行業還沒有出現頭部的企業AI平台。

除了軟件產品本身，Databricks的業務模式也有所不同。

傳統的開源商業模式是軟件免費，廠商收取支持和服務費用，這在on-prem裏或許可行，但在雲的世界就不一定了。Databricks在開發、軟件運行、運營和託管方面向客户收費，採用SaaS開源的盈利模式，客户可以在本地開源平台下載免費的基礎軟件，同時也可以下載開源公司打造的其他付費版本。

不高估開源，也不低估市場，Ghodsi説：“在雲端託管開源項目並把它們租給用户，客户流失率更低，利潤增長更快”。SaaS租賃模式下，Databricks的核心知識產權沒有存放在它所贊助的開源軟件項目中，而是在它用來監管雲端軟件的工具中，這樣避免了泄露的風險。

根據報告，Databricks最新ARR (年度經常性收入)達到6億美元，相當於Snowflake同財年12億營業收入的一半，截至目前，後者市值近670億美元，如果按照兩倍之比來簡單預估，Databricks380億的估值也比較合理。以新估值計算，Databricks的價值是當前ARR的63倍，相較於2020年的4.25億美元，ARR近30%的增長率讓投資者對它未來的收入十分看好。

圖：Snowflake與Databricks定價對比（來源：官網）

另一方面，通過對比官網收費方式發現，雖然是平台租出服務器的計算資源，但這些服務器整個系統都建立在主要的雲廠商的基礎服務上。以Snowflake（左）為例，同樣是以每秒粒度使用的計算資源付費，Snowflake是平台和雲廠商打包收費方式，客户對底層服務界面（如EC2）和上游的Snowflake的成本花費要一次性付清，但比例是怎樣無從得知，而打包之後Snowflake需要支付給雲廠商另外成本，這在無形中增加了費用風險。

Databricks（右）的玩法是分開收費，用户的賬單主要分為兩部分：常規的底層雲廠商服務器租用成本，以及Databricks在這些服務器上的功能費用。客户使用底層器時，費用單獨付給雲廠商，並不算在Databricks的營收裏。

所以如果對比營收，比如2020年的Snowflake營收近6億，但刨去付給雲廠商的費用，和Databricks4億多的營收相比，也差不了多少。而這既是Databricks毛利率比Snowflake高的原因，也是前者賺錢能力強的體現。有觀點猜測Databricks遲遲不上市的原因，如果根據Ghodsi的説法，是為了避免二級市場所帶來的波動，或許收費方式被迫改變等不可預測因素也在裏面。

天時地利人和

根據官網顯示，除了為數據科學家、數據領導者與數據工程師提供角色解決方案，Databricks還利用大數據和AI為廣告和營銷、通訊服務商、教育、能源、聯邦政府、金融、醫療等13類行業提供服務。

從類別數量上，Databricks要多於Snowflake，此時全球已經有7000 多家組織（包括荷蘭銀行、康泰納仕、H&M 集團、再生元和殼牌）依靠 Databricks 實現大規模數據工程、協作數據科學、全生命週期機器學習和業務分析。

通常情況下，企業客户在進行數據架構時，第三方平台提供數據湖方案，在數據湖中做一些常見的數據工程；同時會有一個數據倉庫，存放相當於數據湖5%-10%的結構化數據，來做BI等簡單的數據分析。

但由於數據分裂在兩個系統上，針對同一個客户問題分析，不同團隊有不同權限，因而會看到不同版本的同一份數據，當得出不同結論後，做商業決策的團隊不相信數據，進而導致底層數據平台失信，這是個很致命的問題。

將結構化和非結構化數據結合到一個地方，讓客户在不移動底層數據的情況下執行數據科學和商業智能工作，是大數據發展的一個關鍵變化。於是，Databricks決定力推Lakehouse，能夠直接在數據湖的低成本存儲上，實現類似於數據倉中的數據結構和數據管理的功能，可支持BI到AI所有的工作流。

從Databricks的網頁介紹上看，無論是數據工程、數據科學，還是機器學習都要依靠Lakehouse運行，加上過去使用低成本對象存儲的數據湖的訪問速度很慢，如今DB SQL提高了分析質量和性能，使數據湖在大數據集上的處理與數據倉庫相媲美。

“Lakehouse是一個新賽道，這是一場地盤爭奪戰”，H輪融資之後，Ghodsi表示，這筆資金將主要用於加速Lakehouse的產品創新和市場開拓。與此同時，Databricks透露保留所有主要公共雲的選擇和靈活性，並將Lakehouse發展成傳統數據倉庫的替代品。

越來越多的企業樂於看到Databricks的實力和發展潛力，這和它本身的商業邏輯有關，業內傳統企業如Teradata在營收額上雖高過Databricks好幾個身位，但市值仍徘徊在40多億美元。大劑量的資金注入後，Databricks選擇併購來填補產品路線圖中的空白或不足，重點是機器學習和數據初創公司，以及擴大與雲公司的合作伙伴關係。

“雲、開源、機器學習，這三個方面已成為每家企業戰略的核心。我們真的很幸運能夠處在這三大趨勢的中心位置上。”Ghodsi在接受採訪時説到。如果説2019年前看好Databricks的小部分風投是賭趨勢，如今匆匆進場的其他機構也並沒有遲到，因為在他們眼裏，這家獨角獸仍具備難以估量的增長能力。