Databricks：从数据到决策 (Alan Tu)

---

播客导言： 这里是《商业拆解》（Business Breakdowns）。《商业拆解》是一个与投资人和运营者进行深度对话的系列节目，旨在剖析单一的商业实体。对于每一家企业，我们都会探索其历史、商业模式、竞争优势以及其运行的核心逻辑。我们相信，每家企业都有值得投资人和运营者学习的经验与秘密，而我们正是要将这些内容呈现给您。要寻找更多拆解节目的期数，请访问 joincolossus.com。

主持人及节目嘉宾表达的所有观点仅代表其个人立场。主持人、节目嘉宾、其雇主或关联机构可能持有本节目中讨论的证券头寸。本播客仅用于信息传播目的，不应作为投资决策的依据。

---

引言

马特：
我是马特·鲁斯特 (Matt Reustle)，今天我们要拆解的公司是 Databricks。我的嘉宾是艾伦·杜 (Alan Tu)，他是 WCM Investment Management 的投资组合经理兼分析师。你可能还记得，大约三年前我们和另一位嘉宾一起拆解过 Databricks。但考虑到这家公司的业务发生了如此巨大的变化，以及随后的几轮融资，我个人非常想重新审视这个故事。

大约九个月前，我和艾伦有过一次交流。WCM 在 2024 年 12 月投资了 Databricks，我当时很好奇，想进一步了解他们在这家公司中看到了什么。我们在那次私人对话中探讨了这一点，然后在本次节目中进行了重点深入探讨。

所以，我们首先从 Databricks 到底为客户做什么开始。我认为这家大型私有非上市公司可能是普通大众最不了解的一家。而这或许要追溯到其独特的联合创始人团队与起源故事，这些因素使 Databricks 显得与众不同，并在它如何从一个成功的初期产品演变为如今的商业平台的过程中，扮演了关键角色。

本次对话录制于 2025 年 12 月 10 日，因此所有数据均反映该日期公开可得的信息。请欣赏我与艾伦·杜关于 Databricks 的对话。

---

数据处理的多重应用场景

马特：
好的，艾伦，非常高兴能邀请你来聊聊 Databricks。我们很少探讨私有非上市公司，但在这一领域中，有些公司绝对百分之百值得剖析，Databricks 就是其中之一。如果非要说 Databricks 与 Stripe、SpaceX 或 OpenAI 有什么不同的话，那就是大多数人都很清楚后面这几家公司是干什么的，而我认为对于大多数不了解这家公司或没有投资过它的人来说，Databricks 多少显得有些神秘。所以，你能不能先用最通俗易懂的语言，向我们解释一下 Databricks 主要是做什么的？

艾伦：
完全同意。我认为理解 Databricks 的难点之一在于，它们实际上应对了非常多不同的应用场景。你可能会听到人们说：“哦，我们用 Databricks 来做电影推荐，”或者“做定价策略，”或者“做欺诈检测。”你会觉得，这些场景之间看起来并没有太多直接的关联，但 Databricks 却对所有这些场景都至关重要。接着如果你再深入一层，问：“它们到底做了什么？”你会听到人们说：“它们处理数据。”这又会引出我的疑问：“处理数据”到底是什么意思？对于像我这样没有技术背景的人来说，这依然很难理解。

所以，最能让我产生共鸣的例子是，我相信大家都有过这样的经历：你拿到了一个 Excel 电子表格的数据文件，你想要对这些数据运行分析。这可能是一个非常简单的分析，比如我只想计算售出的各种不同商品的平均价格。但我们也都有过这样的体验：虽然你拿到了表格，但数据并没有完美地排好。不是每一列都精准地填着价格，有些单元格里价格是一种货币，另一些单元格里价格甚至是用文字写出来的。因此，你无法直接选中所有数据然后让系统给出平均值。你最后不得不把绝大部分时间（有时候是 80% 到 90% 的时间）花在整理上，把所有数据统一成相同的格式，然后才能运行那个非常非常简单的平均值计算。

所以，对我来说，为了回答哪怕是一个非常简单的问题而把数据整理成可用格式的这个痛点，就是所谓的“数据处理 (Data Processing)”。

现在，如果在 Databricks 的场景下，你只需将这个痛点放大到完全不同的维度。你面对的是成百上千种不同类型的数据源。这里涉及到“结构化数据”与“非结构化数据”的概念。任何能塞进电子表格的行列数据都属于结构化数据，但现实情况是，世界上绝大多数数据都是非结构化的。它们可能是包含大量文本的日志文件、图像、视频；对于分析网站的人来说，它们可能是点击流 (clickstream) 数据。将这么多不同格式的数据整理成能够让你对其运行分析的状态，这就是我认为 Databricks 最核心的工作。

虽然它们后来扩展并做各种各样的事情，但数据处理这个概念是支撑其解决的主要痛点的基础。然后你可以把这一点和所有的应用场景联系起来。假设一家电商公司正在思考某款特定 SKU 或 T 恤应该备多少货，你可以想象，有很多不同的输入数据能够帮助你做出这个决策。这些数据可以包括：该特定 T 恤的数字广告表现如何、竞争对手同款 T 恤的销售情况如何、信用卡消费数据等等各种各样的数据。如果你能获取这些数据，你就可以把它们输入到一个构建模型的流程中，来回答“我们应该备多少 T 恤”这个问题。

---

创立故事与学术基因

马特：
非常有道理。用 Excel 电子表格的例子来打比方肯定能让几乎所有人产生共鸣。你跟人们聊起，无论是面对非结构化数据还是格式不规范的数据，仅仅把数据整理成合适格式，往往就占用了 95% 的工作量。这常常会造成一种局面：你原本有做更多分析或运行更复杂模型的想法，但光是前期整理数据的工作量就让你望而却步，最终限制了你能做的事情。所以，我认为这个例子确实以一种非常生动的方式做了解释。

我想回到最开始的阶段，因为你提到很多内容都与 Databricks 独特的起源故事有关。但我先从联合创始人团队开始，他们是学术界出身，外界对学术界人士往往有一些陈词滥调，认为他们缺乏商业头脑，但这里却有一个非常令人瞩目的演进故事。你能带我们回到 Databricks 的初创阶段吗？当时是谁在做，那时候是什么样子，并讲讲其中的一些故事？我觉得这对这家公司来说真的非常非常有趣。

艾伦：
是的，这是 Databricks 故事中非常独特的一部分。直到今天，你依然可以把这个组织的很多决策、文化和 DNA 追溯到最初的创立故事。当时是七位从伯克利 (UC Berkeley) 出来的创始人。大约在 2009 年期间，他们都在伯克利的 AMP 实验室 (AMP Lab) 工作。如果你把时钟拨回那个时期，那实际上是云计算的初创阶段。

现任 CEO 兼联合创始人阿里·戈德西 (Ali Ghodsi) 曾说过，当时他们七个人在同一栋楼里一起做研究。而实际上在他们楼下，有另一个团队正在发表一些非常早期的研究，主题是“数据中心将成为下一代计算机”，这基本上就是云计算的早期概念。因此，在这栋楼里，一边在硬件层面上有着大量关于云计算的创新；另一边则是阿里和他的同事们，在思考云计算在软件层面有哪些机遇。他们当时非常接近这一领域最前沿的研究。不像今天人们都非常明确地意识到 AI 将成为一件大事，在当时，云计算的概念其实还存在着一些争议。

