Databricks는 기업 데이터 중력 (corporate data gravity)을 **1,880억 달러의 Databricks 기업 가치 (valuation)**를 방어할 수 있을 만큼 충분히 빠르게 AI 플랫폼 수익으로 전환할 수 있을까요?

이것이 새로운 펀딩 라운드 이면에 있는 진짜 질문입니다. Databricks는 Coatue가 주도하는 **1,880억 달러의 기업 가치 (valuation)**로 전략적 자금 조달을 위한 텀 시트 (term sheet)에 서명했다고 밝혔으며, 이번 라운드는 올여름 말에 마감될 예정이라고 TechCrunch에 따르면 전해졌습니다. 회사는 얼마를 조달하는지는 공개하지 않았습니다. TechCrunch는 다른 매체들이 조달 금액을 약 30억 달러로 보도했다고 언급했습니다.

XOOMAR 분석: 이 기업 가치는 단순히 또 다른 AI 라벨에 대한 보상이 아닙니다. 이는 투자자들이 이제 차세대 엔터프라이즈 AI 승자가 이미 기업 데이터, 거버넌스 (governance), 그리고 개발자 워크플로우 (developer workflows)에 밀접하게 위치한 기업들로부터 나올 수 있다고 믿고 있음을 의미합니다. Databricks는 빅데이터 클라우드 소프트웨어 기업이라는 기존의 정체성이 AI 플랫폼 스토리로 변모할 수 있다는 점을 사모 시장 후원자들에게 설득해 냈습니다.

왜 Databricks의 기업 가치는 계속해서 높아지는가?

**Databricks의 기업 가치 (valuation)**는 대부분의 후기 단계 소프트웨어 기업들이 정체되어 보이게 만들 정도로 빠른 속도로 움직였습니다.

이러한 순서는 최신 헤드라인 수치보다 더 중요합니다. 소스 타임라인에 따르면 Databricks는 약 1년 반 동안 네 차례나 기업 가치가 상향 조정되었습니다. 이 회사는 너무나 많은 라운드를 거듭하여 TechCrunch는 이것이 밈 (meme) 소재가 되었다고 언급했습니다.

“우리가 Series AA를 받을 때 알림이 울리도록 설정해야겠다”라고 한 사람이 게시했습니다.

특이한 점은 타이밍입니다. Databricks는 자금이 실제로 손에 들어오기 전에 새로운 라운드를 발표했습니다. TechCrunch는 한 VC가 이 거래가 확실하며, 투자자 수요가 매우 강력하여 회사가 기업 가치를 숨길 이유가 거의 없었다고 보도했습니다.

XOOMAR 분석: 거래 종료 전 발표하는 것은 하나의 신호입니다. Databricks는 시장이 지금 당장 그 수치를 확인하기를 원합니다. **1,880억 달러의 Databricks 기업 가치 (valuation)**는 고객, 직원, 인수 대상 및 잠재적인 미래 투자자들에 대한 회사의 입지를 강화합니다. 또한 이는 기준치를 높입니다. 비상장 기업이 일단 스스로에게 그 정도의 수치를 부여하고 나면, 단순히 "AI 모멘텀 (AI momentum)"만으로는 충분하지 않게 됩니다.

Databricks는 스토리 외에 실제로 무엇을 바꾸었는가?

Databricks는 2013년에 설립되었으며, 기업이 클라우드에 대량의 데이터를 저장하면서 동시에 빠른 분석을 수행할 수 있도록 돕는 소프트웨어를 통해 빅데이터 (big-data) 시대에 처음 성장했습니다. 이 출발점이 중요한 이유는, 거버넌스(governance)가 갖춰지고 접근 가능한 비즈니스 데이터 없이는 기업용 AI (enterprise AI)가 유용해지는 경우가 드물기 때문입니다.

이 회사의 두 번째 막은 바로 그 가교를 중심으로 구축되었습니다. Databricks는 새로운 자본이 Unity AI Gateway, Genie, 그리고 Lakebase에 걸친 자사의 AI 전략을 지원할 것이라고 밝혔습니다. 회사의 보도 자료는 Unity AI Gateway를 멀티 AI 거버넌스 (multi-AI governance) 제품으로, Genie를 비즈니스 데이터를 답변과 행동으로 전환하는 AI 동료로, 그리고 Lakebase를 AI 에이전트 (AI agents)를 위해 구축된 서버리스 Postgres 데이터베이스 (serverless Postgres database)로 설명합니다.

