这篇讲的是私有公司Databricks，一个估值430亿美元、年增长50%的数据处理平台。作者认为它的真正优势不是技术，而是“开放平台”策略——让客户在一个地方用所有主流分析工具和AI模型，避免被锁定。重点提了三个标的：Databricks本身（被看好，毛利率85%）；Snowflake（风险提示，AI能力弱）；Cloudera（已被颠覆，基于旧技术Hadoop）。
Databricks 是一家成立于2013年、源自UC Berkeley实验室的私有公司，最新估值达430亿美元，2023年夏季仍保持50%增长。其核心业务是提供数据摄取、转换和分析工具，处理多源、多格式的大规模数据，以支持业务和工程决策。报告指出，Databricks与Snowflake正激烈争夺市场份额，关键区别在于Databricks擅长处理非结构化数据并构建数据湖（data lakes）。投资亮点包括AI对数据库的深远影响、数据访问民主化趋势，以及其在传统受监管行业的突破潜力。风险则涉及客户切换成本高、竞争激烈及“被Hadoop化”（Hadooped）的教训——即技术过时导致被替代。
Yanev Suissa（SineWave Ventures 管理合伙人）拆解私有公司 Databricks——源自 UC Berkeley 实验室、最新估值 430 亿美元、2023 年夏季仍保持 50% 增长的数据处理平台。Suissa 认为，Databricks 真正的护城河不是技术本身，而是其「开放平台」策略——让客户在同一个平台上使用所有主流分析工具和 AI 模型，从而避免被锁定，这与 Snowflake、Oracle 等封闭平台形成根本性对立。
Suissa 认为，理解 Databricks 的关键在于区分两种数据类型，以及公司如何从非结构化数据起家，最终覆盖全场景。
真实应用场景：
历史对比：在 Databricks 出现前，企业只能先组织数据（放入文件/数据库），再事后分析——「一切基于历史数据」。实时分析能力是 Databricks 带来的根本性革命。
湖仓一体（Lakehouse）：Databricks 用 Delta 技术将数据湖（非结构化）与数据仓库（结构化）整合，18 个月内从零做到超 2 亿美元营收。
Suissa 认为，Databricks 与 Snowflake 经历了「起点不同→产品趋同→因 AI 再次分化」的三阶段。
| 维度 | Databricks | Snowflake |
|---|---|---|
| 起点 | 非结构化、实时流数据 | 结构化、历史数据 |
| 当前核心差异 | 实时分析、AI 原生能力 | 结构化数据仓库 |
| 毛利率 | 85% | ~56%（部分收入需支付 AWS 硬件成本） |
| 估值倍数 | 约 19x（与 Snowflake 相当） | 19x |
| 百万美元级客户 | 超 300 个 | 未披露 |
Suissa 判断：「AI 从根本上需要非结构化数据分析，这是 Databricks 最强的肌肉，也是行业最强——Snowflake 不来自这个世界。未来你会看到它们越来越像两个独立实体：Snowflake 成为底层基础设施（类似 AWS/微软），而真正要做实时决策的企业会投资 Databricks。」
与云巨头的关系：Databricks 和 Snowflake 对微软/亚马逊的威胁大于彼此竞争——它们让客户更高效地使用云资源（意味着用得更少）。但 Suissa 认为「效率提升会被市场规模扩大所补偿」，且客户始终需要底层云基础设施，因此三者「更多是共生而非竞争」。
Suissa 指出，Databricks 做到了「几乎没有其他公司做到的事」——在开源基础上构建专有版本，且让客户觉得「软件不仅免费，还相当于在赚钱」。
Suissa 提醒读者注意持仓方视角：作者用「开源→专有化→省钱」论证 Databricks 的独特优势，但这是投资方视角——Red Hat 等公司也曾尝试类似路径，成功者极少。
Suissa 认为，数据平台的切换成本极高，但 AI 可能成为打破现有粘性的「强制函数」。
粘性来源：
AI 如何改变游戏：
风险：
1. 保持开放平台 ethos：不能变成封闭系统，否则会被下一波创新者「Hadoop'd」