马特：
现在很难想象，但当时确实如此。

艾伦：
完全是这样。这群植根于研究的人对云计算的概念产生了坚定的信念。于是他们开始思考，在云计算的浪潮中，我们应该解决哪些问题？他们其实想到了几个不同的点子，但最终落脚在“数据将是一个非常大的问题”上——即海量规模的数据。而且如果你思考所有的应用场景（回到我们对话的开头），围绕数据的应用是无限的。

另一件阿里常提起的事情是，在那个时期，Twitter 正在崛起，Airbnb 也在壮大，Facebook 依然在高速成长，那实际上是技术领域一个非常积极的时期。所以当时大家对创业和成立初创公司抱有很大的乐观情绪，这也感染了他们这个团队。

当时的想法是，联合创始人之一 (注：指 Matei Zaharia) 实际上是 Apache Spark 的创建者，他们相信数据将是非常重要的事情，所以我们如何围绕它建立一个商业实体？他们考虑的另一个关键方向是把“开源”作为另一大赌注，这与他们来自学术界和研究背景非常契合。

回过头看，他们当时实际上押了三个主要的注：第一，云计算会变得非常庞大；第二，数据将变得非常关键；第三，开源将是一个很好的商业化途径。在今天看来，这三个押注无一例外都是极其正确的。但在当时，这些前景并没有那么清晰，多亏了当时技术领域充满乐观的大环境，所有这些因素融合在一起，成为了 Databricks 的起点。

马特：
关于将云计算与数据连接起来的这一点，是否可以认为，通过向云计算转型，实际上会释放出更大的容量来存储或使用数据？就像是在云计算出现之前，数据能力实际上是受到限制的？

艾伦：
是的，云计算带来的范式转移之一，通常是这种“横向扩展 (Scale-out) 架构”的概念。它基本上让人们能够使用更多的廉价通用硬件，来应对规模越来越庞大的算力、存储以及本例中的数据处理需求。因此，这是一个底层趋势，促成了数据量的暴增，也就是你刚才提到的数据爆炸。

如果你去看 Apache Spark 到底是什么，它就是利用了这种“分布式计算 (Distributed Compute)”的概念，并将其应用于数据处理。这非常关键。

---

Databricks 的商业化之路

马特：
我发出这个疑问是因为，思考二阶效应，或者是一个市场在另一个市场背后的推动作用，总是非常有趣的。特别是在今天的 AI 时代，所有人都在寻找二阶效应。所以，听到它们是如何连接的很有意思。正如你所说，这三个想法、这三个押注在许多方面相互结合并产生了复利效应。

关于开源这一点，有许多不同方法来切入开源。我们有围墙花园 (Walled gardens) 对比开源，这里有非常著名的苹果与 Windows (或微软) 的例子。你能聊聊商业化的过程以及它是如何发挥作用的吗？因为我知道，在将这个工具从获得大量用户的状态演变为商业业务的过程中，这是公司的一个重要里程碑。通常情况下，提供免费的东西是吸引人们进来的好方法；而这个工具本身就必须非常棒，它确实做到了。但这感觉是这家公司非常关键的一个时间点。我很好奇发生了什么，以及他们是如何真正将这做成了一个优秀的产品并演变成了一项伟大的业务？

艾伦：
有很多成功的开源项目例子，这也是开源的奇妙之处之一，它确实能实现极高的普及率。在消费级领域，我们常说这像“把魔力装进瓶子里”。而在企业级和技术领域，开源是获得海量关注、心智份额 (Mindshare) 和采纳率的极佳途径。虽然有很多成功的开源技术例子，但其实在开源之上成功建立起伟大商业公司的例子并不多。很多人都会提起红帽 (Red Hat) 是第一批在 Linux 之上建立商业模式的公司，但现实情况是，这其实是世界上最难做成的事情之一。你必须打出两次本垒打。

这也是阿里常说的一种解释：你需要打出第一个本垒打，即开发出一个获得主流采纳的开源技术；但很多人没有想到的是第二个本垒打，即你如何在这个开源技术之上真正建立起一门生意？部分问题在于，由于任何人都可以免费获得这个产品，这个开源技术最终往往会成为这家公司自己最大的竞争对手之一。这包括了你的客户，但也包括了你的竞争对手——他们也可以利用这项技术，而且实际上，那些拥有更多渠道、更深客户关系的竞争对手，甚至能更好地变现这项开源技术。

在这点上，我认为学术界出身背景确实帮助启发了 Databricks 的商业策略：不深陷于商业市场的优势在于，在围绕开源建立商业化业务时，你不会有那些预设的条条框框。因为在他们之前，最主要的先例就是红帽，红帽基本上是为 Linux 提供服务与支持，这是最主要的模式。但因为 Databricks 团队并不了解这些先例，他们从第一性原理 (First Principles) 出发来思考问题。当你思考如何在一个有免费替代品的领域进行变现时，其实答案很简单。答案就是：你需要创造一个更好、更值得付费的商业产品。

马特：
答案很简单，但执行起来可能并不简单。

艾伦：
完全如此。执行起来不简单的一个原因是，如果你因为成功创造了开源技术而建立了品牌并获得了大量好评，随后如果你说：“我其实要开发一个竞争性产品，并且我不会把所有花哨的新功能 (bells and whistles) 都塞进那个开源技术里，”这会让人感觉很奇怪。对于很多人来说，这会产生巨大的张力。开源社区里的很多人会说：“你怎么能这么做？”这几乎会带来一种背叛感。当你在开源领域取得成功时，这几乎也是一种诅咒，因为你变得非常受欢迎。你被技术人员视为给世界带来美好事物的人，然后突然之间，你必须愿意扮演一个“恶人”的角色。我认为很多人很难完成这种心智上的转变。

但我想在 Databricks 的案例中，他们非常清楚地意识到，除非我们有差异化，否则我们根本无法竞争。因此，创造这种差异化就成了一个非常关键的概念。所以，他们在 Databricks 商业公司所做的事情之一 (我们也可以聊聊他们是如何选择 Databricks 这个名字的)，就是他们创建了一个完全专有的、新的 Spark 实现方式，它拥有更高的性能，以及企业所需要的可靠性、可扩展性等。而且他们非常直截了当：如果你想使用这个新的实现版本，你就必须付钱。

马特：
这是否类似于今天大语言模型 (LLM) 的免费层与 Pro 订阅层之间的区别？你可以明显感觉到它们之间的差异。虽然不是所有人都会使用不同的层级，但我正试图理解你提到的这种必须存在的差异化。在订阅一个网站时这很容易描述，比如你获得三篇免费文章，但之后如果想要访问我们的专有数据库，你就必须支付订阅费用。如果要做类比的话，你会用什么来对比这种差异？

艾伦：
我其实觉得这个类比相当准确，但也存在一些细微差别。作为消费者，我们已经习惯了“有免费版和付费尊享版，我们为尊享版付费”的结构。我认为，决定哪些功能该放入付费尊享版，才是最微妙、最难拿捏的地方。回到企业级领域，传统的普遍认知是，我们希望那些在车库里工作的普通开发者能免费使用这项技术，而我们真正想要变现的是企业。因此，我们为什么不对企业功能进行收费呢？比如单点登录 (SSO)、数据治理和安全，这确实说得通。但现实情况是，虽然企业确实会为这些额外功能买单，但他们愿意为此付多少钱？说到底，这些额外功能并不是核心产品。