Databricks의 CEO인 Ali Ghodsi는 비용 제어와 모델 선택권을 중심으로 전략을 설정했습니다:

"기업들은 토큰맥싱 (tokenmaxxing)에서 가치맥싱 (valuemaxxing)으로 이동하고 있습니다. 기업들은 모든 작업에 대해 가장 똑똑한 모델에 값비싼 토큰을 낭비하고 싶어 하지 않습니다. 그들은 달러당 최선의 결과를 원합니다. 이는 작업에 적합한 AI를 선택할 수 있는 자유를 갖는 것을 의미합니다."

"토큰맥싱 (tokenmaxxing)"이라는 문구는 가장 강력한 시스템을 필요로 하지 않을 수도 있는 작업에 값비싼 모델 사용량을 낭비하는 것을 뜻하는 Databricks의 약어입니다. 더 큰 핵심 제안은 간단합니다. 기업에는 거버넌스(governed)가 가능하고, 라우팅(routed)될 수 있으며, 감사(audited)가 가능하고, 합리적인 가격이 책정될 수 있는 AI가 필요하다는 것입니다.

XOOMAR 분석: Databricks는 프런티어 AI 연구소 (frontier AI lab)처럼 보이려고 노력하는 것이 아닙니다. 기업이 어떤 모델을, 어떤 데이터에 대해, 어떤 규칙 하에, 어떤 비용으로 실행할지 결정하는 계층 (layer)을 점유하려고 노력하는 것입니다.

왜 오픈 웨이트 (open-weight) 코딩 연구가 제안의 핵심인가?

Databricks는 또한 오픈 웨이트 (open-weight) AI 모델에 대해 더 날카로운 논거를 제시해 왔습니다. 이는 모델의 기반 코드가 공개되어 다른 사람들이 사용하고 수정할 수 있는 모델을 의미합니다. TechCrunch에 따르면, Databricks는 비용 통제를 위해 중국 기반의 더 저렴한 오픈 웨이트 모델을 채택하는 기업 사례로 알려져 있으며, 특히 코딩을 위한 Z.ai의 GLM 5.2의 옹호자로 자리매김했습니다.

지난주, Ghodsi는 Databricks 소속 3,000명의 소프트웨어 엔지니어와 관련된 내부 벤치마킹 결과를 공유했습니다. 이 회사는 자사 프로그래머들이 수행하는 실제 작업들을 바탕으로 AI 모델들을 비교했습니다.

Databricks는 다음과 같이 밝혔습니다:

“오픈 모델, 특히 GLM 5.2는 이제 가장 높은 수준의 작업 난이도까지 처리할 수 있습니다.”

놀라운 발견은 단순히 모델 선택에 관한 것만이 아니었습니다. Databricks는 모델을 감싸고 컨텍스트 (context)와 지시 사항을 관리하는 에이전트형 코딩 도구인 하네스 (harness) 또한 비용에 큰 영향을 미친다고 밝혔습니다. 이 회사는 오픈 소스 하네스인 Pi가 프롬프트 컨텍스트 (prompt context)를 관리하는 데 있어 가장 강력한 옵션 중 하나이며, 품질을 희생하지 않으면서 비용을 낮춘다는 것을 발견했습니다.

“여기서 얻을 수 있는 교훈은 특정 하네스가 항상 더 저렴하다거나 네이티브 하네스가 더 나쁘다는 것이 아닙니다.”라고 해당 게시물은 선언했습니다. “대신, 모델 선택은 퍼즐의 한 조각일 뿐입니다.”

이것이 이 이야기에서 가장 중요한 기술적 포인트입니다. 만약 하네스가 모델만큼이나 비용을 변화시킨다면, 기업의 AI 구매는 단순히 하나의 유명한 모델을 선택하는 문제가 아니라 모델, 도구, 프롬프트, 컨텍스트, 거버넌스 (governance), 그리고 워크플로 라우팅 (workflow routing)의 스택을 관리하는 문제에 더 가까워집니다.

누가 이번 펀딩 라운드를 기회로 보고, 누가 경고로 보는가?

구매자마다 **Databricks의 기업 가치 (valuation)**에서 서로 다른 메시지를 읽어낼 것입니다.

