Default
Door Remote - 17 Jul 2026
Databricks heeft donderdag een nieuwe financieringsronde aangekondigd die het bedrijf op $188 miljard waardeert. De ronde werd geleid door Coatue.
Databricks heeft niet precies bekendgemaakt hoeveel het heeft opgeleverd; er stond dat het geld nog niet in handen is en dat de ronde later deze zomer zal worden afgesloten. (Andere media hebben sindsdien gemeld dat de verhoging grofweg $3 miljard bedraagt.) Hoewel het ongebruikelijk is dat een bedrijf iets aankondigt voordat het het geld krijgt, vertelt een durfkapitaalverstrekker aan TechCrunch dat de deal solide is, en dat er zo veel bedrijven willen dat het bedrijf geen reden heeft om zijn schitterende nieuwe waardering geheim te houden.
In feite heeft Databricks al anderhalf jaar lang geld ingezameld toen het met succes zijn imago transformeerde naar een AI-provider en niet alleen maar naar een SaaS-sensatie van weleer. Vroeger was ik terug in de BC-tijden (vóór ChatGPT).
Nog maar vijf maanden geleden, in februari, sloot Databricks een Series L-verhoging van $5 miljard af tegen een waardering van $134 miljard. Vijf maanden daarvoor, in september 2025, haalde het $1 miljard op tegen een waardering van $100 miljard. En ongeveer negen maanden daarvoor, in december 2024, haalde het wat destijds een recordronde was op van $10 miljard tegen een waardering van $62 miljard.
Databricks heeft in de loop der jaren zoveel rondes georganiseerd dat deze laatste het onderwerp werd van memes over het opraken van de letters van het alfabet. “Waarschuwingen inschakelen voor wanneer we een Series AA krijgen”, schreef iemand.
Maar de beeldreconstructie ervan is legitiem geweest. Het werd opgericht in 2013 en groeide aanvankelijk uit tot succes in het big data-tijdperk, met software waarmee ondernemingen enorme hoeveelheden gegevens in de cloud konden opslaan en toch snelle analyses konden produceren.
Omdat het al over grote hoeveelheden bedrijfsgegevens beschikte, was Databricks toen goed gepositioneerd om te reageren toen bedrijven AI wilden met dezelfde beveiliging en beheer die ze van traditionele bedrijfssoftware verwachten.
Het bedrijf begon het ene na het andere AI-product uit te rollen, zoals Lakebase, de database die is gebouwd voor AI-agenten, en Unity, de AI-gateway, samen met een ‘meta-harnas’ genaamd Omnigent dat meerdere agenten beheert.
Databricks werd ook steeds meer bekend als een van de grote voorbeelden van ondernemingen die meer betaalbare, op China gebaseerde open-weight-modellen adopteerden (modellen waarvan de onderliggende code voor iedereen kan worden gepubliceerd en aangepast) voor kostenbeheersing, een van de grote trends van 2026. Het is vooral een voorstander van Z.ai's GLM 5.2 als model voor codering.
Vorige week deelde CEO Ali Ghodsi van Databricks de resultaten van een aantal interne benchmarks die zijn uitgevoerd om zijn eigen AI-kosten voor zijn 3.000 software-ingenieurs te beheren.
Het bedrijf vergeleek AI-modellen met de daadwerkelijke taken die hun programmeurs uitvoeren. Het is niet verrassend dat Databricks in de blogpost waarin de resultaten werden onthuld deelde dat “open modellen, en GLM 5.2 in het bijzonder, nu zelfs de hoogste moeilijkheidsgraad van taken aankunnen” op het gebied van coderen, en tegen totaal lagere kosten dan bedrijfseigen modellen van Anthropic en OpenAI.
Maar het verraste mensen wel door te ontdekken dat de keuze van het harnas – het agentische codeerhulpmiddel, zoals Codex of Claude Code, dat een model omhult en de context en instructies ervan beheert – evenzeer van invloed was op de kosten. Het bleek dat open-source Pi een van de beste is in het beheren van de context rondom elke prompt, en daarom een van de goedkoopste keuzes is zonder dat dit ten koste gaat van de kwaliteit.
“De les hier is niet dat één harnas altijd goedkoper is of dat inheemse harnassen slechter zijn”, aldus de post. “In plaats daarvan is de modelkeuze slechts een stukje van de puzzel.”
Dit alles heeft bijgedragen aan het imago van Databrick als AI-bedrijf, ook al is het niet opgericht als AI-lab. Dit heeft het op zijn beurt de AI-halo gegeven voor het inzamelen van geld en het verhogen van de waardering ervan. Zoals we eerder meldden, is het AI-effect tegenwoordig zo sterk dat zelfs broodjeszaak Jersey Mike AI 22 keer vermeldt in zijn S-1-documenten.
