創業者は「10億ドルだけ集めたい」と言いました。でも投資家たちは150億ドルを差し出してきたんです。
「また AI バブルの話か」で片付けたくなりますよね。でも本当の理由を掘ってみると、企業がAIの請求書に驚いた話だったんです。
みんなこう思うんです — また AI バブルだって
経緯はこうです。Databricksはもともと10億ドルほど調達するつもりでした。ところが6月のカンファレンス期間中、The InformationがDatabricksの大型資金調達を報じる記事を出し、そこから状況が一変したんです。
CEOのAli GhodsiはTechCrunchにこう語りました。
「あの記事が出た瞬間から、投資家からの電話が次々とかかってきました。携帯が鳴り止みませんでしたね」
— Ali Ghodsi, Databricks CEO
ラウンドを正式に始める前から、話をしたごく一部の投資家だけで150億ドル規模の関心が集まりました。結局会社は50億ドルを受け取り、評価額1,900億ドルでラウンドを締めくくりました。リードはCoatueで、Blackstone・MGX・T. Rowe Price系ファンド・Sixth Street Growthなど約2ダースの投資会社が参加しています。
ここまでだと「お金が余っているからAIなら何でも群がる」という、よくあるバブルの物語に見えますよね。でも数字を見るとそれだけじゃないんです。Databricksは年間売上ランレート70億ドル、前年比80%以上の成長を記録していて、すでにキャッシュフローも黒字です。中核のデータウェアハウス製品だけで売上15億ドル、成長率100%。年間100万ドル以上を払う顧客が1,000社を超えています。
つまりこのラウンドは「期待感だけで膨らんだバブル」ではなく、実際にお金を払う顧客に裏付けられた成長なんです。だとすると問いが変わってきます。投資家たちが本当に買ったものは何だったんでしょうか。
投資家が本当に買ったのは「節約」だったんです
Ghodsiはこのラウンドの背景を一言でまとめました。「AIはコストがかかる(AI is expensive)」。 3大クラウドと数十億ドル規模のインフラ契約を結び、100人規模のAI研究チームを抱える会社が言うことなので、軽い一言ではありません。
ただ、このコストの話はDatabricks自身の支出だけでは終わりません。1ヶ月前に別で発表された評価額1,880億ドルの戦略ラウンドで、会社は企業のAI利用習慣そのものが変わりつつあると指摘しています。
「企業は『トークンマキシング』から『バリューマキシング』へと移行しています。一番賢いモデルに高価なトークンを燃やしたくない、ということなんです」
— Databricks 公式発表
つまりこういうことです。これまではどんな作業にも一番高価で賢いモデルを使うのが習慣でした(トークンマキシング)。今は作業の難易度に合ったモデルに振り分けて、同じ予算でより多くの価値を引き出す方向(バリューマキシング)に変わってきているんです。問題は、組織で使うモデルやベンダーが複数になると、これを人手で管理しきれなくなることなんですよね。
Databricksがこのラウンドで押し出しているUnity AI Gatewayは、まさにこの問題を狙っています。複数のAIモデルを同時に使う組織向けに、モデルごとのアクセス権限設定、モデルごとのコストモニタリング、混在モデル環境全体でのセキュリティポリシー適用を一つのレイヤーで処理するツールです。 CIOやIT運用チームが数十のAI統合を個別に管理する代わりに、中央から統制できるようになるということです。
ここにGenie(ビジネスデータをもとに信頼できる回答を返すAI同僚ツール)と、Lakebase(AIエージェントが自律的に読み書きするサーバーレスPostgres、売上ランレートは1億ドル突破)が組み合わさります。 Ghodsiはこう整理しています。「企業はただ話すAIではなく、文脈を覚え、正確な答えを返し、予算を超えないエージェントを求めている」。
まとめると、投資家が150億ドルを持って列をなした本当の理由は「AIが目新しいから」ではなく、「AIコストを制御するインフラ」というニーズが実体を伴って現れたからなんです。
評価額が20ヶ月で3倍になった理由
数字を見ると、この上昇スピードがどれだけ急だったか分かります。2024年12月のSeries Jでは620億ドルだった評価額が、今回のラウンドで1,900億ドルまで来ました。
| 時期 | ラウンド | 評価額 |
|---|---|---|