• CIOs (최고정보책임자): Databricks는 데이터, 거버넌스 (governance), AI 모델 선택, 그리고 에이전트 인프라 (agent infrastructure)를 하나의 플랫폼 스토리로 묶는 방법을 제시하고 있습니다.
• Developers (개발자): 오픈 웨이트 (open-weight) 코딩 작업은 폐쇄형 모델 전용 (closed-model-only) 방식보다 더 많은 유연성을 시사하지만, 개발자들은 기업 가치가 아닌 워크플로 (workflow) 품질로 이를 판단할 것입니다.
• CFOs (최고재무책임자): "달러당 최선의 결과"라는 메시지는 AI 예산 압박에 직접적으로 작용합니다. 해결되지 않은 질문은 모델 비용의 절감이 운영, 통합, 그리고 통제 (controls)가 포함된 전체 비용 (total cost)의 절감으로 이어질 것인가 하는 점입니다.
• Closed model providers (폐쇄형 모델 제공업체): Databricks의 논리는 모든 기업용 AI 작업이 TechCrunch의 비교 분석에서 언급된 Anthropic 또는 OpenAI의 독점 모델 (proprietary models)을 기본값으로 사용해야 한다는 생각을 약화시킵니다.
• Cloud platforms (클라우드 플랫폼): Databricks는 더 많은 AI 워크로드 (workload) 활동을 유도할 수 있지만, Databricks의 멀티 AI (multi-AI) 태세는 전략적 통제권을 Databricks의 거버넌스 및 라우팅 레이어 (routing layer) 쪽으로 이동시킬 수도 있습니다.

AI 지출의 물리적 인프라 측면을 추적하는 독자들에게, 이 소프트웨어 레이어 (software-layer) 이야기는 XOOMAR의 New York Data Center Moratorium Hits AI's Power Grab 및 $6B Valuation Thrusts Valar Atomics Into AI Power Race 보도와 나란히 위치합니다. 이들은 별개의 이야기이지만, 함께 보면 AI 투자가 데이터, 컴퓨팅 (compute), 에너지, 그리고 기업 워크플로 레이어 전반에 걸쳐 어떻게 확산되고 있는지를 보여줍니다.

1,880억 달러라는 가치는 Databricks를 AI 기업으로 만드는가, 아니면 단지 AI 기업처럼 가격을 매기는 것인가?

Databricks는 브랜딩 단계에서 분명히 승리했습니다. TechCrunch는 Databricks의 "이미지 재구축이 정당했다"고 말하는데, 이는 기업들이 전통적인 엔터프라이즈 소프트웨어에서 기대하는 것과 동일한 보안 및 거버넌스를 갖춘 AI를 요구하기 시작했을 때, 이 회사가 이미 엔터프라이즈 데이터 근처에 자리 잡고 있었기 때문입니다.

그 차이는 중요합니다. 많은 기업이 AI를 언급합니다. Databricks는 AI가 엔터프라이즈 데이터와 모델 사용에 대한 제어 평면 (control plane)을 필요로 한다고 주장하고 있습니다. 이들의 제품명은 그러한 논지를 뒷받침합니다. 거버넌스 및 비용 제어를 위한 Unity AI Gateway, 비즈니스 데이터 답변 및 액션을 위한 Genie, AI 에이전트를 위한 Lakebase가 그 예입니다.

XOOMAR 분석: 이번 기업 가치는 단일 제품에 관한 것이라기보다, Databricks가 엔터프라이즈 AI 인프라를 위한 기본 조달 해답 (default procurement answer)이 될 수 있는지에 관한 것입니다. 고객이 모델 유연성, 거버넌스가 적용된 데이터 액세스, 그리고 비용 관리를 한 곳에서 원한다면 Databricks는 일관된 스토리를 가지고 있습니다. 만약 고객이 이것들을 별개의 구매 결정 사항으로 취급한다면, 이 기업 가치를 방어하기는 더 어려워질 것입니다.

1,880억 달러 고지를 넘은 후, 어떤 증거가 이 논지를 확증할 것인가?

다음 테스트는 Databricks가

결론 (The Bottom Line)

• Databricks의 1,880억 달러 기업 가치는 기업용 데이터 플랫폼 (enterprise data platforms)이 주요 AI 비즈니스로 성장할 수 있다는 투자자들의 신뢰를 보여줍니다.
• 급격한 기업 가치 상승은 Databricks가 기업 데이터 접근 권한을 지속 가능한 AI 수익으로 전환해야 한다는 압박을 가중시킵니다.
• 이번 투자 라운드는 반복되는 후기 단계 자금 조달 (late-stage fundraises)에도 불구하고, AI 인프라 (AI infrastructure)에 대한 사모 시장 (private-market)의 수요가 여전히 강력함을 시사합니다.

원문은 XOOMAR에 게시되었습니다. 더 많은 뉴스 및 분석을 보시려면 XOOMAR를 방문하세요.