所以，回到你刚才关于大语言模型 (LLM) 的例子，对于如何决定对产品设置付费墙，有不同的方式。我认为这里的类比是，对于某些尊享产品，你可以免费使用 10 次，但第 11 次你就必须付费；或者在其他情况下，有一些额外功能你必须付费，然后你必须升级到付费尊享版。而在 Databricks 的案例中，最贴切的类比其实是：你必须为那个更聪明、能给你更好答案的更好的模型付费。因此，当你从模型核心性能的维度去思考，而不是仅仅考虑那些你付费购买的辅助性功能时，我认为这个对比其实是挺贴切的。

---

Spark on ACID：成为真正的平台

马特：
这种并非通过累加功能、而是以“核心体验的更高质量”来作为差异化的方式，是一个非常有意义的护城河。这也是每个企业都必须深思熟虑的事情。我跟许多想要推出付费尊享版的人聊过，结果他们的额外功能根本没有那么大的价值，根本没人愿意付钱。我想探讨一下 Databricks 这个名字的含义和起源故事。

艾伦：
这可以形成对比：有许多公司是在成功的开源技术支持下成立的，它们基本上就直接用该技术来命名公司。无论是专门为了实现 Docker 商业化而成立的初创公司 Docker，还是另一个例子 MongoDB。在 Databricks 的案例中，最类比的做法本应该是把公司命名为 Spark。实际上，这样做有很多好处，因为 Spark 是一个非常受认可的名字，如果把公司命名为 Spark，Databricks 能够获得的品牌和知名度收益是非常可观的。

但是，他们之所以选择 Databricks 这个名字，是因为从第一天起，他们就觉得这个平台将不仅仅局限于 Spark。他们的想法是，未来会有许多许多的“砖块 (Bricks)”，它们都可以用来围绕着“数据”这个更广泛的问题进行拼接组合。这是一个简单的想法，但相比于命名为 Spark，选择 Databricks 这个名字的决策，恰好反映了这种长期主义 (Long-termism) 的思维——思考到底什么才能让我们随着时间的推移不断壮大。

马特：
我经常在想，当公司演进时，一个拥有多个不同产品的品牌是具有企业价值的。你可以固守那款核心产品，也可以在此之上不断演进。我这种描述可能带有一点艺术性，但我确实认为这很有代表性。而且我认为这正好契合了你刚才提到的一个观点，现在引入进来很合适：他们提供的服务已经发生了演变，现在他们的底层拥有非常多不同的产品。我想这正好与你和 WCM 介入这家公司的时期相吻合。那么，你能不能聊聊 Databricks 为客户提供的产品演进过程，以及它是如何超越最初的状态的？

艾伦：
今天的 Databricks 已经真正达到了“平台 (Platform)”的阶段。在企业级软件中，有一个很简单的框架，即：功能 (Feature) → 产品 (Product) → 平台 (Platform)。我认为 Databricks 这些年来在这条道路上迈出了巨大的步伐。在成功实现 Spark 的商业化之后，Databricks 团队做得非常好的一点是，他们明确了：“我们在企业中服务的是谁？”答案是数据工程师和数据科学家。这些人是：在处理完数据之后，他们实际上在构建机器学习模型，来运行我们之前讨论过的那些预测、预报和推荐引擎等应用场景。而要实现这一流程，其实需要一个非常复杂的工具链，Databricks 非常自然地将业务延伸到了这里。他们推出的其中一款产品，后来也开源了，叫做 MLflow。这是另一款在相同应用场景下，为数据工程师和数据科学家延伸价值主张的产品。

随后，他们推出了另一款名为 Delta (即 Delta Lake) 的产品，这是迈向数据仓库 (Data Warehouse) 的第一步。我们稍后会详细探讨 Databricks 和 Snowflake 之间的融合与竞争，但 Delta 是他们迈出的又一步，即：很多机器学习的应用场景都是针对高级的横向扩展场景，但这些场景并不需要“事务性 (Transactional)”场景所要求的那种保障级别。Delta 的推出在当时也是一款非常重要的产品。

马特：
你提到的“事务性 (Transactional)”场景，是跟速度有关吗？

艾伦：
速度是其中的一部分。但在数据库世界里有一个概念叫做 ACID。这是一个首字母缩写词，代表原子性 (Atomicity)、一致性 (Consistency)、隔离性 (Isolation) 和持久性 (Durability)。简单来说，就是某些工作负载需要对数据的质量和完整性提供极高水准的保障。对于很多运营型分析工作负载来说，举个例子，回到刚才那个分析“我们应该备多少 T 恤”的数据科学家，底层的数据是不是完美同步，其实没那么关键，哪怕其中一个数据源有了一点微调，也不会完全推翻他的分析。但对于另外一些工作负载，你必须保证数据中没有任何不一致，不能有这边一个人修改了数据，那边却产生连锁反应导致数据对不上。

所以，当你思考数据库所能应对的工作负载类型时，这是市场的另一个重要细分领域，也是 Databricks 的重要延伸和演进。于是他们推出了 Delta 这款产品，这是满足 ACID 要求的第一步。关于 Databricks，还有一个非常有趣的事情，我认为他们的核心竞争力之一其实是营销。有一个很好笑的故事，当他们推出 Delta 时，为了向大家解释 Delta 是什么，他们发放了免费的 T 恤，上面写着：“Delta 就是吃了 ACID (迷幻药) 的 Spark (Delta is Spark on ACID)。”

马特：
太棒了。

艾伦：
所以，这是 Databricks 推出另一款产品的又一次延伸，是他们现有产品线的逻辑延伸，但同时他们也实现了很好的商业化，并理解如何将产品推广到更广泛的社区。接着，回到你的问题，在我看来，几年前发生了一个非常关键的时刻，也正是 WCM 开始投资 Databricks 的时期：在推出 Delta 之后，Databricks 开始展现出应对传统数据仓库工作负载的能力，也就是我们讨论的 ACID 演进的终点。这非常重要，因为在此之前，你大致可以说 Databricks 构建的产品都是在应对那群核心受众——数据工程师和数据科学家。

但是，真正与数据仓库打交道的人，更多是传统的数据分析师。这些人通常使用 SQL 来对结构化数据运行查询，而数据科学家则是用 Python 针对非结构化数据构建机器学习模型。但由于 Databricks 已经打好了基础，并逻辑严密地一步步推进到了数据仓库领域，他们随后得以推出一款 SQL 产品 (注：指 Databricks SQL)，这让他们直接与他们的同行之一、上市公司 Snowflake 展开竞争。

这对我来说是一个令人难以置信的证明，因为他们从单一产品扩展到多产品已经非常值得赞赏，但进一步扩展到“多重用户画像 (Multi-persona)”则是一次巨大的市场空间 (TAM) 扩张。这也证明了，为了让这样一个产品取得成功，底层做了大量的工作。这大约是几年前的事。他们在今年早些时候宣布，他们的数据仓库产品年营收运行率正处于迈向 10 亿美元的轨道上，对于一款新产品来说，这是一个惊人的规模。这在我看来，真正开始印证了 Databricks 正在成功蜕变为一个真正的平台。

