Ali Ghodsi

摘要

Ali Ghodsi（1978 年生于伊朗德黑兰）是 Databricks 的联合创始人兼 CEO——这家公司是把 UC Berkeley AMPLab 的开源研究项目 Apache Spark 商业化的企业，到 2025 年末已成为史上估值最高的私有科技公司之一（2025 年 12 月 Series L 融资 $4B、估值约 $134B，年收入 run-rate 超 $5.4B、同比增长 65%+）。他的轨迹横跨三块大陆和三种身份：德黑兰出生的医生之子 → 瑞典难民区的"局外人" → 学术研究者（KTH 分布式计算博士、Berkeley 兼职教授）→ 全球最大数据 AI 公司的 CEO。

他不是 Spark 的发明人（那是 Matei Zaharia），也不是 Databricks 的第一任 CEO（那是 Ion Stoica），更自称是七位联合创始人里"最不情愿、最没买账"创业的那一个。但正是这个"reluctant co-founder"，在 2016 年从学术研究阶段接手公司、把它从一个"managed Spark 服务"重新定义成"a data company"，押注 lakehouse（湖仓一体）架构、用 $1.3B 收购 MosaicML 完成生成式 AI 转向、并在 2021–2025 年用一系列史诗级私募融资把公司估值从 $28B 推到 $134B。

他的核心信念可以浓缩成几句反复出现的语录。"We literally wanted to give it away and no one would take it."（关于 Databricks 为什么要成立公司——他们本想免费送出软件，没人肯要。）"99% of the effort is in front of us, not behind us."（他对联合创始人股权与信任的核心框架。）"When you start your company, the culture of your company is more or less the personality of the CEO. Nothing else."（他对组织文化的递归式定义。）"To create a successful company, you have to bet on something that's non-consensus at the time and you have to be right about it."（他对 AI、云、开源三个反共识赌注的总结。）"Humans are the longest pole in the tent."（他对 AI 的清醒判断——再强的能力没人用都是零。）

他也罕见地把"局外人"经历当作可公开讨论的人生引擎——"Being an outsider in Sweden gave me the drive to succeed"——并把这种"truth-seeking"（求真、有话直说、不做 rosy executive presence）写进了 Databricks 的官方文化原则。

一、生平时间线

第一章：德黑兰出生与逃离（1978–~1984）

Ali Ghodsi 1978 年出生于伊朗德黑兰。父母都是医生，家境优渥，住在德黑兰一个有景观的山坡富人区。他在 Silicon Valley Nordic Beat 的专访 [04] 里把这一点和湾区做了类比：

"We lived on a hill, and just like here in the Bay Area, all the 'hills' neighborhoods with views were the nicer ones."

"我们住在一座山坡上——就像这里湾区一样，所有带景观的'山上'社区都是更好的那种。"

Silicon Valley Nordic Beat

但这段优渥的童年在两伊战争中被打断。大约 5 岁时，伊拉克空袭德黑兰，他对那一夜有清晰记忆：

"We kids had to crawl under the tables. One night, it felt like our house was hit—the windows shattered, but it was a neighboring house that was bombed to the ground."

"我们这些孩子得钻到桌子底下。有一夜，感觉我们家被击中了——窗户都碎了，但其实是隔壁那栋房子被炸平了。"

Silicon Valley Nordic Beat

家庭决定逃离伊朗。他们最初想去美国——瑞典甚至不是第一选择：

"Sweden wasn't even third, but we had a relative there."

"瑞典连第三选择都算不上，但我们在那里有个亲戚。"

Silicon Valley Nordic Beat

第二章：瑞典难民岁月与"局外人"驱动力（~1984–2002）

阶层的跌落

在瑞典，一家人最初辗转于斯德哥尔摩大学的学生宿舍，多次被驱逐，最后落脚在斯德哥尔摩郊区 Bagarmossen。Ghodsi 对这段"阶层跌落"的描述极其直白：

"We were evicted several times, once after I accidentally knocked over the TV in the communal living room."

"我们被驱逐过好几次，有一次是因为我不小心打翻了公共起居室的电视。"

Silicon Valley Nordic Beat

"If we were upper class in Iran, we were definitely lower class in Sweden—it was welfare and all that."

"如果说我们在伊朗是上层阶级，那在瑞典我们绝对是下层阶级——靠救济金过活，诸如此类。"

Silicon Valley Nordic Beat

"Us and Them"——局外人身份成为终身引擎

这段经历塑造了他人生最重要的一个心理结构。他把它叫做 "us and them"——而且后来反复把它当作自己事业驱动力的根源公开讲述：

"I vividly remember the sense of being an outsider. It was always 'us and them."