| 2024年12月 | Series J ($10B) | 620億ドル |
| 2025年12月 | 戦略ラウンド (~$4B+) | 1,340億ドル |
| 2026年8月 | 戦略ラウンド ($5B) | 1,900億ドル |
20ヶ月で評価額が3倍になり、年間売上の約27倍という水準で取引されています。 データ・AIプラットフォーム市場で最も近い上場企業のライバルはSnowflakeで、アナリストたちはこのラウンドをSnowflakeへの直接的な競争圧力として読んでいます。
ラウンドを主導したCoatueのThomas Laffontはこう述べました。「Databricksは10年間、AIが向かう先を先読みしてきました。今では業界がその上に乗って構築し、スケールさせるインフラになったんです」。 マイクロソフトも2030年代までパートナーシップを延長し、Azure Cobaltの活用を拡大しています。
会社がなぜ資金を求め続けるのかも明確です。3大クラウドとのインフラ契約、100人規模のAI研究チーム、そして活発なM&Aです。最近では軽量Postgresチームの ElectricSQL を買収し、Lakebaseの性能を強化しました。 Ghodsi本人も「うちはM&Aを結構やっている」とはっきり語っています。
今これだけの資本がAIコスト管理というニーズに集まっているということは、あなたの組織のAI支出も同じ軌道を描いている可能性が高いというサインなんです。
| AI支出、放っておくと | 今チェックすると | |
|---|---|---|
| 来四半期の予算 | 変動費のように乱高下 | TCO基準で事前に統制 |
| モデルごとのコスト可視性 | 月末の請求書を見て初めて気づく | ゲートウェイでリアルタイム監視 |
| 利益率 | じわじわとAIコストに侵食される | 利用ポリシーで利益率を防御 |
| インフラ投資のタイミング | 危機が起きてから事後対応 | 今から計画してリスクを回避 |
自社のAI請求書、今すぐチェックする方法
Databricksの顧客でなくても大丈夫です。Deloitteがまとめた「AIトークン経済のガバナンス」フレームワークを、自社にそのまま使えるチェックリストに落とし込んでみました。
- まず戦略基準でふるいにかける
「AIが組織にとって重要なら、鍵となる問いは意味のある場所に配備されているかどうか」です。遊び半分で回している実験用AIと、戦略的に投資しているAIをまず区別しましょう。 - 部門ごとにTCOを計算する
トークンコストが総所有コスト(TCO)にどう影響しているか、部門・プロダクト単位で分解して計算してみましょう。どこで漏れているか見えなければ削れません。 - 資金・利用状況・単価構造の3種監査
このAI予算がどこから来ているか、誰が何のために使っているか、モデルごとの単価構造がどうなっているかを、それぞれ別に検討しましょう。まとめて見ると問題点が見えません。 - 4大リスクを順番にチェック
予測変動性(コストが乱高下していないか)→マージン流出(じわじわ侵食されていないか)→資本タイミング(事後対応ばかりになっていないか)→実績説明(ROIを数字で示せるか)の順で確認しましょう。 - マルチモデルゲートウェイの必要性を検討する
すでに2つ以上のAIモデル・ベンダーを使っているなら、アクセス制御・コストモニタリング・ポリシー適用が一つのレイヤーでできているか確認しましょう。Databricksである必要はありませんが、そのレイヤー自体がないなら、今が作るタイミングです。
さらに深く知りたいなら
TechCrunch原文 10億ドルの調達が150億ドルの需要に化けた経緯の全取材、Ghodsi本人の生の言葉が読めます。techcrunch.com
Databricks 7月の戦略ラウンド公式発表 「トークンマキシングからバリューマキシングへ」という表現が初めて登場したプレスリリースです。databricks.com
Deloitte AIトークン経済 CFOガイド この記事のアクションチェックリストの元になったフレームワーク。より詳細なリスク分析も。deloitte.com
MarketScale — Unity AI Gateway 徹底解説 マルチAIガバナンスツールが実際に何をするのか、実務目線でまとめています。marketscale.com
PYMNTS — 投資家目線の分析 CoatueのThomas Laffontのコメントと、マイクロソフトとのパートナーシップ拡大のニュースを扱っています。pymnts.com
