返回列表
Databricks 斥资收购 Antimatter 与 SiftD.ai 两家初创公司,旨在强化 AI 安全产品线
行业新闻DatabricksAI安全初创公司收购

Databricks 斥资收购 Antimatter 与 SiftD.ai 两家初创公司,旨在强化 AI 安全产品线

数据与 AI 巨头 Databricks 利用其近期筹集的 50 亿美元巨额资金,正式宣布收购 Antimatter 和 SiftD.ai 两家初创公司。此举旨在为其全新的 AI 安全产品提供技术支撑。在充足的资金储备下,Databricks 正积极通过并购手段扩张其技术版图,并持续寻找更多潜在的收购目标。

TechCrunch AI

核心要点

  • 战略收购:Databricks 正式完成了对 Antimatter 和 SiftD.ai 两家初创公司的收购。
  • 资金支持:此次收购资金来源于公司近期完成的 50 亿美元融资,资金储备极其充裕。
  • 产品目标:收购的核心目的是为 Databricks 旗下的新型 AI 安全产品提供底层技术支持。
  • 持续扩张:公司明确表示正在寻找更多收购对象,以进一步增强其在 AI 领域的竞争力。

详细分析

巨额融资驱动的并购策略

Databricks 在近期成功筹集了 50 亿美元的巨额资金,这为其在竞争激烈的 AI 市场中进行扩张提供了强大的财务后盾。通过这笔“战争基金”,Databricks 能够迅速通过外部收购来弥补自身技术短板,而非完全依赖内部研发。此次针对 Antimatter 和 SiftD.ai 的收购,正是其利用资本优势加速产品迭代的典型案例。

强化 AI 安全产品护城河

随着生成式 AI 和企业级大模型的普及,数据安全与隐私保护成为了行业关注的焦点。Databricks 收购 Antimatter 与 SiftD.ai 的直接意图是支撑其全新的 AI 安全产品。虽然具体的整合细节尚未完全披露,但这两家公司的技术显然将成为 Databricks 构建更安全、更合规的 AI 生态系统的关键组成部分。

行业影响

Databricks 的这一系列动作标志着 AI 基础设施供应商正进入“安全竞赛”阶段。通过整合专业的安全初创公司,Databricks 不仅提升了自身产品的技术壁垒,也向市场释放了明确信号:在未来的 AI 竞争中,安全性将与算力和算法同等重要。此外,这也预示着 AI 行业可能会迎来新一轮由巨头主导的并购潮,中小型技术初创公司将成为巨头完善生态的重要拼图。

常见问题

问题 1:Databricks 此次收购的资金来源是什么?

答:此次收购的资金主要来源于 Databricks 近期筹集的 50 亿美元融资,这笔资金为其提供了充足的扩张资本。

问题 2:被收购的两家公司分别是谁?

答:被收购的初创公司分别是 Antimatter 和 SiftD.ai。

问题 3:这次收购的主要目的是什么?

答:主要目的是为了支持和强化 Databricks 研发的新型 AI 安全产品,提升其在 AI 领域的数据安全保障能力。

相关新闻

美团LongCat发布General 365推理评测基准:Gemini 3 Pro准确率仅62.8%领跑
行业新闻

美团LongCat发布General 365推理评测基准:Gemini 3 Pro准确率仅62.8%领跑

美团LongCat团队正式发布General 365推理评测基准,旨在为大语言模型的推理能力树立新标尺。在对26款主流模型的实测中,目前表现最强的Gemini 3 Pro准确率仅为62.8%,而绝大多数模型未能达到60%的及格线。这一结果揭示了当前AI模型在复杂推理任务中面临的严峻挑战,为行业提供了客观的性能评估参考。

ACL 2026 精选论文分享:美团履约团队大模型 Agent 技术体系深度解析
行业新闻

ACL 2026 精选论文分享:美团履约团队大模型 Agent 技术体系深度解析

美团履约 AI 算法团队在 ACL 2026 期间分享了其在大模型 Agent 技术体系方面的最新研究成果。该团队通过深耕持续预训练(CPT)、后训练(Post-training)、Agent 强化学习(Agentic RL)及多模态理解等前沿方向,成功构建了赋能美团履约业务的 Agent 自进化运营系统。目前,相关研究已在 ACL、EMNLP 等国际 AI 顶会发表数十篇高质量论文,展示了美团在 AI 工业落地与学术研究方面的深厚积淀。

美团发布LongCat-2.0:首个国产五万卡集群训练的万亿参数模型,支持1M超长上下文
行业新闻

美团发布LongCat-2.0:首个国产五万卡集群训练的万亿参数模型,支持1M超长上下文

美团技术团队正式发布LongCat-2.0大模型。该模型是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型,总参数量达1.6T。LongCat-2.0采用从零预训练模式,原生支持1M(百万级)超长上下文,其架构设计深度聚焦于Agentic Coding任务,旨在提升复杂代码环境下的理解、生成与执行效率,标志着国产算力在大模型全链路开发上的重大突破。