A Databricks anunciou nesta quinta-feira (17) uma nova rodada de investimento que avalia a empresa em US$ 188 bilhões — cerca de R$ 1 trilhão. A rodada foi liderada pela Coatue e deve captar aproximadamente US$ 3 bilhões, com fechamento previsto para o final do verão americano.
O valor coloca a Databricks entre as empresas privadas mais valiosas do mundo e confirma uma trajetória meteórica: em fevereiro de 2026, a empresa valia US$ 134 bilhões; em setembro de 2025, US$ 100 bilhões; e em dezembro de 2024, US$ 62 bilhões. Em 18 meses, a valuation triplicou.
A reinvenção como empresa de IA
Fundada em 2013 na era do big data, a Databricks começou com software para armazenar e analisar grandes volumes de dados na nuvem. A virada aconteceu quando a empresa percebeu que já estava sentada sobre montanhas de dados corporativos — exatamente o que as empresas precisam para adotar IA com governança e segurança.
Desde então, lançou uma série de produtos: Lakebase (banco de dados para agentes de IA), Unity (gateway de IA) e Omnigent (orquestrador de múltiplos agentes).
Modelos abertos e o fator custo
A Databricks se tornou uma das principais vitrines da adoção de modelos open-weight chineses — uma das grandes tendências de 2026. O CEO Ali Ghodsi publicou na semana passada benchmarks internos feitos com seus 3.000 engenheiros de software, comparando modelos em tarefas reais de programação.
O resultado: modelos abertos como o GLM 5.2 da Z.ai já lidam com tarefas de alta complexidade em código com custo total inferior aos modelos proprietários da Anthropic e OpenAI.
Mas o dado mais surpreendente foi outro: a escolha do harness — a ferramenta de codificação agentiva (como Codex ou Claude Code) que envolve o modelo e gerencia contexto e instruções — impacta o custo tanto quanto a escolha do modelo. O harness open-source Pi se destacou como uma das opções de menor custo sem sacrificar qualidade.
Por que isso importa
O valuation de US$ 188 bilhões não é apenas sobre a Databricks. Ele sinaliza que o mercado está precificando a infraestrutura de dados para IA como a camada mais valiosa da economia de inteligência artificial. Não basta ter modelos — é preciso ter dados organizados, governados e acessíveis para que agentes de IA operem em escala empresarial.
No Brasil, onde a adoção de IA corporativa acelera em setores como finanças, varejo e agronegócio, a lição é clara: a preparação dos dados é tão estratégica quanto a escolha do modelo.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
