Por que o adiamento do IPO da Databricks mostra que a infraestrutura de IA chegou de vez

A Databricks não está adiando o IPO porque não daria conta do mercado de capitais. Ela segue de capital fechado porque o mercado privado está pagando mais para ela esperar. Segundo relatos, a empresa está levantando capital novo com avaliação de US$ 165 bilhões a US$ 175 bilhões, acima dos US$ 134 bilhões de seis meses antes, somado a um run rate de receita que está acelerando — e não desacelerando — em escala multibilionária. O CEO Ali Ghodsi disse que 2026 é um ano ruim para abrir capital, e os números confirmam. Esse padrão é um sinal mais forte para a infraestrutura de IA corporativa do que um IPO de fato seria.

Pesquise "IPO da Databricks" e você vai encontrar a mesma história repetida a cada poucos meses: uma nova avaliação, um novo rumor e nenhum pedido de registro. É fácil interpretar isso como uma evasiva. Não é. A Databricks continua recebendo ofertas cada vez melhores para permanecer de capital fechado, e os motivos que permitem a ela negociar nessas condições são a verdadeira história aqui, não uma data no calendário.

Ainda não há uma data confirmada para o IPO da Databricks. Em junho de 2026, o CEO da Databricks, Ali Ghodsi, disse à Bloomberg Television que 2026 é um ano ruim para abrir capital, citando um calendário de IPOs lotado que incluía o IPO da SpaceX em junho de 2026, além de possíveis aberturas de capital das gigantes de IA Anthropic e OpenAI. Os relatos agora apontam para o final de 2026 ou 2027, na melhor das hipóteses.

A empresa sinalizou explicitamente que está pronta para o IPO. O próprio Ghodsi afirmou isso em fevereiro de 2025, citando as demonstrações financeiras auditadas, a estrutura do conselho e os sistemas de reporte que uma listagem em bolsa exige. Estar pronta e ter incentivo são coisas diferentes. A cada trimestre em que permanece fechada, a Databricks levanta mais uma rodada com avaliação significativamente maior, sem as exigências de divulgação, as teleconferências de resultados ou a volatilidade das ações que acompanham um ticker na bolsa. Enquanto essa troca compensar, não espere uma data firme.

Em junho de 2026, a Databricks estava em negociações para uma nova rodada privada de captação com avaliação de US$ 165 bilhões a US$ 175 bilhões, conforme noticiado primeiro pelo The Information. Isso representa um salto de 23% a 31% em relação à avaliação de US$ 134 bilhões definida apenas seis meses antes, na Série L de dezembro de 2025. A rodada vem na sequência de uma divulgação de fevereiro de 2026 informando que a Databricks ultrapassou US$ 5,4 bilhões em receita anualizada, com crescimento de mais de 65% ano a ano. A empresa independente de pesquisa Sacra estima que esse run rate chegou a aproximadamente US$ 6,9 bilhões em junho de 2026, com o crescimento acelerando para cerca de 80% ano a ano no segundo trimestre.

Essa aceleração está alinhada com o mercado como um todo. A IDC elevou neste trimestre sua previsão de gastos com infraestrutura de IA em 2026 para US$ 497 bilhões, e a Databricks opera exatamente dentro dessa categoria. Empresas de software quase sempre desaceleram depois de ultrapassar alguns bilhões de dólares em receita. A Databricks está acelerando em um porte no qual deveria acontecer o contrário.

Se a sua equipe já usa Databricks, nada disso muda quanto a plataforma custa para você hoje. O SELECT reúne os gastos com DBU e infraestrutura de nuvem em um só lugar, detalhados até o nível de job e de query. Veja como funciona.

Não. A Databricks é uma empresa de capital fechado. Não há ticker, não há preço público de ação e não há como comprar ações da Databricks em uma bolsa regulada hoje. Os preços que você vê cotados na internet vêm de marketplaces secundários pré-IPO, como Forge ou Hiive, onde investidores credenciados negociam ações privadas entre si. Essas cotações são, na melhor das hipóteses, indicativas. Elas refletem um volume baixo de negociação entre um grupo pequeno de compradores e vendedores, não um preço formado por um mercado público.

Ninguém consegue responder a isso com precisão ainda, nem mesmo a Databricks. Não há S-1, não há número de ações definido e não há banco coordenador vinculado a uma oferta. O que temos é uma faixa de avaliação: US$ 134 bilhões confirmados na Série L de dezembro de 2025, com negociações de rodada privada, segundo relatos, caminhando para US$ 165 bilhões a US$ 175 bilhões em meados de 2026. Plataformas secundárias já listaram preços implícitos por ação que vão de cerca de US$ 143 a mais de US$ 250, dependendo da plataforma e do mês — o que diz mais sobre a falta de liquidez desse mercado do que sobre onde a Databricks acabará precificando suas ações.

