Databricks是一家基于云計算Spark大數(shù)據(jù)的軟件運營商，于2013年1月1日正式成立，總部設在美國舊金山。作為大數(shù)據(jù)處理領域的領軍企業(yè)，Databricks專注于提供基于Spark的云服務，涵蓋數(shù)據(jù)集成、數(shù)據(jù)清洗、數(shù)據(jù)管理等多個環(huán)節(jié)，致力于為企業(yè)打造高效、安全的數(shù)據(jù)處理解決方案?，F(xiàn)任首席執(zhí)行官為阿里?戈西（Ali Ghodsi）。

Databricks由Apache Spark的7位初始成員（Ali Ghodsi、Andy Konwinski、Arsalan Tavakoli-Shiraji、Ion Stoica、Matei Zaharia、Patrick Wendell和Reynold Xin）共同創(chuàng)立。2016年，Databricks與微軟達成合作，開啟了其在云計算領域的重要布局。2017年11月，Databricks成功成為微軟Azure的第一方服務平臺，進一步鞏固了其在云市場的地位。

2018年：Databricks發(fā)布了MLflow，這是一款用于管理機器學習項目的開源平臺，旨在簡化數(shù)據(jù)科學家構建、測試和部署機器學習模型的復雜過程。

2019年：Databricks發(fā)布了Delta Lake，構建了數(shù)據(jù)湖屋架構的存儲框架，為數(shù)據(jù)湖的構建和管理提供了有力支持。

2020年：6月，Databricks宣布收購以色列初創(chuàng)公司Redash，并基于其技術推出了數(shù)據(jù)湖屋關鍵開源技術Delta Engine，該技術可在Delta Lake之上分層，顯著提高查詢性能。11月，Databricks推出了Databricks SQL，用于在數(shù)據(jù)湖上運行商業(yè)智能和分析報告，進一步豐富了其產品線。

2021年：Databricks與谷歌云建立合作，使用戶能夠在谷歌云上應用Databricks平臺的功能，成為當時唯一一個可以在谷歌、亞馬遜和微軟三大云平臺上使用的統(tǒng)一數(shù)據(jù)平臺。10月，Databricks收購了德國無代碼公司8080Labs，降低了平臺的使用門檻，并在CIDR 2021發(fā)表論文，首次正式提出了數(shù)據(jù)湖屋（Lakehouse）的概念。

2023年：為了應對OpenAI的ChatGPT，Databricks推出了開源語言模型Dolly，展現(xiàn)了其在人工智能領域的創(chuàng)新能力。

2024年：3月，Databricks推出了一款名為DBRX的通用大型語言模型，進一步提升了其在人工智能領域的競爭力。

2023年6月26日：Databricks正式宣布以約13億美元收購生成式人工智能初創(chuàng)公司MosaicML，旨在為企業(yè)提供構建類ChatGPT工具的服務，交易預計于7月31日前完成。

2023年9月14日：Databricks完成了超過5億美元的I輪融資，為其后續(xù)發(fā)展提供了強大的資金支持。

2024年12月7日：Databricks宣布完成100億美元J輪融資，公司估值從此前的430億美元攀升至620億美元。本輪融資由Thrive Capital領投，多家知名投資機構參與，包括Andreessen Horowitz、DST Global、GIC、Insight Partners和WCM Investment Management作為共同領投方。

2025年8月19日：Databricks發(fā)布公告稱，正在進行一輪超過10億美元的K輪融資，各方已經(jīng)簽署了投資條款清單，對應估值將超過1000億美元。

管理團隊

聯(lián)合創(chuàng)始人兼首席執(zhí)行官阿里?戈西（Ali Ghodsi）

全球現(xiàn)場運營總裁安迪?科福德（Andy Kofoid）

首席財務官大衛(wèi)?孔特（David Conte）

首席人力官艾米?賴克南德特（Amy Reichanadter）

高級副總裁兼總法律顧問特蘭?菲（Tram Phi）

首席營收官羅恩?加布里斯科（Ron Gabrisko）

首席營銷官里克?舒爾茨（Rick Schultz）

首席運營官哈蒂姆?沙菲克（Hatim Shafique）

主營業(yè)務

Databricks旗下主要產品為大數(shù)據(jù)平臺Spark，該平臺基于Apache Spark開源大數(shù)據(jù)框架，是統(tǒng)一的數(shù)據(jù)分析平臺，定義了云計算時代數(shù)據(jù)處理標準的引擎，為企業(yè)提供了高效、靈活的數(shù)據(jù)處理能力。

產品服務

Data Sharing（數(shù)據(jù)共享平臺）：Databricks和Linux基金會聯(lián)合開發(fā)了Delta Sharing數(shù)據(jù)共享平臺，為跨數(shù)據(jù)、分析和人工智能的數(shù)據(jù)共享提供了一個開源方法?？蛻艨梢栽诟叨劝踩椭卫淼钠脚_區(qū)域之間共享實時數(shù)據(jù)，適用于企業(yè)內部業(yè)務線共享、B2B分享與數(shù)據(jù)貨幣化等場景。

