Databricks vale 188 bilhões e sua próxima aposta pode redesenhar a IA empresarial
Em cinco meses, a Databricks acrescentou 54 bilhões de dólares à sua avaliação sem estar listada em nenhuma bolsa de valores. Passou de 134 bilhões em fevereiro de 2026 para 188 bilhões em julho, liderada por uma nova rodada estratégica encabeçada pela Coatue Management. O PitchBook estima o valor em 3 bilhões de dólares em ações preferenciais. A empresa não confirmou o número, mas assinou o term sheet. O fechamento é esperado antes do fim do verão.
O que chama atenção não é apenas o número. É a velocidade com que se move a estrutura de poder do mercado de dados empresariais, e o quão deliberadamente a Databricks está escolhendo ficar fora dos mercados públicos enquanto constrói por dentro.
---
O dinheiro não chega a uma empresa de dados. Chega a uma aposta sobre quem controla a camada de inteligência empresarial
Para entender por que a Coatue volta a colocar dinheiro em uma avaliação mais alta, é preciso entender o que está comprando de verdade. A Databricks não é, estritamente, uma empresa de armazenamento de dados. Tampouco é uma provedora de modelos de inteligência artificial. É uma companhia que quer ocupar o espaço entre os dois: o lugar onde os dados proprietários de uma organização se conectam com os modelos de IA que os processam.
Esse espaço, hoje fragmentado e tecnicamente complicado, é o campo de batalha mais intenso da indústria tecnológica. E a Databricks tem três movimentos em andamento que revelam uma leitura muito específica do momento.
O primeiro é o Unity AI Gateway, uma camada de gestão que permite às empresas administrar quais modelos de IA utilizam, sob quais condições e a que custo. Não é infraestrutura de computação. É governança de modelos. Isso importa porque as grandes organizações estão começando a descobrir que ter acesso a dezenas de modelos não resolve nada: o novo problema operacional é decidir qual modelo usar para cada tarefa sem que o custo dispare.
O segundo movimento é o Genie, descrito como um colaborador de IA que responde perguntas e executa ações usando dados corporativos. Aqui a aposta é mais arriscada. De um datacenter a uma interface conversacional é um salto que muitos provedores tentaram com resultados heterogêneos. O diferenciador que a Databricks pretende sustentar é que o Genie não opera sobre dados genéricos, mas sobre os dados específicos do cliente, armazenados e processados dentro de sua própria plataforma. Se isso funcionar com consistência, a retenção de clientes muda de natureza: deixar a Databricks implicaria perder o contexto acumulado.
O terceiro é o Lakebase, um banco de dados construído para aplicações impulsionadas por agentes de IA. Isso aponta para um horizonte um pouco mais longo, onde os fluxos de trabalho automatizados precisam de armazenamento projetado para a escrita e leitura intensiva de processos autônomos, não de analistas humanos. É infraestrutura para um mundo onde os agentes tomam decisões sem esperar confirmação humana em cada etapa.
Os três produtos juntos não são um portfólio diversificado. São um argumento arquitetônico: a Databricks quer ser a camada onde a inteligência artificial empresarial toca o chão.
---
A frase mais reveladora não fala de tecnologia. Fala de economia
Ali Ghodsi, cofundador e CEO da Databricks, usou uma distinção que merece atenção: a diferença entre tokenmaxxing e valuemaxxing. Em termos operacionais, significa passar de "usemos sempre o modelo mais poderoso" para "usemos o modelo que produz o melhor resultado por dólar gasto".
Essa frase tem implicações que vão muito além do marketing. Durante 2023 e boa parte de 2024, a lógica dominante na adoção corporativa de IA foi escalar em direção aos modelos maiores disponíveis. OpenAI, Anthropic e Google competiram entre si pela liderança em benchmarks. As empresas adotaram essa escala quase por inércia: se o modelo mais caro era o mais capaz, era necessário usá-lo.
Mas o custo de operar com modelos de fronteira para todas as tarefas, incluindo as triviais, tornou-se insustentável em escala. Uma empresa que processa milhões de consultas por dia não pode pagar a tarifa de inferência de um modelo de 70 bilhões de parâmetros para responder perguntas que um modelo de 7 bilhões resolve igualmente bem.