---

Databricks 如何开创湖仓一体模式

马特：
是的，听起来非常有趣。在这次对话之前，我们探讨过你们对这家公司的投资，我对后期投资者和私有非上市公司以及他们所能获得的洞察非常感兴趣。当你向我描绘出它向真正平台演进的画面时，这在我的脑海中是成立的，即：“好的，这是一个独特的时刻。他们已经演进成功了。”

关于竞争，在最高层面上，如果我是一个使用 Databricks 的企业，我是否也可能同时使用 Snowflake？我是会使用多个供应商的产品吗？这不一定是一个赢家通吃的市场吧？但当客户在两者之间进行选择时，这其中的主导地位是如何运作的？

艾伦：
市场的现实情况是，企业往往会使用多个供应商。而且，我认为 Databricks 促进了一种趋势，即针对更多类型的工作负载提供更多类型的工具。现在，我们相信 Databricks 能够推出更多的产品来应对这些不同的工作负载。但回答你的问题，你确实能看到客户同时使用 Databricks 和 Snowflake。

如果你把时钟拨回 Databricks 早期解决的那个核心应用场景——数据处理，这其实是一个非常经典的情况：企业可能会先使用 Databricks 处理数据，然后将这些数据存储在 Snowflake 数据仓库中。Snowflake 已经开始尝试向产业链上游移动，做更多的数据处理工作，而 Databricks 则向下游移动，做更多的数据仓库工作。但这可以让你感受到，这些工具在同一家公司内部是如何并存的。

马特：
我得承认，作为一个旁观者说这些很容易，但在我看来，从处理数据的非结构化世界走向数据仓库的结构化世界，似乎是一个比反过来更平滑的演进过程。因为在我的脑海中，非结构化世界是一个非常复杂的解决方案，虽然数据仓库同样复杂，但你认为这是一种公允的表述吗？如果我的假设不对，你完全可以反驳。

艾伦：
我只能说，从经验数据来看，这一情况确实得到了印证，因为他们的数据仓库产品已经做到了 10 亿美元的年营收规模。这让 Snowflake 在数据工程方面的收入相形见绌。但我想说的是，在无法对两种版本的世界进行 A/B 测试的情况下，我认为是 Databricks 团队的强悍执行力，使得他们向结构化数据领域的转型获得了如此巨大的成功。

我们刚才简单提到过这一点，但我认为这是另一个例证，证明了这家公司不仅是伟大的技术专家，而且是极其敏锐、懂商业的营销人员，拥有出色的商业直觉。当他们意识到自己想要切入结构化数据领域时，当时的情况是，非结构化数据对应的世界就是人们口中的“数据湖 (Data Lakes)”，而结构化数据则是“数据仓库 (Data Warehouses)”。

于是，Databricks 创造性地提出了“湖仓一体 (Lakehouse)”这一术语，将数据湖与数据仓库结合在一起。你可以回看当时的一些媒体报道，行业里对“湖仓一体”这个想法其实是充斥着冷嘲热讽的。人们觉得这太抖机灵了：“哦，你要把两者结合起来，还取了这么个名字。”

快进到今天，“湖仓一体 (Lakehouse)”已经变成了一个非常真实、明确的行业品类，所有的行业观察家都对此达成了共识。因此，Databricks 值得被高度赞誉，这不仅是因为他们在产品和技术上的卓越执行，实现了我们讨论的数据仓库的能力，更是因为他们做了大量的市场教育工作，让市场理解为什么湖仓一体架构能集数据湖与数据仓库两者之长，以及为什么这代表着未来。这是这个故事中极其精彩的一笔，我想 Databricks 在这方面得到的赞誉可能还不够。

马特：
是的，我认为这些东西很难量化，但你确实能在事后更加欣赏它们。如果一家公司在执行这些策略时能乐在其中，我肯定会给他们加分。这对我来说似乎非常重要，它展现了这家公司乐于享受商业与竞争等方方面面的心态。

艾伦：
确实有一些乐在其中的成分，我不知道他们自己会不会用这个词，但我能感受到一种“反叛感 (Irreverence)”。我想这可以追溯到创始人背景与 DNA：瞧，让我们对世界的走向提出我们自己的鲜明观点。作为投资人，如果你回到他们早期的押注，他们会告诉你，这就是我们押注的三个方向：云计算会变大、数据会变大、开源是建立业务或至少建立用户群的好方法。

后来，我们认为湖仓一体 (Lakehouse) 将变得庞大，我们认为这就是世界的走向。我们认为这会帮助客户，并且我们要在此全力下注。这非常明确地告诉大家，如果你押注 Databricks，你押注的就是这种未来的世界格局。我有时发现，有些公司试图面面俱到，他们会说：“哦，我们这块也行，那块也行。”但现实是，这会分散你的精力，削弱你像 Databricks 推动湖仓一体那样去执行业务的能力。

马特：
我认为“第一性原理”这样的词汇经常被滥用，但在准备这次节目时，我看了很多阿里做过的采访，发现他们的做法确实契合这一点。学术界出身并诞生于此，使得他们在理解自己到底在做什么时，有一种非常透彻的清晰感，那种专注，以及对为什么要去追求这些目标的清晰度。虽然有时学术界也会带来一些局限性，但撇开这些不谈……

艾伦：
我还会说，换一种描述方式就是：Databricks 正在帮助引领这个行业走向他们认为行业应该去的地方。他们找出痛点在哪里，然后提出他们认为行之有效的解决方案，而不是看着一个现有的市场，仅仅为了扩大自己的市场空间 (TAM) 就说：“好吧，我们可以做一个跟风产品 (Me-too product)。”我发现 Databricks 做得非常好的一点是，他们认可真正的价值创造，而不是仅仅追求变现和追求营收增长。

马特：
是的。这基于客户面临的挑战，但同时也对未来将发生的事情拥有预测性的视角。这里面有一点乔布斯式的影子——为客户设计他们自己都还不知道需要的产品，我就不做过多牵强的类比了。

关于市场扩张和市场空间 (TAM) 等方面，当谈到 Databricks 和 Snowflake 时，两家都是相对年轻的企业。它们是在取代行业中的在位企业 (Incumbents)，还是完全在创造新的市场？你会如何描述当前的 TAM 与过去的差异——无论是云计算出现之前，还是在云端使用既有厂商方案的时代？

艾伦：
回到 Databricks 和 Snowflake 的起点，Snowflake 确实是数据仓库的下一代云端版本，而数据仓库这个市场是原本就存在的。而对于 Databricks 来说，它面对的本应该是数据湖 (Data Lake) 市场，但由于缺乏足够好的技术，那个市场之前从未被很好地建立起来。之前也有过很多建立数据湖公司的尝试。在 Spark 之前有一项叫做 Hadoop 的技术，也有基于 Hadoop 建立的公司，比如曾经上市的 Cloudera。但当时的问题在于，简而言之，那时的技术还不够好。

