창업자가 "10억 달러만 모으겠습니다"라고 했어요. 근데 투자자들이 150억 달러를 들이밀었습니다.
보통 이런 얘기는 "또 AI 버블이네" 하고 넘기기 쉬워요. 근데 진짜 이유를 들여다보면 좀 다른 이야기가 나와요. 기업들이 AI 청구서를 보고 놀란 얘기거든요.
다들 이렇게 생각하죠 — 또 AI 버블이네
사건은 이래요. 데이터브릭스는 원래 10억 달러 정도만 조달할 생각이었어요. 그런데 6월 컨퍼런스 기간에 The Information이 "데이터브릭스가 대규모 펀딩을 준비 중"이라는 기사를 냈고, 그 순간부터 상황이 뒤집혔어요.
CEO 알리 고드시는 TechCrunch에 이렇게 말했어요.
"그 기사가 나가자마자 투자자들의 전화가 줄지어 걸려오기 시작했어요. 제 폰이 터졌죠."
— Ali Ghodsi, Databricks CEO
공식적으로 라운드를 시작하기도 전에, 살펴본 일부 투자자 그룹에서만 150억 달러 규모의 관심이 몰렸어요. 회사는 결국 50억 달러를 받고, 밸류에이션 1,900억 달러로 라운드를 마감했어요. 리드는 Coatue였고, Blackstone·MGX·T. Rowe Price 계열·Sixth Street Growth 등 약 2다스에 달하는 투자사가 참여했고요.
여기까지만 보면 "돈 넘치니까 아무 데나 몰린다"는 흔한 AI 버블 서사로 읽기 쉬워요. 근데 숫자를 보면 이게 순수 하이프만은 아니에요. 데이터브릭스는 연간 매출 실행률 70억 달러, 전년 대비 80% 이상 성장을 기록했고 이미 현금흐름 흑자예요. 핵심 데이터 웨어하우스 제품만 15억 달러 매출에 100% 성장 중이고, 1,000곳 넘는 고객이 연 100만 달러 이상을 쓰고 있어요.
즉 이 라운드는 "미래 기대감만으로 부풀린 거품"이 아니라, 실제로 돈을 내는 고객이 뒤에 있는 성장이에요. 그렇다면 질문이 바뀌어야 해요. 투자자들이 정말로 산 건 뭘까요?
근데 투자자들이 진짜 산 건 '절약'이었어요
고드시는 이 라운드의 배경을 딱 한 문장으로 요약했어요. "AI는 비용이 크다(AI is expensive)." 클라우드 3사와 수십억 달러 규모 인프라 계약을 맺고, 100명 규모 AI 연구팀을 운영하는 회사가 하는 말이니 그냥 하는 소리가 아니에요.
그런데 이 비용 얘기는 데이터브릭스 자신의 지출로 끝나지 않아요. 한 달 전 별도로 낸 1,880억 달러 밸류에이션 전략 라운드 발표에서, 회사는 기업들의 AI 사용 습관 자체가 바뀌고 있다고 짚었어요.
"기업들은 '토큰맥싱'에서 '밸류맥싱'으로 옮겨가고 있어요. 제일 똑똑한 모델에 비싼 토큰을 태우고 싶어 하지 않는다는 거죠."
— Databricks 공식 발표
번역하면 이래요. 지금까지는 모든 작업에 제일 비싸고 똑똑한 모델을 쓰는 게 관행(토큰맥싱)이었는데, 이제는 작업 난이도에 맞는 모델로 나눠 쓰면서 같은 예산으로 더 많은 가치를 뽑는 방식(밸류맥싱)으로 옮겨가고 있다는 거예요. 문제는 조직에 모델이 여러 개, 벤더가 여러 개로 늘어나면 이걸 사람이 손으로 관리할 수 없다는 거고요.
데이터브릭스가 이 라운드로 밀고 있는 Unity AI Gateway가 정확히 이 문제를 겨냥해요. 여러 AI 모델을 동시에 쓰는 조직을 위해 모델별 접근 권한 설정, 모델별 비용 모니터링, 혼합 모델 환경 전반의 보안 정책 시행을 한 계층에서 처리하는 도구예요. CIO·IT운영팀이 수십 개의 AI 통합을 개별 관리하는 대신 중앙에서 통제할 수 있게 해준다는 거고요.
여기에 Genie(비즈니스 데이터 기반으로 신뢰할 수 있는 답변을 주는 AI 동료 도구)와 Lakebase(AI 에이전트가 자율적으로 읽고 쓰는 서버리스 Postgres, 매출 실행률 1억 달러 돌파)가 같이 묶여요. 고드시는 이걸 이렇게 정리했어요. "기업들은 그냥 말하는 AI가 아니라, 맥락을 기억하고 정확한 답변을 전달하며 예산을 초과하지 않는 에이전트를 원한다."
