Databricks obtiene financiación de la Serie K, valorada en más de 100.000 millones de dólares

2025-08-20
Databricks obtiene financiación de la Serie K, valorada en más de 100.000 millones de dólares

Databricks, la empresa de datos e IA, anunció que ha obtenido financiación de la Serie K, valorando la empresa en más de 100.000 millones de dólares. Esta inversión impulsará la estrategia de IA de Databricks, expandiendo su producto Agent Bricks, invirtiendo en su nueva base de datos Lakebase e impulsando el crecimiento global. Agent Bricks crea agentes de IA de alta calidad, mientras que Lakebase es una nueva base de datos operativa construida sobre Postgres de código abierto, ambas optimizadas para IA. La financiación también apoyará futuras adquisiciones e investigaciones de IA. Con más de 15.000 clientes, la plataforma de Databricks democratiza el acceso a los datos y la IA, permitiendo a las organizaciones aprovechar sus datos para análisis y aplicaciones de IA, aumentando los ingresos, reduciendo los costos y mitigando los riesgos.

Leer más
IA

Databricks adquiere Neon: Postgres sin servidor para la era de la IA

2025-05-14
Databricks adquiere Neon: Postgres sin servidor para la era de la IA

Databricks anunció la adquisición de Neon, una empresa de Postgres sin servidor centrada en los desarrolladores. El equipo de Neon, conocido por su experiencia en Postgres, construyó una plataforma de bases de datos conocida por su velocidad, escalabilidad y rentabilidad, especialmente atractiva para los agentes de IA. Esta adquisición fortalece la posición de Databricks en las bases de datos nativas de IA, ofreciendo a los desarrolladores y sistemas de IA una solución de base de datos potente.

Leer más
Tecnología

TAO de Databricks: Superando el ajuste fino con datos no etiquetados

2025-03-26
TAO de Databricks: Superando el ajuste fino con datos no etiquetados

Databricks presenta TAO (Test-time Adaptive Optimization), un nuevo método de ajuste fino de modelos que solo requiere datos de uso no etiquetados. A diferencia del ajuste fino tradicional, TAO utiliza el cómputo en tiempo de prueba y el aprendizaje por refuerzo para mejorar el rendimiento del modelo basándose en ejemplos de entrada anteriores. Sorprendentemente, TAO supera el ajuste fino tradicional, llevando modelos de código abierto como Llama a una calidad comparable a la de modelos propietarios costosos como GPT-4. Esta innovación está disponible en versión preliminar para los clientes de Databricks e impulsará futuros productos.

Leer más
IA