所以对于你关于 TAM 的问题，我认为技术上这个市场是存在的，但人们忘记了在 2010 年代初期，“大数据”是一个非常性感的词汇，当时很多公司已经意识到，或者至少直觉上觉得数据是有价值的。当时有一股持续了好几年的浪潮。公司在底层想法的驱动下，不断存储海量的数据：“大数据时代来了，为什么不存呢？”但现实是，用 Gartner 的术语来说，行业随后经历了一个非常艰难的“幻灭期 (Trough of Disillusionment)”——好吧，现在我们把所有这些数据都存起来了，但我们该用它们做什么呢？事实证明，想要从中提取出任何价值都是极其困难的。所以，这又回到了 Databricks 的核心价值主张上。它真正解决了这个痛点，极大地扩张了它的市场空间 (TAM)。

马特：
是的，这非常有道理。“数据是新石油”这句话当然有其合理之处，但理解“这可能是有价值的，但我们如何解锁其价值并利用它做点什么？”本身也是一个巨大的挑战。

艾伦：
没错。

---

解决实时欺诈检测

马特：
而解决这个痛点正是他们做得非常出色的一点，这很有意思。我想听一个稍微具体一点的使用场景，以便我能真正理解到底发生了什么。我看到的一个例子是：我做了一笔信用卡交易，所有这些数据都流经信用卡公司或银行的通道，Databricks 在某种程度上参与了其中。如果他们看到我与一个非传统商家交易，而且金额非常庞大，并且是在我以前从未交易过的国家进行的，我就会收到一个欺诈警报。根据我的理解，这在一定程度上是流经了 Databricks 的数据管道，用于管理所有可能导致检测到欺诈的变量。

在这个例子中，Databricks 是拥有代表信用卡公司做出决策并直接向我发送欺诈警报的能力，还是仅向银行呈报此警报然后由银行反馈给我？这画出了一幅很有意思的图景，展示了他们与客户之间结合得有多深。我知道这会根据具体场景而有所不同，但你能聊聊这一点吗？

艾伦：
当然可以。对于任何给定的信用卡公司，具体的落地架构可能各不相同。但为了让你这个场景更加生动，你可以非常准确地将 Databricks 提供的核心价值主张理解为：你可以想象，在做出某笔交易是否触发欺诈警报的决策时，需要输入的数据量是极其庞大的。这其中有海量的输入信息可以被采纳，而且可能永远都不够，你总是可以在分析中添加更多的数据。

这就触及了 Databricks 提供的核心能力：建立引入所有这些数据的管道，对这些数据进行处理 (因为所有不同类型的数据源格式都千差万别)，然后将处理后的数据喂给机器学习模型。这些模型由数据科学家进行微调和调整，并且会根据实际情况、以及对模型表现的实证数据进行不断更新——这些模型事后看真的准确吗？然后再去调整这些模型。所有这些都是 Databricks 的核心价值主张。

至于一旦 Databricks 帮助公司得出了这个决策，最终由谁来发送这个欺诈警报？这里可能会有不同的技术架构，但通常公司会构建另一个独立的应用来执行最终的操作，而 Databricks 的模型输出将用于指导该操作，这或许是思考其架构的经典方式。

马特：
这说得通。上层的应用程序最终是由 Databricks 分析所有变量的模型来驱动的。我可以想象它是一个基于规则的系统，如果交易符合这些标准并被上报，就会触发欺诈警报。

我之前想表达的是，我正试图理解，很多公司会使用多个不同的供应商。显然，这里有太多的应用场景。我刚才提到的那个是一个节省成本的场景，之前我们也讨论过这如何能带来营收增长。但对于衡量客户的粘性 (Stickiness) 以及客户使用的深度 (Ramping)，这具体是什么样子的？是否可以假设，使用这些模型的频次越高，它与你业务的结合就越深，因此流失 (Churn) 的可能性就越小？

艾伦：
完全正确。他们已经披露，其净金额扩张率 (Net Dollar Expansion) 超过了 140%。因此，这本身就蕴含了极高的客户粘性和内生性增长。从定量上看，这是他们披露的数据。

但从定性上看，正确的思考方式是，我们讨论的许多使用场景，都是这些企业所售核心产品的关键组成部分。在数据分析的世界里，有时你可能会想象，一个数据科学家或数据分析师在后台为战略团队跑一个分析报告，这可能让人感觉粘性没那么强；但当你思考我们说的那些场景时——比如一个内容流媒体平台在你看完一部电影后，向你推荐下一部该看什么，这正是其核心产品的一部分，往往能直接带来营收，是非常使命关键 (Mission-critical) 的。所以，一旦你融入到生产环境中的实际应用场景中，就会产生这种级别的粘性。

而且，还有一层粘性来自于“数据重力 (Data Gravity)”的概念——一旦你投入工作，将数据存储并编目在一个数据平台中，迁移的成本就会变得极高。因此，Databricks 可以从许多不同的维度极深地嵌入到一家公司中。

我想提到的最后一点是，如果你已经把数据整理处理过一次，你就可以把这些数据应用到多个不同的场景中。接着你可以想象，即使某个产品走到了生命周期的尾声，但只要还有另一个产品依然在利用相同的数据，它就会变得非常具有粘性。

---

AI 对营收的影响

马特：
你提到了这方面，这确实也是今天每个房间里都避不开的“大象”——人工智能 (AI)。我先从最高层级的问题开始：AI 对 Databricks 这样的业务会产生什么影响？在多大程度上它是受益者，又在多大程度上伴随着潜在的风险？我让你在这方面畅所欲言。

艾伦：
好的，也许我们可以先用一些数据来框定。Databricks 目前的年经常性收入 (ARR) 已超过 40 亿美元。他们披露，其中约四分之一 (即 10 亿美元) 是与 AI 相关的收入。因此，AI 已经成为其业务中非常庞大的一部分。但在这之下，或许有不同的方式来剖析 AI 对 Databricks 的影响。对我来说，我非常喜欢将 Databricks 作为投资对象的原因之一在于，它有多种赢得市场的方式 (Multiple ways to win)。

首先是核心的数据处理部分。现在企业内部几乎达成了一种共识，即“没有数据策略，就没有 AI 策略 (You don't have an AI strategy without a data strategy)”。大家都意识到，当然，模型提供商正在做他们该做的事，每一代模型也变得越来越聪明；但归根结底，如果你没有良好、干净、编目清晰的数据，模型所能做的事情也是非常有限的。

因此，AI 对 Databricks 业务的重大促进之一，就在于它让人们极大地提高了核心数据工程与数据处理重要性的优先级与认知度，而这正是 Databricks 一直在提供的核心产品。在我看来，这是一个持久的顺风因素 (Durable tailwind)，因为企业无论如何都一直需要这么做。这实际上并不取决于我们是否实现了通用人工智能 (AGI)，也不取决于 OpenAI 的下一代模型表现如何。现实是，只要大家普遍相信并理解 AI 是重要的，就会驱动企业进行更多的数据工程与数据处理。这是 Databricks 的一个普遍顺风，当作为投资人去思考 Databricks 这家公司时，这实际上描绘了一个更具韧性的增长轨迹——它的上行爆发力可能没那么大，但当市场对 AI 的情绪转冷时，它的波动性也会小得多。

马特：
这非常有道理，这是从宏观层面思考业务中 AI 影响的一个很好的启发式视角。

艾伦：
是的，还有两三种其他方式来思考 AI 对 Databricks 的影响。另一种方式实际上是：现在有一大批 AI 原生公司 (包括最大的几家 AI 实验室)，它们自己内部也确实在使用 Databricks。这也是公开市场上的公司经常谈论的事情：AI 到底是如何影响你的产品和应用场景的？还有就是，你是否属于这些 AI 原生公司所使用的技术栈 (Stack) 的一部分？Databricks 显然是其中一员。

