在6月16日的数据与人工智能峰会上，美国AI数据基础设施独角兽Databricks CEO阿里·戈德西公布了一组令市场瞩目的数字：公司年化营收已达69亿美元，同比增长超过80%，较上一财年第四季度的54亿美元显著攀升。其中，AI产品年收入达到17亿美元，高于2月份的14亿美元。

然而，高速增长背后隐藏着利润率的隐忧。戈德西坦承，AI智能体驱动的消费模式正在推高营收，但同时也带来了沉重的算力成本压力。客户部署的AI智能体越多，系统产生的查询量就越大，Databricks虽然按消耗量收费，但每次查询所调用的底层模型算力成本却由公司自己承担。他直言，公司的毛利率将“走低”，但拒绝披露具体数字。

这一现象折射出AI服务商面临的共同挑战：在“token狂欢”之后，行业正进入“精算时代”。戈德西观察到，企业客户已从追求“词元最大化”转向追求“价值最大化”，不再鼓励员工无节制地消耗token，而是精打细算地衡量每一次调用的实际产出。对于核心业务任务，客户愿意调用顶级模型；而对于日常杂务，则倾向于使用简单、低成本的开源模型。他特别提到，性价比突出的中国开源模型在Databricks客户中极受欢迎，成为海外企业控制算力账单的实用工具。

面对利润率被挤压的现实，Databricks正从两条路径突围。一方面，公司推出Unity AI Gateway，相当于在AI预算上安装了一个“水龙头”，当使用量接近预设上限时系统会自动预警，既帮助客户控制成本，也避免了过度消耗带来的额外支出。另一方面，公司开始向垂直行业要利润，今年3月发布Lakewatch软件进军网络安全市场，并在峰会上宣布将收购安全初创公司Panther Labs，后者在2021年B轮融资时估值达14亿美元。同时，Databricks还推出智能体客户数据平台CustomerLake，切入营销数据管理领域。从安全到营销，这家公司正试图在基础平台之外寻找新的利润增长点。

从更广的产业视角看，Databricks的处境并非孤例。在AI数据平台赛道，它已将老对手Snowflake甩在身后——Databricks在私募市场的估值已达1340亿美元，而Snowflake上市后市值约为830亿美元；在营收上，Snowflake年化营收约56亿美元，也低于Databricks的69亿美元。但即便强如Databricks，也难以摆脱算力通胀对利润的侵蚀。

Databricks由加州大学伯克利分校AMPLab的七位研究人员于2013年创立，是“数据湖仓”架构的提出者，也是开源大数据计算引擎Apache Spark的幕后公司。其CEO戈德西本人就是Apache Spark的创建者之一。如今，这家技术底蕴深厚的公司正站在一个十字路口：AI带来的市场增量巨大，但如何将收入增长转化为可持续的利润，将是它乃至整个AI基础设施行业必须回答的问题。