Introdução
A Databricks, empresa de análise de dados e inteligência artificial, anunciou uma nova rodada de investimentos que eleva sua avaliação de mercado para impressionantes US$ 188 bilhões. O investimento, liderado pela Coatue, marca mais um capítulo na transformação da empresa de uma plataforma de big data para uma das principais fornecedoras de infraestrutura de IA do mundo. Esta valorização representa um salto de 40% em apenas cinco meses, consolidando a Databricks como uma das startups mais valiosas do planeta e demonstrando o apetite insaciável do mercado por empresas que facilitam a implementação de IA em escala empresarial.
Uma trajetória meteórica de captações
A velocidade com que a Databricks tem levantado capital é notável mesmo para os padrões do Vale do Silício. Em fevereiro deste ano, a empresa fechou uma rodada Série L de US$ 5 bilhões com valuation de US$ 134 bilhões. Cinco meses antes, em setembro de 2025, havia captado US$ 1 bilhão a uma avaliação de US$ 100 bilhões. E em dezembro de 2024, estabeleceu um recorde ao levantar US$ 10 bilhões quando valia US$ 62 bilhões.
Esta sequência frenética de rodadas de investimento gerou até memes nas redes sociais sobre o esgotamento das letras do alfabeto para nomear as séries de investimento. Um usuário brincou no X (antigo Twitter): ‘Ligando alertas para quando chegarmos à Série AA’. O humor reflete a realidade: a Databricks tem captado recursos em um ritmo sem precedentes, aproveitando o momento de ouro da IA generativa.
O que torna essa trajetória ainda mais impressionante é que a empresa não divulgou o valor exato desta última rodada, apenas confirmando que o dinheiro ainda não foi transferido e que a operação será concluída no verão do hemisfério norte. Fontes do mercado indicam que o montante gira em torno de US$ 3 bilhões. A confiança para anunciar antes mesmo de receber os recursos demonstra a solidez do negócio e o interesse massivo dos investidores.
De plataforma de dados para potência de IA
Fundada em 2013, a Databricks construiu sua reputação inicial na era do big data, oferecendo soluções que permitiam às empresas armazenar volumes gigantescos de informações na nuvem mantendo análises rápidas e eficientes. Essa base sólida em gerenciamento de dados empresariais posicionou a empresa de forma privilegiada quando a revolução da IA generativa começou.
A transformação da Databricks em uma empresa de IA não foi acidental. Por já gerenciar os dados de grandes corporações, a empresa tinha uma vantagem competitiva natural: as empresas precisavam de soluções de IA que oferecessem a mesma segurança, governança e confiabilidade que esperavam de softwares empresariais tradicionais. A Databricks soube capitalizar essa necessidade.
A empresa lançou uma série de produtos focados em IA, incluindo o Lakebase, um banco de dados construído especificamente para agentes de IA, e o Unity, seu gateway de IA. Também desenvolveu o Omnigent, uma ‘meta-harness’ que gerencia múltiplos agentes de IA trabalhando em conjunto. Essas soluções atendem a uma demanda crescente de empresas que querem implementar IA sem comprometer segurança ou controle sobre seus dados.
A aposta em modelos open-weight e redução de custos
Um dos aspectos mais interessantes da estratégia da Databricks é seu posicionamento como defensora dos modelos open-weight – aqueles cujo código subjacente é publicado para uso e modificação livre. A empresa tem sido particularmente vocal sobre os benefícios do modelo GLM 5.2 da empresa chinesa Z.ai para tarefas de programação.
Na semana passada, o CEO Ali Ghodsi compartilhou resultados de benchmarks internos realizados para gerenciar os custos de IA dos 3.000 engenheiros de software da empresa. O estudo comparou diferentes modelos de IA em tarefas reais de programação executadas pela equipe. Os resultados foram reveladores: modelos open-weight, especialmente o GLM 5.2, conseguiram lidar com tarefas de alta complexidade em programação com custos totais menores que modelos proprietários da Anthropic e OpenAI.
Mas a pesquisa trouxe uma descoberta ainda mais importante: a escolha do harness – a ferramenta de codificação que envolve o modelo e gerencia contexto e instruções – impacta os custos tanto quanto a escolha do modelo em si. O estudo identificou que o harness open-source Pi era um dos melhores em gerenciar contexto ao redor de cada prompt, resultando em custos mais baixos sem sacrificar qualidade.
Esta abordagem ressoa fortemente com empresas brasileiras que buscam implementar IA mas se preocupam com custos operacionais. A mensagem é clara: não é apenas sobre escolher o modelo mais barato, mas sobre otimizar toda a stack de IA, desde o modelo até as ferramentas de gerenciamento.
O que isso significa para o mercado brasileiro
A valorização estratosférica da Databricks e sua estratégia focada em modelos open-weight têm implicações diretas para o mercado brasileiro de tecnologia. Primeiro, valida a tendência de que infraestrutura de dados combinada com IA open-source está se tornando o padrão para empresas que querem escalar suas operações de inteligência artificial de forma sustentável.
Para CTOs e líderes de tecnologia no Brasil, os insights da Databricks sobre economia de custos são particularmente relevantes. Com o real desvalorizado frente ao dólar, os custos de APIs de modelos proprietários podem rapidamente se tornar proibitivos. A demonstração de que modelos open-weight podem entregar resultados comparáveis ou superiores com custos menores abre novas possibilidades para empresas brasileiras.
Além disso, a ênfase na importância do harness e não apenas do modelo sugere que empresas locais devem investir em expertise para otimizar toda sua infraestrutura de IA, não apenas na escolha do modelo. Isso cria oportunidades para consultorias e integradores especializados em implementação eficiente de IA.
O fenômeno do ‘AI-washing’ e lições para o mercado
O sucesso da Databricks em se reposicionar como empresa de IA ilustra um fenômeno mais amplo no mercado: o poder do ‘halo effect’ da inteligência artificial. Como mencionado no artigo original, até mesmo a rede de sanduíches Jersey Mike’s mencionou IA 22 vezes em seus documentos de IPO. Isso levanta questões sobre o que constitui uma verdadeira empresa de IA versus aquelas apenas surfando na onda.
No caso da Databricks, a transformação parece genuína. A empresa não apenas adicionou ‘IA’ ao seu marketing – ela desenvolveu produtos específicos, conduziu pesquisas relevantes e se posicionou como líder de pensamento em questões críticas como custo e eficiência. Para empresas brasileiras, isso serve como modelo de como fazer uma transição autêntica para o espaço de IA.
Conclusão
A avaliação de US$ 188 bilhões da Databricks representa mais do que apenas outro número impressionante no mundo das startups. Ela sinaliza a maturação do mercado de infraestrutura de IA empresarial e valida a abordagem de combinar plataformas robustas de dados com soluções de inteligência artificial acessíveis e eficientes em custo. Para o mercado brasileiro, as lições são claras: a implementação bem-sucedida de IA em escala empresarial requer não apenas escolher os modelos certos, mas otimizar toda a infraestrutura ao redor deles. Com a crescente disponibilidade de modelos open-weight de alta qualidade e a demonstração de que podem competir com alternativas proprietárias, empresas brasileiras têm uma oportunidade única de implementar IA de forma economicamente viável. O sucesso da Databricks mostra que, no mundo da IA empresarial, a combinação de dados sólidos, infraestrutura confiável e abordagem pragmática aos custos pode criar valor extraordinário.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em TechCrunch, disponível em https://techcrunch.com/2026/07/17/databricks-hits-188b-valuation-extending-its-run-as-ais-favorite-second-act/.