정리하면, 투자자들이 150억 달러를 들고 줄을 선 진짜 이유는 "AI가 신기해서"가 아니라 "AI 비용을 통제하는 인프라"라는 니즈가 실체를 드러냈기 때문이에요.
밸류에이션이 20개월 만에 3배 뛴 이유
숫자로 보면 이 상승 속도가 얼마나 가팔랐는지 감이 와요. 2024년 12월 Series J에서 620억 달러였던 밸류에이션이 이번 라운드로 1,900억 달러까지 왔어요.
| 시점 | 라운드 | 밸류에이션 |
|---|---|---|
| 2024년 12월 | Series J ($10B) | 620억 달러 |
| 2025년 12월 | 전략 라운드 (~$4B+) | 1,340억 달러 |
| 2026년 8월 | 전략 라운드 ($5B) | 1,900억 달러 |
20개월 만에 밸류에이션이 3배가 됐고, 연 매출의 27배 수준에서 거래되고 있어요. 데이터·AI 플랫폼 시장에서 가장 가까운 상장사 경쟁자는 스노우플레이크인데, 애널리스트들은 이번 라운드를 스노우플레이크에 대한 직접적인 경쟁 압박으로 읽고 있어요.
투자를 이끈 Coatue의 토마스 라퐁은 이렇게 말했어요. "데이터브릭스는 10년 동안 AI가 향할 곳을 먼저 읽어왔어요. 이제는 업계가 그 위에 올라타서 구축하고 확장하는 인프라가 됐죠." 마이크로소프트도 2030년대까지 파트너십을 연장하며 Azure Cobalt 활용 계획을 확대했고요.
회사가 계속 돈을 원하는 이유도 명확해요. 클라우드 3사와의 인프라 계약, 100명 규모 AI 연구팀, 그리고 활발한 인수합병이에요. 최근엔 경량 Postgres 팀인 ElectricSQL을 인수해서 Lakebase 성능을 강화했어요. 고드시 본인도 "우리는 M&A를 많이 한다"고 직접 밝혔고요.
지금 AI 비용 관리라는 니즈에 이 정도 자본이 몰린다는 건, 여러분 조직의 AI 지출도 같은 궤적을 그리고 있을 가능성이 높다는 신호예요.
| AI 지출, 그냥 두면 | 지금 점검하면 | |
|---|---|---|
| 다음 분기 예산 | 변수 입력값처럼 널뛰는 변동비 | TCO 기준으로 사전 통제된 예산 |
| 모델별 비용 가시성 | 월말 청구서 받고서야 확인 | 게이트웨이로 실시간 모니터링 |
| 마진 | 서서히 AI 비용에 잠식(마진 유출) | 사용량 정책으로 마진 방어 |
| 인프라 투자 타이밍 | 위기 터진 뒤 사후 대응 | 지금 계획해 자본 타이밍 리스크 회피 |
우리 회사 AI 청구서, 지금 점검하는 법
Databricks 고객이 아니어도 상관없어요. 딜로이트가 정리한 'AI 토큰경제 거버넌스' 프레임워크를 우리 조직에 바로 적용할 수 있는 체크리스트로 옮겨봤어요.
- 전략 기준으로 먼저 걸러내기
"AI가 조직에 중요하다면, 핵심 질문은 의미 있는 곳에 배포되는지 여부"예요. 재미로 돌리는 실험용 AI와 전략적으로 투자하는 AI를 구분하는 것부터 시작하세요. - 부서별 TCO 계산하기
토큰 비용이 총소유비용(TCO)에 미치는 영향을 부서·프로덕트 단위로 쪼개서 계산해보세요. 어디서 새는지 안 보면 못 줄여요. - 펀딩·사용량·경제구조 3종 감사
이 AI 예산이 어디서 나왔는지, 누가 왜 쓰는지, 모델별 단가 구조가 어떤지를 각각 따로 검토하세요. 뭉뚱그리면 어디가 문제인지 안 보여요. - 4대 리스크 순서대로 점검
예측 변동성(비용이 널뛰는가) → 마진 유출(서서히 잠식당하는가) → 자본 타이밍(사후 대응만 하고 있는가) → 실적 설명(ROI를 숫자로 보여줄 수 있는가) 순으로 체크하세요. - 멀티모델 게이트웨이 필요성 검토
이미 두 개 이상의 AI 모델·벤더를 쓰고 있다면, 접근 제어·비용 모니터링·정책 시행이 한 계층에서 되는지 확인하세요. 꼭 Databricks일 필요는 없지만, 이 계층 자체가 없다면 지금이 만들 시점이에요.
