都说“软件已死”,怎么这家千亿公司估值还越涨越高

当所有人都在给 SaaS 送葬时，一家 2013 年成立的老公司，估值半年涨了 30%。

过去两年，如果你混迹科技圈，一定听过这样的论调：

这不是段子。2023 年 ChatGPT 引爆之后，"软件已死"迅速成了新共识。今年 2 月，Claude Code 的演示视频刷屏，"人人都能自己写软件"的叙事再度点燃，美股 SaaS 板块应声暴跌——市场用真金白银投了票：软件公司，药丸。

但就在这片哀鸿遍野里，有一家公司显得格外刺眼。

它叫 Databricks。成立于 2013 年——妥妥的"前 AI 时代"公司，比 ChatGPT 早了整整九年。按理说，这种"旧时代的残党"应该是第一批被 AI 浪潮拍死在沙滩上的。

可现实是：它的年化收入已经逼近 70 亿美元，增速高达 80%，还在加速；半年前投资人给它的估值是 1340 亿美元，如今新一轮融资谈判的估值已经喊到 1700 亿美元上下。在一级市场，每一轮融资，它都比上一轮更贵。

这就很诡异了。如果 AI 真的要颠覆软件，为什么它先"颠覆"出了一个软件赢家？

这篇文章想讲清楚一件事："软件已死"这个判断，方向从一开始就搞反了。AI 不是软件的掘墓人——它真正奖励的，恰恰是站在数据这一层、并且和模型公司深度绑定的老玩家。而 Databricks，正好站在那个最不该被颠覆的位置上。

▍出身：一群写出"大数据发动机"的伯克利研究者

2013 年，加州大学伯克利分校实验室的几位学者——包括 Matei Zaharia 和现任 CEO Ali Ghodsi——把他们创造的开源项目 Apache Spark 商业化，成立了 Databricks。Spark 是过去十年全球用得最广的大数据处理引擎之一：银行跑风控、电商算推荐、车企处理传感器数据，底层很多都是它在转。所以 Databricks 的起点，相当于"发动机原厂开的整车公司"——技术血统在企业软件圈极为稀缺。

▍卖什么：企业数据的"中央厨房 + AI 加工车间"

一家大企业的数据，就像散落在几百个仓库里的食材：销售数据在 CRM 里，用户行为在日志里，财务数据在 ERP 里，格式五花八门，直接下锅没法吃。Databricks 给企业建一个"中央厨房"：把数据统一收进来，清洗、治理、加工成净菜，再喂给报表、模型和 AI 应用。业内管这套一体化平台叫 Lakehouse（湖仓一体）。

▍谁在用、用来干什么

全球超过 20,000 家组织是它的客户，财富 500 强中占了六成以上——AT&T、万事达卡、阿迪达斯、联合利华、拜耳、Rivian 都在名单上。支付公司用它跑实时反欺诈，每笔刷卡交易在毫秒间过一遍风控模型；运营商用它预测基站故障和用户流失；药企用它加速新药筛选；而增长最猛的新场景，是企业把自家私有数据接上大模型，做检索增强、微调和 AI 智能体。

▍怎么收钱：不卖软件，卖"水电"

Databricks 不按人头卖许可证，而是按用量计费——平台上的计算折算成一种叫 DBU 的计量单位，客户跑的任务越多、用的算力越猛，账单越高。这个模式的妙处在于：客户的业务增长会自动变成它的收入增长。企业不用多买什么，水表自己在转。

聊 AI 投资，大多数人的目光都锁在两端：一端是造模型的（OpenAI、Anthropic），一端是造芯片的（英伟达）。仿佛价值链上只有这两个位置值钱。

但这里有个被忽视的常识：模型会互相厮杀、快速贬值，而企业的数据留在原地，越用越厚。

想想模型这两年的命运：GPT-4 刚发布时惊为天人，一年后开源模型追平了它的大半能力；DeepSeek 用零头的成本复现了顶级性能，直接把整个模型层的定价逻辑砸了个窟窿。今天的最强模型，就是明天的白菜价。模型是一场没有终点的军备竞赛，跑得再快，护城河也在融化。