O que a Databricks está articulando é uma proposta de valor que se encaixa exatamente nessa pressão: a plataforma que direciona cada tarefa ao modelo correto, ao custo correto, usando os dados corretos. O Unity AI Gateway é o mecanismo técnico dessa proposta. E se conseguir que os CFOs de grandes empresas enxerguem uma linha de economia diretamente atribuível à Databricks, o argumento de venda deixa de ser técnico e passa a ser financeiro.
Essa mudança de registro — de conversa de engenharia para conversa de custos — é o que historicamente transforma uma ferramenta de nicho em infraestrutura obrigatória. A Snowflake fez esse percurso em dados. A Databricks está tentando repeti-lo, mas em uma camada mais alta do stack.
---
Ficar privada a 188 bilhões não é timidez. É posicionamento
A rodada da Coatue reduz explicitamente a pressão de abrir capital. A Inc. anota com clareza: o novo capital dá a Ghodsi mais espaço para operar sem a exposição trimestral que implica uma listagem pública. Isso merece análise, porque a essa avaliação, a pergunta natural é por que a empresa não aproveita o mercado público.
A resposta mais provável não é que os fundadores tenham aversão ao escrutínio. É que o momento estratégico ainda não está maduro. Uma empresa que abre capital a 188 bilhões de dólares precisa demonstrar uma trajetória de crescimento sustentado desde o primeiro dia de listagem. Se o Lakebase e o Genie ainda estão em etapas iniciais de adoção massiva, sair agora significa fixar expectativas sobre uma promessa que ainda não tem escala comprovada.
Manter-se privada com capital da Coatue permite algo específico: executar aquisições sem o ruído público que gera cada movimento de uma empresa listada. A Databricks mencionou explicitamente que parte dos recursos irá para aquisições. Isso sugere que a companhia identifica lacunas em seu stack que prefere comprar em vez de construir. Provavelmente em governança de dados, em observabilidade de modelos ou em capacidades de agentes especializados para indústrias verticais.
Há um padrão na história tecnológica recente: as empresas que postergaram seu IPO em janelas de abundância de capital privado chegaram ao mercado público com uma arquitetura de produto mais completa e com menos dependência de um único vetor de crescimento. A Databricks parece estar seguindo essa lógica. A pergunta não é se vai abrir capital, mas em quais condições o fará e quão diferente será a empresa quando isso acontecer.
O que está claro é que a Coatue não faz essa aposta sobre uma narrativa. Faz sobre um modelo de negócio onde os dados proprietários das empresas geram retenção estrutural. Cada organização que armazena, processa e conecta seus dados na plataforma da Databricks se torna mais custosa de migrar. Isso não é lealdade: é fricção de saída convertida em vantagem competitiva.
---
A corrida não é pelos modelos. É pela camada que os torna úteis dentro da empresa
O deslocamento que essa rodada revela não é sobre avaliações privadas nem sobre o apetite dos investidores de crescimento. É sobre onde o valor vai se concentrar na cadeia da inteligência artificial empresarial durante os próximos anos.
Os modelos de linguagem continuarão melhorando. Alguns serão abertos, outros proprietários. Alguns serão mais baratos, outros mais capazes. O que o mercado de modelos por si só não vai resolver é o problema de conexão: como uma empresa faz para que esses modelos acessem seus dados sem expô-los, os utilizem com critério de custo e produzam ações coerentes com seus processos internos.
Essa camada de conexão, governança e otimização é o território que a Databricks está demarcando. O Unity AI Gateway, o Genie e o Lakebase são os três pontos de ancoragem dessa demarcação. Se os três amadurecerem com consistência, a companhia não precisa vencer a guerra dos modelos. Só precisa ser indispensável no momento em que qualquer modelo toca os dados de uma empresa.
A 188 bilhões de avaliação privada, a Databricks não está mais apostando em se tornar infraestrutura. Está apostando que a infraestrutura que construiu é suficientemente difícil de substituir para que ninguém queira tentar.