最后，我认为 AI 对 Databricks 业务的影响实际上在于产品层面。Databricks 正在做的核心预测性布局之一 (回到他们对世界走向有自己鲜明观点和定位的 DNA)，就是围绕着这样一种理念：在未来，即便大语言模型和 AI 没有比今天变得更聪明，它们也已经证明了自身自动化更多工作的能力。当你思考这个市场空间 (TAM) 有多大时，它可能与我们最初讨论的数据 TAM 一样是无限的。

所以 Databricks 正在做的是构建相应的产品。就像他们当年推出 MLflow 来帮助数据科学家构建机器学习模型的整个流程一样，他们正在打造一个完整的新一代技术栈，包括名为 Agent Bricks 和 LakeBase 等产品，它们将共同帮助企业构建自己的智能体应用 (Agentic applications)，来自动化特定的场景，实际上是在自动化劳动力和工作，这能带来极其巨大的投资回报率 (ROI)。

马特：
是的。我来重塑一下这个概念，你可以告诉我这是否准确：我们讨论智能体 (Agentic) 的时候，通常只是在缩小上下文 (Context)，在特定任务中赋予其极深的上下文，从而使其回答的质量变得更强，而不是从网络上的随机地方拉取内容。Databricks 显然拥有最丰富的数据，可以用来为这些模型提供信息，因此可以与那些希望开发这些智能体的企业进行合作。是这个逻辑吗？

艾伦：
完全正确。行业目前正在意识到，要构建高效的智能体应用，必须利用一些重要的技术。例如 RAG (检索增强生成)。这里涉及到一整套流程，比如使用向量数据库 (Vector Databases) 和嵌入 (Embeddings) 来实现这一点，Databricks 在这方面也提供了相应的产品。

同时，构建智能体应用还有一个非常重要的一部分，即模型评估 (Model Evaluation)。由于大语言模型本身具有非常不可预测的特性，我们很难总是确切知道我们的应用或智能体是否在按照我们预期的方式运作。因此，有一整套围绕模型评估的技术，用来量化这些模型的表现如何？它们是在做我们认为它们应该做的事情吗？Databricks 同样在围绕这些开发产品。

这与当年机器学习时代需要经历类似的评估模型流程是一脉相承的。从中你可以感受到，虽然外界的关注点都在核心的大语言模型本身，但如果你真的想在生产环境中构建应用，在模型之外和之上还有很多东西。这正是 Databricks 拥有强大胜算的地方。

---

与云巨头的竞合共赢

马特：
是的，关于在 AI 生态系统的哪一层会产生价值这个经典问题，这确实非常有趣。

在天平的另一端，Databricks 与云基础设施提供商 (如 AWS 等) 一直保持着一种良性而紧密的关系。在 AI 时代，这会发生变化吗？因为正如你刚才所说，数据清洗等工作变得比以往任何时候都更加重要。我个人已经能够借助 AI，将非结构化数据更加干净地清洗为结构化数据。这对于我个人与在云端规模下做这事，完全是两码事。但你如何看待这种关系？云提供商为什么没有直接切入这个细分领域？这会改变吗？这是一个风险吗？这是你会思考的问题吗？

艾伦：
哈哈，你提到云提供商没有真正切入数据市场其实挺有意思的，因为他们实际上确实有类似的产品。我想这更多是反映了 Databricks 在产品执行和市场定位上做得太出色了，以至于你产生了这种直觉。

但是我想说，自从我关注 Databricks 以来 (我首次见到阿里是在 10 多年前)，当时他们刚刚与微软签署了他们的第一个战略合作协议，这就是由 Azure 冠名的 Azure Databricks。那是一次极其重要的合作，直接启动了 Databricks 的商业化变现。我提起这个是因为，从第一天起，阿里作为商业领袖，在如何与云巨头 (Hyperscalers) 合作上总是极其务实且具有战略眼光的。

所以，目前的情况是，他们与云巨头之间一直存在着“竞合 (Coopetition)”的关系。现实情况是，对于使用 Databricks 的客户，他们同时也必然在消耗云巨头的算力和存储等基础设施。因此，当客户在云巨头的基础设施之上使用 Databricks 时，对云巨头来说是有很大收益的。我完全预期这种竞合动力将在 AI 世界中继续。

但我确实认为这是一个非常重要的问题，因为这个市场足够大，云巨头非常在乎它。而我认为 Databricks 另一个未被充分认识的强项，就是他们与云巨头保持利益一致的能力。有许多公司的例子是，他们开发了一款伟大的产品，拥有巨大的势头，然后微软决定这个领域对他们来说太具战略意义、不能输，因此他们会全力以赴去扼杀那款产品。我想我们都能想到不同的例子，这常常是成长阶段软件公司面临的真正挑战。

我认为 Databricks 做得非常好的一点是，他们从未把自己定位在让云巨头有 100% 的动力去扼杀他们的地步。这里有足够的利益一致性，有足够的合作和共同增长机会，因此与云巨头的关系在很大程度上通常是协同的，尽管他们确实代表了非常真实的竞争。

马特：
我经常提到这个例子，就像亚马逊与联邦快递 (FedEx) 和联合包裹 (UPS) 的关系，亚马逊一开始依赖他们，但在节假日遇到无法送达的大问题后，亚马逊开始自己建立物流网络，最终开始与他们竞争。但只要这种竞合关系的质量足够高、没有产生大冲突，就是可行的。当然这里还有其他的动力在起作用，但这依然是一个非常有用的框架。

---

按需计费模式解析

马特：
我想进一步了解一些财务方面的动态。你提到他们目前的 ARR 已超过 40 亿美元，从客户的角度来看，这是如何运作的？这是否是一个简单的基于使用量 (Usage-based) 的收入模型？

艾伦：
是的。你可以理解为，Databricks 是根据在 Databricks 上运行任何工作负载时实际消耗的算力 (Compute) 来收费的。回到你提到的那个信用欺诈例子，每当客户想要运行分析，以及底层用于引入数据的管道运行时，都会产生算力成本，这就是 Databricks 从变现角度实现利益一致的方式。

我想说，除了核心的基于使用量的定价之外，Databricks 在识别哪些功能或产品具有战略意义、以及他们到底在什么时候有权对这些产品收费方面，做得非常聪明。阿里给过一个例子：当你想起智能手机时，它的功能之一是通讯录。通讯录是一个极其重要的功能，不仅对于打电话，而且智能手机的很多应用都是从拥有通讯录延伸出来的。但现实情况是，没有哪个手机厂商能为通讯录单独收费。

所以，浅显地说，Databricks 有很多类似于通讯录的产品，在很多情况下，他们实际上是利用开源将这些产品免费提供出去，以此获得采纳，但这些产品在战略上依然极其关键。一个例子就是，他们的核心价值主张之一是在上层提供一个数据治理层，让企业拥有一个单一的全局视角 (Single pane of glass) 来查看及管理他们处理的所有元数据 (注：指 Unity Catalog 治理产品)。所以，我想这长篇大论背后的核心是想说明：虽然 Databricks 采用的是基于算力消耗的收费模式，但实际上，至少在我看来，他们变现的不单单是算力本身。这其实是一种将 Databricks 提供的更多价值层级进行变现的方式。而且，他们各种不同产品之间的交互与交织，本身就代表了极大的价值，即便这并不与算力成本直接挂钩。