数据完全是另一回事。一家银行三十年的交易记录、一家药企二十年的临床数据、一家零售商上亿用户的消费轨迹——这些东西模型公司造不出来，竞争对手抄不走，而且随着业务运转每天都在变厚。

更关键的是一个业内不愿明说的真相：企业做 AI 项目，大部分工作量根本不是训模型，而是数据准备和治理——把脏数据洗干净、把孤岛打通、把权限管好。这些又脏又累的活，恰恰是 Databricks 的主场。每家想上 AI 的企业，都得先把数据基建搞好，客户的数据消费量因此又抬高一个台阶——Databricks 按用量计费，水涨，船自然高。

淘金热里，最稳的生意从来不是挖金子，是卖铲子和牛仔裤。只不过这一次，铲子不是芯片一家的专利——数据层，是另一把被低估的铲子。

上一节讲的是"站哪一层"，这一节讲"什么时候站上去的"——时间，才是 Databricks 最深的护城河。

AI 在企业里落地，公式很简单：AI 落地 = 模型 + 专有数据。模型易得且趋同，API 一接就能用；真正稀缺的是企业的专有数据管道——你的模型再聪明，不知道这家公司的客户是谁、库存在哪、合同怎么签的，就什么正经活都干不了。谁掌握了这条管道，谁就是 AI 商业化的"收费站"。

而这条管道，不是有钱就能立刻建起来的。它需要一家一家企业地谈信任、做迁移、跑磨合——这是以"年"为单位的苦功。Databricks 在 AI 火起来之前，就已经花了十年沉淀下两万多家企业的数据资产和客户关系。AI 浪潮一来，别人要从零开始的东西，它已经是现货。

对比一下纯 AI 新贵的处境就更清楚了：新公司要烧钱抢客户、求着企业把数据交出来、从零建立信任，每一步都在付"时间的赎金"。而 Databricks 是"存量 + 增量"双击——老客户为了上 AI 主动加大投入，新客户为了上 AI 也得先建数据地基，老底子在升值，新需求在涌入。

"前 AI 时代"这个标签，市场把它读成了"过时"，其实它的正确读法是"先发"。

▍成绩单：一份软件行业罕见的财务数据

空谈逻辑没用，把数字摆出来：

 几十亿美元体量，增速不降反升

收入在加速，而不是放缓：2026 年 2 月年化收入破 54 亿美元、同比增长超 65%；到 6 月约 69 亿美元、增速冲到 80%。一家几十亿美元收入体量的公司增速不降反升，这在企业软件史上都罕见。

赚的是大钱：超过 800 家客户每年在平台上花费超 100 万美元，其中 70 多家年消费超 1000 万美元——这不是散客生意，是大企业核心系统的预算。

净收入留存率（NDR）超过 140%：这是软件业最硬核的指标，意思是就算一个新客户都不签，去年的老客户今年也会自动多花 40% 的钱。行业里 NDR 过 120% 就算优等生，140% 属于凤毛麟角——这也是最真实的客户评价：企业砍预算毫不手软，唯独对它年年加钱。摩根大通追加投资时的评价是，Databricks 已成为企业数据与 AI 的"骨干"。

一边狂奔一边赚钱：毛利率约 80%，2025 年全年自由现金流转正——不是烧钱换增长，而是自己造血。

这份成绩单从哪来的？来自两块别人拿不走的东西。

▍护城河：三个"离不开"

数据引力。企业数据一旦沉淀进平台，迁移成本高到令人绝望——几个 PB 的数据、几百条数据管道、无数权限配置，搬一次家等于把公司的神经系统重接一遍。数据越多，引力越大。

