Databricks એ $5 બિલિયનનો નવો રાઉન્ડ પૂર્ણ કર્યો છે જે તેના ખાનગી બજારના મૂલ્યને $190 બિલિયન સુધી લઈ જાય છે, જે આ ડેટા-ઇન્ફ્રાસ્ટ્રક્ચર કંપનીને વિશ્વની સૌથી મૂલ્યવાન ખાનગી ટેક કંપનીઓમાં સ્થાન આપે છે.

આ ફંડિંગ અત્યારે શા માટે મહત્વનું છે

AI ના વધતા પ્રભાવે ડેટા પ્રોસેસિંગને એક અવરોધ (bottleneck) બનાવી દીધું છે. મોટા મોડલ્સને ટ્રેન કરવા માટે પેટાબાઇટ્સ સ્ટોરેજ અને અબજો કમ્પ્યુટ સાયકલની જરૂર પડે છે, અને ઉદ્યોગ એવા પ્લેટફોર્મ્સ માટે મથામણ કરી રહ્યો છે જે આ ગતિ સાથે ચાલી શકે. Databricks એ “Lakehouse” આર્કિટેક્ચર પર પોતાની પ્રતિષ્ઠા બનાવી છે, જે ડેટા-લેક (data-lake) ની લવચીકતા અને ડેટા-વેરહાઉસ (data-warehouse) ના પ્રદર્શનનું મિશ્રણ કરે છે. રોકાણકારો તેને આ કાર્યભાર (workload) માટે કરોડરજ્જુ તરીકે જુએ છે. નવું મૂડી રોકાણ આગામી તબક્કા—Lakehouse 2.0—ને વેગ આપશે અને એવા બજારોમાં કંપનીના પ્રભાવને વધારશે જ્યાં AI-રેડી ડેટા પાઇપલાઇન્સ હજુ પણ ઉભરી રહી છે.

આ રાઉન્ડ કેવી રીતે આગળ વધ્યો

Databricks આ રાઉન્ડમાં અંદાજે $1 બિલિયન મેળવવાની શોધમાં હતું. રોકાણકારોની રુચિ ઝડપથી તે લક્ષ્ય કરતાં વધી ગઈ, જેમાં કેટલાક પક્ષો અહેવાલ મુજબ $15 બિલિયન સુધીનું રોકાણ કરવા તૈયાર હતા. કંપનીએ $5 બિલિયનના રોકાણ પર નિર્ણય લીધો, જેને તેના નેતૃત્વએ બજારના દબાણ સામે સમર્પણ કરવાને બદલે “શિસ્તબદ્ધ” (disciplined) મૂડી વ્યવસ્થાપન ગણાવ્યું છે.

મુખ્ય સહભાગીઓમાં સિલિકોન વેલીની બે સૌથી સક્રિય વેન્ચર ફર્મ્સ અને એશિયન સોવરિન-વેલ્થ ફંડ્સનો સમૂહ સામેલ છે જેમણે સાથે મળીને $2 બિલિયનથી વધુનું યોગદાન આપ્યું છે. યુએસ અને સોવરિન રોકાણકારોનું આ મિશ્રણ AI-કેન્દ્રિત ડેટા ઇન્ફ્રાસ્ટ્રક્ચર સાથે જોડાયેલા વૈશ્વિક હિતોને દર્શાવે છે.

આ નાણાંનો ઉપયોગ ક્યાં થશે

  • Lakehouse 2.0 – એક અપગ્રેડેડ પ્લેટફોર્મ જે રિયલ-ટાઇમ એનાલિટિક્સ, મોડલ ટ્રેનિંગ અને ગવર્નન્સ ફીચર્સના વધુ સારા એકીકરણનું વચન આપે છે.
  • ભૌગોલિક વિસ્તરણ (Geographic expansion) – એવા પ્રદેશોમાં નવા ડેટા સેન્ટર્સ અને એન્જિનિયરિંગ હબ જ્યાં ક્લાઉડનો ઉપયોગ હજુ પણ વિકસી રહ્યો છે.
  • ટેલેન્ટ એક્વિઝિશન (Talent acquisition) – વિશ્વસનીયતા અને પાલન (compliance) વધારવા માટે મશીન-લર્નિંગ એન્જિનિયરિંગ અને ક્લાઉડ-સિક્યુરિટીમાં મોટા પાયે ભરતી.

AI ઇકોસિસ્ટમ પર તેની અસરો

Databricks ના મૂલ્યાંકનમાં થયેલો ઉછાળો એ સંકેત આપે છે કે મૂડી માત્ર હેડલાઇન્સમાં આવતા મોડલ બિલ્ડર્સ તરફ જ નહીં, પરંતુ AI સ્ટેક્સના “મિડલ લેયર” (middle layer) તરફ પણ વહી રહી છે. ડેટા ઇન્જેસ્ટિયન, ટ્રાન્સફોર્મેશન અને સર્વિંગ પર ધ્યાન કેન્દ્રિત કરતા સ્ટાર્ટ-અપ્સમાં રોકાણકારોનો રસ વધવાની શક્યતા છે, કારણ કે બજાર એવા ઇન્ફ્રાસ્ટ્રક્ચરને સુરક્ષિત કરવા માંગે છે જે જનરેટિવ AI એપ્લિકેશન્સના આગામી મોજાને સક્ષમ બનાવશે.

વિરોધ પક્ષ: શું આ કિંમત યોગ્ય છે?

મોટા પાયે મોડલ ટ્રેનિંગને પબ્લિક ક્લાઉડ પ્રોવાઇડર્સને આઉટસોર્સ કરી શકાય છે, જે પહેલેથી જ મેનેજ્ડ સર્વિસ ઓફર કરે છે જે Lakehouse અભિગમ સાથે સ્પર્ધા કરે છે.

હવે આગળ શું જોવું

  • Lakehouse 2.0 રોલઆઉટ – શરૂઆતના વપરાશકર્તાઓના પ્રતિસાદ પરથી ખબર પડશે કે પ્લેટફોર્મ વચન મુજબના પ્રદર્શનમાં સુધારો આપે છે કે નહીં.
  • સ્પર્ધાત્મક પગલાં – કોઈપણ મુખ્ય ક્લાઉડ પ્રોવાઇડર જો વિરોધી યુનિફાઇડ એનાલિટિક્સ સ્ટેક જાહેર કરે, તો તે Databricks ના માર્કેટ શેરનું પરીક્ષણ કરી શકે છે.

નિષ્કર્ષ

$190 બિલિયનના મૂલ્યાંકન સાથે Databricks નું $5 બિલિયનનું રોકાણ એ માન્યતાને મજબૂત બનાવે છે કે AI નું ભવિષ્ય મોડલ બ્રેકથ્રુ જેટલું જ ડેટા ઇન્ફ્રાસ્ટ્રક્ચર પર નિર્ભર છે. કંપનીનું શિસ્તબદ્ધ ફંડરેઇઝિંગ અને સ્પષ્ટ પ્રોડક્ટ રોડમેપ તેને મજબૂત સ્થિતિમાં મૂકે છે, પરંતુ બજાર ટૂંક સમયમાં નક્કી કરશે કે આ કિંમત કાયમી મૂલ્ય દર્શાવે છે કે માત્ર ક્ષણિક ઉત્સાહ (hype cycle).