马特：
关于他们何时意识到某样东西具有极高价值、因而应当对其进行收费这一点。这通常是因为该功能的算力消耗过高、让他们不得不收，还是更多基于一种定性的评估？

艾伦：
我无法替他们内部的所有决策发言，但我的看法是，关于如何进行变现、将什么进行开源，每一个决策背后都有非常多不同的考量。有时候这更多是一种防御性的立场，比如：我们必须确保我们的治理产品获得足够的采用率；在其他情况下，这可能是进攻性的——他们在历史上非常善于识别自己可以在什么时候扮演颠覆者 (Disruptive)。

这可能会涉及一些技术细节。但 Databricks 相比 Snowflake 竞争时做出的一个非常有效的颠覆性决策，是拥抱“开放格式 (Open Formats)”。他们有意识地决定不对存储收费，而这在历史上是 Snowflake 一直在做的事。这就是另一个例子，展示了他们在战略上寻找如何进行颠覆的方式——这不仅是从降低成本的维度，更是在架构层面上，允许客户把数据保留在他们原本存储的任何地方，不强迫客户把数据搬迁到 Databricks 内部。你实际上可以直接在数据原本存放的位置之上运行 Databricks；而相比之下，历史上使用 Snowflake，你必须把所有数据导入到 Snowflake 内部。所以这是另一个延伸的决策：不仅在于什么时候收费、什么时候不收费，更在于从战略层面上审视这在防守和进攻上是否行之有效。

马特：
是的，这是竞争力量在发挥作用。关于一般的定价趋势，除了他们对什么收费之外，我可以理解这一切都融合在一起。但这种定价趋势往往是与算力成本挂钩，还是说他们有能力提高价格，或者存在价格战？我只是有点好奇。毕竟产品的质量最终会促使客户做出决策，但有些客户可能还是会偏向价格。是什么驱动了定价的调整？

艾伦：
我想说，在这个市场中，大家更看重的是相对于性能的“总体拥有成本 (Total Cost of Ownership, TCO)”。很多客户真正关心的是：我们能否以一种高性能的方式来运行我们的工作负载？而且，因为在很多情况下这并不是简单的同类对比——毕竟这里还有云巨头变现的基础设施层。如果像 Databricks 这样的厂商能够实际帮助客户更高效地运行他们的基础设施，这可能不会直接体现在 Databricks 的账单价格上，但从客户的角度来看，这会降低他们的总体拥有成本。

这很大程度上是一个技术解决方案，关乎更好地理解特定工作负载的表现，以及如何优化底层的基础设施来服务这些工作负载。所以，在我的经验中，重点在于把工作负载投入生产环境，并切实评估实现任何特定场景目标的总体拥有成本 (TCO) 是多少。现实情况是，对于很多这样的使用场景，考虑到 Databricks 往往已经嵌入到核心产品中，或者决策本身的性质极其具有战略意义，如果你能有效提供最终的价值，客户通常能非常清晰地看到投资回报率 (ROI)。

马特：
这确实是一门有趣的生意。比如在信用卡欺诈的使用场景中，你可以算出非常清晰的 ROI，因为欺诈对于信用卡提供商来说是一个重大痛点和成本问题，你能直接把这些联系起来。但可能还有其他一些工作负载，很难得出直接的 ROI 结论，但同样非常有价值。能听到这类生意里不同生态系统和价值链的运作方式，非常有意思。

再来看成本这一侧：算力成本理论上是转嫁给客户的，那你们有自己的日常开支。还有没有我们没有聊到的、非常庞大的成本支出项？

艾伦：
通常来说，Databricks 的模式是相当轻资产 (Capital-light) 的。他们并不需要像我们大家都知道的那样去抢购 GPU。现实是，很多核心的数据处理工作负载依然是基于 CPU 的。有趣的是，当你听到英伟达的黄仁勋 (Jensen Huang) 谈论他如何看待 GPU 未来的价值时，他确实认为更多的数据工作负载会向 GPU 转移。但目前的现实是，Databricks 的产品并不像很多 AI 原生公司那样是算力密集型的。

马特：
这对我来说太不可思议了。这正说明了模型训练所需要的算力是什么量级，但考虑到他们处理的数据量之大，这其实挺让我惊讶的，但也很有意思。

艾伦：
这也可能会演变。Databricks 目前成功变现的一个业务是模型服务 (Model Serving)。回到我们之前讨论的例子，模型服务指的就是我之前谈到的那整套工作流：构建支撑应用的智能，将其与大语言模型 (LLM) 结合，创建一个所谓的端点 (Endpoint)，从而将这种智能暴露给应用程序。越来越多的客户要求 Databricks 代表他们托管这个端点，基本上像个 API。在这种情况下，Databricks 的底层确实会产生 GPU 成本。但同样，相对于目前市场上其他一些规模的成本来说，这完全是不同数量级的。

马特：
确实，并不是所有的 GPU 都是一样的，这又是另一个话题了。但我刚才打断你了，关于成本的问题，除了这些之外，还有其他可以归类进去的支出项吗？

艾伦：
在超过 40 亿美元 ARR 的规模下，Databricks 一直在产生正的自由现金流。有人可能会说，产生正自由现金流是一个非常低的门槛，也许他们应该展现出更高的利润率。但他们很大一部分成本其实是传统软件商业模式下的支出：投资于人才、投资于研发 (R&D)。在所有规模化的软件公司中，我认为 Databricks 在展现“自主研发创新所带来的投资回报率 (ROI against organic innovation)”方面的历史纪录是极其强劲的。所以从成本结构的角度来看，除了他们依然在研发方面进行极其激进的投入之外，没有什么戏剧性的成本需要特别指出。这也是为什么即使他们已经扩展到如此多的新产品和领域，依然能保持创新步伐的重大原因。

---

为什么伟大的公司选择保持私有

马特：
我不得不问一下：既然它是轻资产的，而且自由现金流为正，为什么他们这些年还要进行大量的融资？这些资金都去哪了？

艾伦：
这实际上是一个独特的动态。它并不是 Databricks 所独有的，但我认为现在越来越多的人开始意识到这种动态——那就是，一些最顶级的、高质量的私有资产，在私有阶段待得越来越久了。这里存在一个动态：一旦你达到了某一个规模，早期投资人、以及往往更关键的员工，会有一种期望能够将他们的期权 (Options) 或受限股票单位 (RSUs) 进行变现以获得流动性。

在包括 Databricks 在内的很多这类公司中，他们之所以需要进行如此大规模的融资，往往是出于税务方面的考量。一旦你为员工提供了足够的流动性变现机会，美国国税局 (IRS) 就会开始将这些 RSUs 和期权视为当期应税所得 (Taxable)。在历史上，初创公司的期权和股票的一大优势在于它是递延纳税补偿 (Deferred tax compensation)。但我想整个行业开始吸取教训：通过股权来补偿员工，其实会带来非常高昂的真实税单。所以，为了回答你的问题，Databricks 融资的绝大部分资金，实际上都用于对冲员工股权薪酬的支出，以及与其相对应的税单。