反馈闭环。客户用得越多，平台越懂这家企业的数据和业务，服务越准，客户就把更多业务放上来。每转一圈，壁垒厚一层。

一体化底座。从数据接入、治理、分析到模型训练、部署一站式。想替换它？那不是换一个软件，是换掉半个数据中台，没有哪个 CTO 愿意签这张风险单。

▍绑定：它和 LLM 公司是盟友，不是对手

这是最多人搞错的一点。很多人默认 AI 公司和软件公司你死我活——对 Databricks 而言恰恰相反。

它的定位是：模型公司进入企业的"最后一公里"。OpenAI 和 Anthropic 的模型再强，飘在云端也变不成生产力，必须落到企业的专有数据上才有用——而数据，在 Databricks 手里。合作的形态非常具体：企业在它的平台上直接调用、微调各家主流大模型，把公开模型和私有数据结合——检索增强、微调、模型服务。这条"最后一公里"上收到的过路费，已经形成了年化超 14 亿美元的 AI 产品收入。

一级市场把 Databricks 捧向近两千亿，二级市场却在把 SaaS 往地上踩。这个撕裂本身，就很有信息量。

先看现状：公开市场的 SaaS 估值已被打到历史地板。当前 SaaS 公司的收入倍数处于有记录以来的最低位——甚至低于 2008 年金融危机时期。公开市场对"AI 冲击软件"，做出了近乎末日式的定价。

但市场从来是一个情绪钟摆，不在最好就在最坏。回顾这几年：Covid 期间软件股鸡犬升天；随后大重置，部分支付和软件股暴跌 80%；早期 AI 热情又推涨一轮；DeepSeek 时刻一盆冷水；信心刚恢复，今年 2 月 Claude Code 的演示又引爆"SaaS 末日"叙事，再度暴跌。五年之内，钟摆在两个极端之间甩了五个来回。

▲ 板块五次暴跌，它的估值只涨不跌

注意一个细节：这五个来回里，Databricks 的估值一次都没有跌，每一轮融资都在涨。钟摆甩得越荒诞，这条只涨不跌的曲线就越扎眼。

如果按增速拆开估值，基本面其实没崩。目前 SaaS 整体的中位数估值约 3.4 倍收入，但增速超过 20% 的公司，倍数显著高于低增速公司——市场依然愿意为真实的增长付钱。给板块定价用的是情绪，给个体定价用的还是算术。

同一道算术题，可以看看 Databricks 最直接的对手、上市公司 Snowflake：同赛道的优秀公司，增速约 30%、净留存 126%、市值约 830 亿美元。而增速 80%、留存 140% 的 Databricks，在一级市场拿到了约两倍的估值——溢价的每一分，都对应着增速和留存的差距，不是凭空讲出来的故事。

▲ 溢价对应的是增速与留存的差距

再拉一个 31 年的历史尺度。软件历经大型机→客户端服务器→互联网→云→智能手机→AI 六代变迁，市场规模从每年约 500 亿美元长到约 1 万亿美元。每一次技术革命，都是做大了软件市场，而不是消灭它：云把卖光盘变成了卖订阅，智能手机多造了一个 App 生态。没有理由相信 AI 会是历史上第一个例外。

把镜头收回来：公开市场把整个板块错杀到地板，恰恰反衬出"增速最快 + 站在数据层 + 绑定模型公司"这类资产的稀缺。一级市场投资人越买越贵，买的不是故事，是钟摆甩到极端时依然立得住的算术。

Databricks 的案例，其实给了我们一个通用的分析框架。下次再看到"XX 会不会被 AI 颠覆"的争论，别问"它是不是 AI 公司"——这个问题没有信息量。要问三个问题：

拿这三把尺子量 Databricks：卖的是数据入口，收的是用量费，AI 是它的放大器——三题全中。

所以，回到标题的问题。在"软件已死"喊得最响的年代，为什么 Databricks 越涨越贵？