Databricks heeft niet precies bekendgemaakt hoeveel het heeft opgeleverd; er stond dat het geld nog niet in handen is en dat de ronde later deze zomer zal worden afgesloten. (Andere media hebben sindsdien gemeld dat de verhoging grofweg $3 miljard bedraagt.) Hoewel het ongebruikelijk is dat een bedrijf iets aankondigt voordat het het geld krijgt, vertelt een durfkapitaalverstrekker aan TechCrunch dat de deal solide is, en dat er zo veel bedrijven willen dat het bedrijf geen reden heeft om zijn schitterende nieuwe waardering geheim te houden.
In feite heeft Databricks al anderhalf jaar lang geld ingezameld toen het met succes zijn imago transformeerde naar een AI-provider en niet alleen maar naar een SaaS-sensatie van weleer. Vroeger was ik terug in de BC-tijden (vóór ChatGPT).
Nog maar vijf maanden geleden, in februari, sloot Databricks een Series L-verhoging van $5 miljard af tegen een waardering van $134 miljard. Vijf maanden daarvoor, in september 2025, haalde het $1 miljard op tegen een waardering van $100 miljard. En ongeveer negen maanden daarvoor, in december 2024, haalde het wat destijds een recordronde was op van $10 miljard tegen een waardering van $62 miljard.
Databricks heeft in de loop der jaren zoveel rondes georganiseerd dat deze laatste het onderwerp werd van memes over het opraken van de letters van het alfabet. “Waarschuwingen inschakelen voor wanneer we een Series AA krijgen”, schreef iemand.
Maar de beeldreconstructie ervan is legitiem geweest. Het werd opgericht in 2013 en groeide aanvankelijk uit tot succes in het big data-tijdperk, met software waarmee ondernemingen enorme hoeveelheden gegevens in de cloud konden opslaan en toch snelle analyses konden produceren.
Omdat het al over grote hoeveelheden bedrijfsgegevens beschikte, was Databricks toen goed gepositioneerd om te reageren toen bedrijven AI wilden met dezelfde beveiliging en beheer die ze van traditionele bedrijfssoftware verwachten.
Het bedrijf begon het ene na het andere AI-product uit te rollen, zoals Lakebase, de database die is gebouwd voor AI-agenten, en Unity, de AI-gateway, samen met een ‘meta-harnas’ genaamd Omnigent dat meerdere agenten beheert.
Databricks werd ook steeds meer bekend als een van de grote voorbeelden van ondernemingen die meer betaalbare, op China gebaseerde open-weight-modellen adopteerden (modellen waarvan de onderliggende code voor iedereen kan worden gepubliceerd en aangepast) voor kostenbeheersing, een van de grote trends van 2026. Het is vooral een voorstander van Z.ai's GLM 5.2 als model voor codering.
Vorige week deelde CEO Ali Ghodsi van Databricks de resultaten van een aantal interne benchmarks die zijn uitgevoerd om zijn eigen AI-kosten voor zijn 3.000 software-ingenieurs te beheren.
Het bedrijf vergeleek AI-modellen met de daadwerkelijke taken die hun programmeurs uitvoeren. Het is niet verrassend dat Databricks in de blogpost waarin de resultaten werden onthuld deelde dat “open modellen, en GLM 5.2 in het bijzonder, nu zelfs de hoogste moeilijkheidsgraad van taken aankunnen” op het gebied van coderen, en tegen totaal lagere kosten dan bedrijfseigen modellen van Anthropic en OpenAI.
Maar het verraste mensen wel door te ontdekken dat de keuze van het harnas – het agentische codeerhulpmiddel, zoals Codex of Claude Code, dat een model omhult en de context en instructies ervan beheert – evenzeer van invloed was op de kosten. Het bleek dat open-source Pi een van de beste is in het beheren van de context rondom elke prompt, en daarom een van de goedkoopste keuzes is zonder dat dit ten koste gaat van de kwaliteit.
“De les hier is niet dat één harnas altijd goedkoper is of dat inheemse harnassen slechter zijn”, aldus de post. “In plaats daarvan is de modelkeuze slechts een stukje van de puzzel.”
Dit alles heeft bijgedragen aan het imago van Databrick als AI-bedrijf, ook al is het niet opgericht als AI-lab. Dit heeft het op zijn beurt de AI-halo gegeven voor het inzamelen van geld en het verhogen van de waardering ervan. Zoals we eerder meldden, is het AI-effect tegenwoordig zo sterk dat zelfs broodjeszaak Jersey Mike AI 22 keer vermeldt in zijn S-1-documenten.