Unity Catalog（統(tǒng)一管理方法）：Databricks Unity Catalog為Databricks數(shù)據(jù)智能平臺內的數(shù)據(jù)和人工智能提供了統(tǒng)一的管理方法。組織可以在任何云或平臺上無縫地管理其結構化和非結構化數(shù)據(jù)、機器學習模型、筆記本、儀表板和文件。數(shù)據(jù)科學家、分析師和工程師可以使用Unity Catalog發(fā)現(xiàn)、訪問可信數(shù)據(jù)和人工智能資產并進行協(xié)作，利用人工智能提高生產力并釋放數(shù)據(jù)湖屋架構的全部潛力。該功能能夠提高生產力，簡化許可模型，進行人工智能監(jiān)控并提高可視性。

Mosaic AI（統(tǒng)一構建工具）：Databricks Mosaic AI能夠提供統(tǒng)一的工具來構建、部署和監(jiān)控人工智能和機器學習解決方案，包括構建預測模型、最新的GenAI和大型語言模型?；贒atabricks數(shù)據(jù)智能平臺，Mosaic AI使組織能夠安全且經(jīng)濟高效地將企業(yè)數(shù)據(jù)集成到AI生命周期中。在保證企業(yè)對模型和數(shù)據(jù)的所有權的同時，提供準確、安全和可控的AI應用程序，并以更低的成本為用戶培訓定制化的大語言模型。

Databricks

DBRX（通用大語言模型）：DBRX是Databricks下一代GenAI產品的核心支柱，是由Databricks創(chuàng)建的開放的通用大語言模型，采用了創(chuàng)新的先進技術。它為開放社區(qū)和企業(yè)提供了構建定制化大語言模型的功能，可供Databricks客戶通過應用程序接口使用。根據(jù)Databricks的測試，它超過了GPT-3.5，與Gemini 1.0 Pro有相似的競爭力。另外，DBRX在開放模型中提高了效率，是同類型的模型計算速度的2倍。

Delta Lake（構建湖屋架構的存儲框架）：Delta Lake是DataBricks公司開源的、用于構建數(shù)據(jù)湖屋架構的存儲框架，是可以在開放格式之間自動即時轉換的開放格式存儲層，能夠支持Spark、Flink、Hive、PrestoDB、Trino等查詢計算引擎。數(shù)據(jù)湖和數(shù)據(jù)庫、數(shù)據(jù)倉庫一樣，都是數(shù)據(jù)存儲的設計模式。區(qū)別在于，數(shù)據(jù)庫和數(shù)據(jù)倉庫通常采用明確的模式設計，即先定義好數(shù)據(jù)模型和數(shù)據(jù)結構，再將數(shù)據(jù)整合到這個模型中，因此數(shù)據(jù)庫和數(shù)據(jù)倉庫更固定、更靜態(tài)；而數(shù)據(jù)湖則更注重數(shù)據(jù)的采集和存儲，采用更靈活的架構對各種異構的數(shù)據(jù)源和數(shù)據(jù)格式進行處理，因此數(shù)據(jù)湖更加動態(tài)和靈活。數(shù)據(jù)湖屋結合了兩者的優(yōu)勢，并且通過打通數(shù)據(jù)湖和數(shù)據(jù)倉庫，能有效消除用戶組織內部的數(shù)據(jù)壁壘。

Data Streaming（數(shù)據(jù)流）：Databricks數(shù)據(jù)智能平臺極大地簡化了數(shù)據(jù)流，在一個平臺上提供實時分析、機器學習和應用程序。Data Streaming能夠幫助用戶使用已知的語言和工具構建數(shù)據(jù)平臺，通過自動化構建和維護實時數(shù)據(jù)，簡化開發(fā)和操作流程，并通過流的方式批量處理數(shù)據(jù)，消除數(shù)據(jù)孤島。Spark結構化流是實現(xiàn)Databricks數(shù)據(jù)智能平臺上數(shù)據(jù)流的核心技術，為批處理和流處理提供統(tǒng)一的應用程序接口。Databricks是運行Apache Spark工作負載的最佳場所，其托管服務能夠達到99.95%的正常運行率。

MLflow（開源的機器學習平臺）：MLflow是一個能夠覆蓋機器學習全流程（從數(shù)據(jù)準備到模型訓練到最終部署）的平臺，旨在簡化數(shù)據(jù)科學家構建、測試和部署機器學習模型的復雜過程。MLflow的第一個alpha版本有三個組件，其中"跟蹤"組件（Tracking）支持記錄和查詢實驗周圍的數(shù)據(jù)，如評估指標和參數(shù)；"項目"組件（Projects）提供了可重復運行的簡單包裝格式；"模型"組件（Models）提供了管理和部署模型的工具。

2024年，Databricks陷入了一場版權糾紛。多名作家在舊金山聯(lián)邦法院對Databricks提起集體訴訟，指控該公司在訓練大模型時“未經(jīng)同意、未經(jīng)認可、無補償”地復制和借鑒了他們的書籍。根據(jù)起訴書，Databricks被指控使用盜版數(shù)字電子書庫Books3的數(shù)據(jù)訓練了公司旗下的大模型MosaicML。原告認為，Databricks收購了MosaicML公司，而MosaicML生產MPT系列大型語言模型中使用了含有盜版內容的數(shù)據(jù)集進行訓練，因此構成著作權侵權。這一事件對Databricks的聲譽和市場形象造成了一定的影響。