马特：
如果我理解得没错的话，这并不完全是单纯的“老股转让 (Secondary)”——也就是员工把股份兑现套现。可能某种程度上也包含这个，但更多是比如我拿到股权激励时，由于有大约 34% 的股份必须用来缴纳这笔补偿产生的相关税款，因此我最终只能拿到 100 股中的 66 股。

艾伦：
完全正确，就是这个逻辑。

马特：
关于越来越多的私有公司在非上市阶段待得越来越久这一点，一直是一个非常有趣的动态。作为前公开市场从业者，我确实能理解其中的一些挑战。但从你的视角来看呢？你坐在这一切的交汇点上，你认为他们上市只是一个“何时”而不是“是否”的问题吗？还是你觉得对于 Databricks 乃至整个行业来说，推动这一进程的催化剂会是什么？

艾伦：
对于其中一些百亿甚至千亿美元级估值规模的资产来说，这确实是一个“万亿美元级的问题 (Trillion-dollar question)”。我认为，对于那一批最顶级的私有公司 (我们在公开市场知道有“美股七巨头”，但实际上私有市场也有他们自己的“私有七巨头”)，你已经看到，在融资方面已经有了足够成熟的基础设施——无论是资金的充裕程度，还是在成长后期进行极大规模融资的流程。这基本上使得如果你达到了一定的质量水准，留在私有市场是一件很容易的事。

上市变得不再是为了获取公开市场资金的被迫选择，而更像是一项自主的决策——权衡利弊。对于每家公司来说，这背后的决策都会不同。我认为在 Databricks 的案例中，公允地说，由于他们在 2022 年成长型科技股的回调周期中保持了私有身份，他们得以继续扮演进攻者角色，而这是他们的很多上市公司同行无法做到的。这在许多维度上极大地加速了他们的业务——你可以想象其中的原因，但总的来说，继续在销售和研发 (R&D) 上投入的能力让 Databricks 大受裨益。我无法代表他们，但我能想象这是一次非常有启发性的经历，让他们客观审视：去上市的理由必须足够强大，才能战胜他们已经体验到的留在私有市场的好处。

马特：
这是一个非常有趣的动态，你用“万亿美元级的问题”做出了极其精彩的总结。这肯定会是一个很有意思的观察点。本周有很多头条新闻在讨论明年可能会发生什么，但这几乎已经变成了一个“眼见为实”的环境。

艾伦：
完全同意。

---

执行风险与给投资者的启示

马特：
我们聊了很多关于他们做对了什么、以及面前的机会。那么从风险的角度来看，什么让你最警惕？虽然我们之前略有提及，但当你思考业务面临的风险时，有什么是让你最关注的？

艾伦：
这是一个动态变化极其迅速的市场，因此创新的步伐依然至关重要，不能想当然地认为持续的研发执行能一直维持下去。我们在这个领域看到过一些公司的例子，可能由于分心，在某些产品的交付上变慢了，这会非常迅速地反映在财务数据上。所以，我认为首要的风险，说起来简单是“执行力”，但在 Databricks 的案例中，在如此庞大的规模下持续进行研发交付至关重要。

因为他们正在做这么多不同的事情，他们如何在更新的 AI 产品上执行将随着时间的推移变得极其重要。这可能不一定体现在接下来的 2 到 3 年里，因为正如我们之前讨论的，核心数据工程的顺风是如此之强；但我确实认为，为了实现 Databricks 的宏伟抱负，他们必须以当年执行湖仓一体 (Lakehouse) 策略时的同样水准，来交付一些 AI 产品。

我们现在正处于一个非常类似的“品类创建 (Category Creation)”动态中：智能体应用产品矩阵到底应该是什么样子的？你怎么去称呼它？行业将如何围绕这一套工具和产品进行整合？我认为这不仅是产品执行的问题，更考验 Databricks 一次又一次证明过的营销与商业化 DNA。

我看到的是，他们做出决策的方式往往秉持着非常长期的心态。回到他们当初如何命名公司的决策——通常情况下，如果你只盯着更短的时间窗口，你可能会做出不同的决定：你可能不会将某些东西开源，你可能会忍不住把刚研发出来的任何功能都拿去变现。

我认为，Databricks 继续维持这种 DNA 的能力将是至关重要的。特别是在我们进入 AI 时代的当下，每一次你做出偏向短期的决策，不可避免地会在未来给对手留下可乘之机。所以，我认为从文化层面上来说 (这是我们花很多时间关注的事情)，他们继续维持长期的核心文化，以及维持诞生于学术界、基于第一性原理思考的 DNA，将是极为重要的。说起来简单，做起来难，对我们来说，这是必须持续跟进的关键点。

马特：
是的，这可能又绕回了你关于“留在私有市场还是上市”的最初回答。在私有市场保持长期主义心态，确实要比在公开市场稍微容易一些。在 AI 如此关键的时间点上，这一点格外值得注意。这一切都非常有趣。

马特：
我们通常会以“启示 (Lessons)”来收尾我们的对话。我想你在刚才回答的末尾已经触及到了一些，但你会说，从 Databricks 身上我们可以学到什么？无论是出于模式识别还是其他方面，投资这门生意能给你带来什么启示？

艾伦：
老实说，我还是会重申刚才提到的“长期主义 (Long-termism)”。我想这是很多投资人和创始人都挂在嘴边的话，但在 Databricks 的案例中，你可以切实指出如此多做出取舍决定的具体例子。有些时候人们谈论长期主义，但其实根本看不清他们做出了什么牺牲和妥协。

而我发现，Databricks 团队在讨论他们押注的预测时——追溯到最早期关于世界走向的那三个押注，以及他们始终如一的执行连贯性，是非常突出的。我们讨论过他们本可以更早变现的很多方式。即使回到云端的例子，在当时整个行业还没有完全看清并拥抱云计算时，他们对云的信念是如此之深，以至于他们从未推出过本地部署 (On-premise) 版本的产品。你可以想象，在短期内，这实际上让他们流失了许多本可以变现的客户。但他们对世界的走向拥有极其清晰的视角。

所以，如果你回过头去审视我们聊到的这许多决策，你就能看到大量坚守长期主义并理解其取舍原因的例子。在关注 Databricks 之后，这也成为了我开始在其他公司中去寻找的特质。

马特：
我认为关于长期主义、以及“理解真实的取舍究竟是什么”这一点极其深刻。通常人们很容易漏掉这第二点。这确实非常有趣。艾伦，非常愉快，感谢你为我科普了这些我先前只知皮毛的领域。非常享受这次对话。

艾伦：
不，这很棒。谢谢你。

马特：
要收听更多商业拆解节目 (从 Costco、Visa 到 Moderna)，或订阅我们的每周商业总结，请访问 joincolossus.com。

本期节目由 WCM 投资管理公司 (WCM Investment Management) 合作呈现。本次讨论反映了 WCM 截至录制日期 (2025 年 12 月 10 日) 的观点，不应被视为当前的投资建议，也不构成对投资 Databricks 或任何其他证券的推荐。WCM 持有 Databricks 的财务权益，因此本次讨论存在固有的偏见。欲了解更多披露信息，请访问 wcminvest.com。