❌ Сооснователь Databricks на TechCrunch Disrupt 2026: что убивает корпоративные сделки с AI
На конференции TechCrunch Disrupt 2026 сооснователь Databricks рассказал, почему многие корпоративные проекты в сфере искусственного интеллекта проваливаются ещё на стадии переговоров. По его словам, компании перешли от фазы «интересно ли нам AI» к фазе «безопасно ли его разворачивать в масштабе».
Основная проблема — не в технологии, а в доверии. Enterprise-клиенты всё чаще требуют прозрачности данных, контроля над моделями и гарантий отсутствия утечек. Без чётких механизмов аудита и compliance сделки разваливаются, даже если продукт технически превосходит аналоги.
Databricks делает ставку на открытые форматы и интеграцию с существующей инфраструктурой заказчиков. Однако, как отметил спикер, ключевой барьер — это не цена или производительность, а отсутствие стандартов безопасности, которые бы устраивали юристов и регуляторов.
#Business #Ai #Databricks #Enterprise #AiSecurity #TechCrunchDisrupt
На конференции TechCrunch Disrupt 2026 сооснователь Databricks рассказал, почему многие корпоративные проекты в сфере искусственного интеллекта проваливаются ещё на стадии переговоров. По его словам, компании перешли от фазы «интересно ли нам AI» к фазе «безопасно ли его разворачивать в масштабе».
Основная проблема — не в технологии, а в доверии. Enterprise-клиенты всё чаще требуют прозрачности данных, контроля над моделями и гарантий отсутствия утечек. Без чётких механизмов аудита и compliance сделки разваливаются, даже если продукт технически превосходит аналоги.
Databricks делает ставку на открытые форматы и интеграцию с существующей инфраструктурой заказчиков. Однако, как отметил спикер, ключевой барьер — это не цена или производительность, а отсутствие стандартов безопасности, которые бы устраивали юристов и регуляторов.
#Business #Ai #Databricks #Enterprise #AiSecurity #TechCrunchDisrupt
🤔1
🧱 Databricks достиг оценки $188 млрд, укрепив статус лидера AI-инфраструктуры
Databricks объявил о новом раунде финансирования, который оценивает компанию в $188 млрд. Раунд возглавил фонд Coatue, сумма привлечённых средств не раскрывается — по данным WSJ, речь идёт примерно о $3 млрд. Это уже четвёртый крупный раунд за полтора года: в декабре 2024 года компания привлекла $10 млрд при оценке $62 млрд, в сентябре 2025 — $1 млрд при $100 млрд, а в феврале 2026 — $5 млрд при $134 млрд.
Основанная в 2013 году как платформа для работы с большими данными, Databricks успешно трансформировалась в AI-провайдера. Компания запустила линейку продуктов для AI-агентов: базу данных Lakebase, шлюз Unity и систему управления мультиагентами Omnigent. Особый интерес вызывает использование Databricks дешёвых открытых моделей — компания активно продвигает китайскую GLM 5.2 от Z.ai для задач кодинга.
CEO Databricks Али Годси опубликовал результаты внутреннего бенчмаркинга: на реальных задачах 3000 инженеров компании открытые модели показали сопоставимое качество с проприетарными решениями от Anthropic и OpenAI при значительно меньшей стоимости. Ключевой вывод — выбор обвязки (harness) для AI-агентов влияет на затраты не меньше, чем выбор самой модели. Опенсорсный инструмент Pi показал лучший баланс цены и качества.
#Business #Databricks #AI #Investings #OpenModel
Databricks объявил о новом раунде финансирования, который оценивает компанию в $188 млрд. Раунд возглавил фонд Coatue, сумма привлечённых средств не раскрывается — по данным WSJ, речь идёт примерно о $3 млрд. Это уже четвёртый крупный раунд за полтора года: в декабре 2024 года компания привлекла $10 млрд при оценке $62 млрд, в сентябре 2025 — $1 млрд при $100 млрд, а в феврале 2026 — $5 млрд при $134 млрд.
Основанная в 2013 году как платформа для работы с большими данными, Databricks успешно трансформировалась в AI-провайдера. Компания запустила линейку продуктов для AI-агентов: базу данных Lakebase, шлюз Unity и систему управления мультиагентами Omnigent. Особый интерес вызывает использование Databricks дешёвых открытых моделей — компания активно продвигает китайскую GLM 5.2 от Z.ai для задач кодинга.
CEO Databricks Али Годси опубликовал результаты внутреннего бенчмаркинга: на реальных задачах 3000 инженеров компании открытые модели показали сопоставимое качество с проприетарными решениями от Anthropic и OpenAI при значительно меньшей стоимости. Ключевой вывод — выбор обвязки (harness) для AI-агентов влияет на затраты не меньше, чем выбор самой модели. Опенсорсный инструмент Pi показал лучший баланс цены и качества.
#Business #Databricks #AI #Investings #OpenModel
👍2🔥1💯1
Databricks опубликовала разбор того, как крупные инженерные команды справляются с экспоненциальным ростом счетов за агентный кодинг. Материал основан на их собственном опыте и разговорах со Stripe, Coinbase, Uber и Ramp; попал в топ Hacker News.
Главный тезис — гнаться нужно не за intelligence frontier, а за efficiency frontier: набором моделей с лучшей ценой при достаточном для повседневного кода качестве. Эта граница двигается быстрее пиковой интеллектуальности, но публичные бенчмарки для её оценки бесполезны, нужны внутренние прогоны на своей кодовой базе. Показательно: Stripe протестировала Opus 4.7, не увидела прироста качества над 4.6 при большей цене и не стала выдавать её разработчикам; Databricks зафиксировала похожую регрессию по стоимости у Opus 5.0 против 4.8 и раскатила внутрь GLM.
Четыре рычага. Первый — быстрый переход на более эффективные модели, что требует независимости от харнесса: либо разработчики переключаются между Claude Code, Codex и Cursor, либо используется мета-харнесс, который прячет это под общим интерфейсом. Второй — автоматическая маршрутизация запросов и задач; внутренний Smart Router у Databricks срезает среднюю стоимость задачи более чем на 30% при сопоставимом качестве. Третий — вместо жёстких бюджетов прогрессивное трение: мгновенная видимость трат, спенд-гейты, понижение на дешёвую модель и приостановка только в крайнем случае. Жёсткие лимиты почти все опрошенные компании считают контрпродуктивными — часть самых дорогих пользователей это как раз те, кто выдаёт кратный результат. Четвёртый — борьба с раздутым контекстом: агент сам добирает основную массу токенов через обход кода и вызовы инструментов. Тюнинг харнесса и кэширования дал Databricks сокращение генерируемых токенов почти вдвое без потери качества.
#Business #Databricks #AI #Development #FinOps #LLM
Please open Telegram to view this post
VIEW IN TELEGRAM
🎉1👌1