2. 持续领先安全与治理：AI 工具本身缺乏这些能力，Databricks 必须持续提供
3. IPO 时机：Suissa 认为「当投资者重新渴望增长时，Databricks 就会上市」——暗示当前市场环境不理想
「被 Hadoop'd」的含义：Cloudera（基于 Hadoop）曾是最大数据处理框架，但 Hadoop 采用批处理（逐条处理），而 Databricks 发明了内存处理（同时扫描整个书架）。速度、灵活性、成本优势、实时能力让 Databricks 取代了 Cloudera。
Suissa 分享了 SineWave 如何帮助 Databricks 加速增长——这是持仓方视角的典型叙事，但具体策略值得关注。
合作伙伴渠道：
垂直化策略：
营收模型：
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Databricks | 看好（持仓方） | 估值 430 亿美元，50% 增长，毛利率 85%，超 300 个百万美元客户，149% 早期增长率 |
| Snowflake | 风险提示（竞争但分化） | 毛利率 56%，19x 估值倍数，结构化数据强但 AI 能力弱 |
| Cloudera | 风险提示（已被颠覆） | 基于 Hadoop 的批处理，已被 Databricks 取代 |
| Microsoft Azure | 中性（共生/竞争） | 关键合作伙伴，安全等级高于 AWS，帮助打开企业市场 |
| AWS | 中性（共生/竞争） | 早期唯一云平台，后被微软超越 |
| Honeywell | 中性（客户案例） | 制造业实时数据分析 |
| Bank of America / JPMorgan | 中性（客户案例） | 实时欺诈检测 |
| Deloitte | 中性（合作伙伴） | 渠道销售能力放大 |
| IBM | 中性（合作伙伴） | 类似 Deloitte 的渠道合作 |
| OpenAI | 风险提示（竞争） | 模型不开放商业使用，有使用限制 |
| Oracle | 风险提示（反面案例） | 封闭平台导致客户流失 |
| Apple | 中性（类比） | 封闭平台正被监管打破 |
1. 「Databricks 和 Snowflake 对微软/亚马逊的威胁大于彼此竞争」（Suissa）——它们让客户更高效使用云资源，但效率损失会被市场规模扩大补偿，且客户始终需要底层云。
2. 「AI 将打破数据平台的粘性网络效应」（Suissa）——即使客户已锁定在 Snowflake，若想使用 AI 必须转向 Databricks，因为「实时分析能力、治理工具、安全集成远超其他公司」。
3. 「Databricks 做到了几乎没有其他公司做到的事——在开源上构建专有版本，且让客户觉得软件不仅免费，还相当于在赚钱」（Suissa）——通过大幅降低底层硬件成本实现。
4. 「被 Hadoop'd 意味着被更快的技术取代——Hadoop 批处理 vs Databricks 内存处理，就像逐本整理图书 vs 同时扫描整个书架」（Suissa）——速度、灵活性、实时能力是颠覆关键。
5. 「从技术到产品到解决方案，是每家公司必须走的路」（Suissa）——Databricks 早期聚焦技术（Spark），中期做产品（专有版），6 年前开始垂直化解决方案（医疗/工业/公共部门），加速增长。
6. 「开放平台 vs 封闭平台：Oracle 和 Apple 让客户调整需求以适应自己，Databricks 说『不，你不需要调整，因为我们已经内置了所有调整和选项』」（Suissa）——Suissa 认为长期看大多数公司会成为市场平台型，封闭平台终将被监管或市场打破。
7. 「IPO 时机取决于投资者何时重新渴望增长——Databricks 的增长流、客户深度、毛利率、增长率从未改变，只是市场情绪不在」（Suissa）——暗示当前估值环境不理想，但基本面强劲。
8. 「Dolly（Databricks 自研 LLM）不是唯一选择——你可以用任何模型，包括自建模型」（Suissa）——模型中立策略让 Databricks 不必押注单一 AI 赢家，而是成为所有 AI 模型的「企业级安全层」。