Se você está avaliando ações pré-IPO da Databricks por meio de uma dessas plataformas, trate o preço cotado como um retrato da demanda atual, não como uma previsão. Os bancos coordenadores definirão o preço real do IPO com base em comparáveis do mercado público no momento do registro e, considerando o quanto a avaliação privada já se moveu, esse conjunto de comparáveis pode estar bem diferente até lá.

Aqui está o argumento que vale a pena defender sem rodeios: a Databricks permanecer de capital fechado por mais tempo é um sinal mais forte para a infraestrutura de dados de IA do que um IPO seria.

Pense no que "pronta, mas sem abrir capital" exige. Exige crescimento acelerando, e não desacelerando, em escala multibilionária. A Databricks foi de 55% de crescimento ano a ano em dezembro de 2025 para 65% em fevereiro de 2026 e para estimados 80% em junho de 2026. Exige retenção líquida de receita acima de 140%, à frente de todas as empresas de software de capital aberto comparáveis. E exige investidores privados dispostos a pagar uma avaliação que é mais que o dobro da maior empresa de capital aberto da mesma categoria, apostando que o crescimento vai continuar se compondo em vez de voltar à estaca zero.

O Gartner espera que a infraestrutura de IA responda por mais de 45% dos US$ 2,59 trilhões em gastos mundiais com IA neste ano, e a Databricks é uma forma direta de as empresas investirem nessa categoria. A Databricks roda sua plataforma lakehouse na AWS, no Azure e no Google Cloud, o que a torna infraestrutura, e não uma ferramenta restrita a uma única nuvem. Snowflake e BigQuery competem no mesmo espaço de plataformas de dados, e a Snowflake, a comparação pública mais próxima, mostra a diferença com clareza:

Fontes: divulgação do Q4 FY2026 da Databricks (9 de fevereiro de 2026), estimativas da Sacra (junho de 2026), resultados do Q1 FY2027 da Snowflake, The Information (junho de 2026). Dados atualizados até julho de 2026.

Os produtos de IA da Databricks, sozinhos, ultrapassaram um run rate de receita de US$ 1,4 bilhão, acima de cerca de US$ 1 bilhão no trimestre anterior. Isolados, já figurariam entre os 20 maiores negócios de software de capital aberto em receita. Isso não é uma empresa se beneficiando da demanda por IA. É uma empresa da qual a maioria das iniciativas corporativas de IA agora depende, antes de mais nada, para governar e servir seus dados.

O lado cético do debate também merece ser ouvido com justiça. Precificação baseada em consumo significa que receita e margens podem oscilar com o uso de um jeito que não acontece com software por assinatura, e os custos crescentes de computação de IA já pressionam margens brutas que antes giravam perto de 80%. Um único trimestre de desaceleração reprecificaria toda a narrativa do IPO rapidamente. Esse é um risco real que vale acompanhar. É um motivo para monitorar de perto a taxa de crescimento, não para apostar contra a categoria que a Databricks ajudou a definir.

Não importa de que lado desse debate você esteja, a realidade operacional não espera por um S-1. O modelo de precificação da Databricks fica mais complexo à medida que a plataforma se expande para Lakebase, Genie e Agent Bricks. Mais produtos, mais linhas de cobrança por uso e mais computação impulsionada por IA significam mais pontos onde os gastos podem crescer mais rápido do que as equipes esperam.

Essa mudança já aparece na prática, entre os profissionais da área. A pesquisa de 2026 da FinOps Foundation mostrou que 98% das equipes agora gerenciam diretamente os gastos com IA, contra apenas 31% dois anos antes, então isso já não é um problema hipotético para a maioria das práticas de FinOps. Trate isso como um problema operacional a ser planejado, não como um orçamento para fiscalizar depois que o gasto já aconteceu.

Ian Whitestone, do nosso time, e o consultor de Databricks Olivier Soucy mapearam recentemente cinco formas concretas de cortar desperdício no Databricks sem desacelerar as equipes, das configurações padrão de encerramento automático (auto-termination) ao redesenho de workflows — vale a leitura se você quer táticas além do que está aqui. Ter visibilidade clara sobre o que realmente impulsiona o consumo no Databricks, e incorporar isso à sua prática de FinOps agora, dá às equipes de engenharia e finanças uma visão compartilhada dos custos antes que uma fatura surpresa force a conversa. É a mesma disciplina que a DoiT aplica na AWS, no Azure, no Google Cloud e nas plataformas de dados que rodam sobre eles.

Quer o framework completo de cinco passos? O Guia de Otimização de Custos do Databricks, escrito por um Principal Data Engineer que já construiu ambientes Databricks em produção, mostra por onde começar, quando migrar para serverless e as configurações de timeout que a maioria das equipes ignora. Baixe o guia gratuito.