"我清楚地记得那种局外人的感觉。永远是'我们和他们'。"

Silicon Valley Nordic Beat

"Of course, it's a motivator. You feel like you have to prove yourself, and you work much harder."

"当然，它是一种驱动力。你觉得你必须证明自己，你工作得拼命得多。"

Silicon Valley Nordic Beat

他甚至把自己和瑞典本地同事做了一个意味深长的对比：

"My Swedish colleagues were more balanced; they didn't have anything to prove."

"我那些瑞典同事更平衡；他们没有什么需要证明的。"

Silicon Valley Nordic Beat

这条"局外人 → 必须证明自己 → 拼命工作"的链条，是理解他后来在 Logan Bartlett Show 上说"招有 chip on their shoulder 的人"（招肩上带着一股不服气的人）的根。

值得注意的是，他对瑞典并非只有怨怼——他也公开表达过感激，认为瑞典的福利制度给了一个难民家庭"每个人都应得的平均水平"，让他得以上大学、读博士。这是一个被他同时保留的双重判断：福利制度的恩惠 + 局外人身份的刺痛。

那台坏了磁带驱动器的 Commodore 64

10 岁那年，他得到一台二手 Commodore 64——磁带驱动器是坏的。为了能玩游戏，他不得不学会编程：

"I became a nerd. If you ask anyone who knew me back then, they'd remember me as the kid who was always in front of the computer."

"我变成了一个 nerd。你问任何一个那时候认识我的人，他们都会记得我是那个永远坐在电脑前的孩子。"

Silicon Valley Nordic Beat

他对学校的态度则相反——"我不喜欢学校，缺勤率很高"。

"Then he said, 'Ali, you study programming, but when you start working at a company, I'll be your boss running the company.' No way, thought Ghodsi."

"然后他说：'Ali，你学编程，但等你进公司工作时，我会是你的老板、是经营公司的人。'门都没有，Ghodsi 心想。"

Silicon Valley Nordic Beat

于是他在 2003 年又拿了一个 MBA（物流与营销方向）。这个"技术 + 商科"的双重训练后来成为他与许多纯技术创始人不同的地方——他自己在 Unusual Ventures 的访谈 [17] 里反复强调技术创始人"系统性低估营销"。

第三章：学术之路——KTH、Peerialism、博士（2003–2009）

2006 年，Ghodsi 在 KTH 皇家理工学院（斯德哥尔摩）拿到分布式计算博士学位，导师是 Seif Haridi，博士论文是关于分布式哈希表（"Distributed k-ary System: Algorithms for Distributed Hash Tables"）。

同在 2006 年，他与人共同创立了 Peerialism AB——一家斯德哥尔摩的点对点（P2P）数据传输创业公司。这是他的第一次创业——一次在档案叙事里很少被强调、但很重要的预演：他不是一个从未碰过公司的纯学者。

2008–2009 年，他在 KTH 担任助理教授，加入 SICS 的分布式系统研究组。这一时期他还共同发明了 Dominant Resource Fairness（多资源公平调度模型）——一个后来影响了 Hadoop YARN 和 Apache Mesos 调度的概念。

注：关于 KTH 助理教授任期，Wikipedia [01] 记为 2008–2009，部分来源延伸到 2013（与他后来在 Berkeley 做访问学者的时期重叠）。本档案以 2008–2009 为准。

第四章：Berkeley AMPLab 与 Apache Spark（2009–2013）

AMPLab：一个"为真实世界影响力优化"的实验室

2009 年，Ghodsi 作为访问学者加入 UC Berkeley，进入新成立的 AMPLab（Algorithms, Machines, and People Laboratory）。AMPLab 由 DARPA 和 NSF 出资 $40M 成立 [05]——它被刻意设计成与传统学术实验室不同："optimizing for real-world impact rather than purely publishable papers"（为真实世界的影响力优化，而不是纯粹为了可发表的论文）。

在 AMPLab，Ghodsi 与 Ion Stoica、Scott Shenker、Michael Franklin、Matei Zaharia 等人合作。他后来六位联合创始人全部是在这里相遇的——这一点他在 Fortune 2025 的访谈 [07] 里特意拿来论证"高等教育在 AI 时代依然有价值"。

Spark 为什么存在：MapReduce 的根本缺陷

Apache Spark 的发明人是博士生 Matei Zaharia。他在 ~2009 年识别出 Hadoop MapReduce 的一个根本性低效 [05]：

机器学习算法是迭代的——需要对数据反复多次扫描。但 MapReduce 每一轮迭代都强制读写磁盘，让一个"本该几分钟"的任务变成"几个小时"。Spark（2010 年开源）通过 RDD（弹性分布式数据集）把数据保留在内存里、用 lineage（血缘）追踪而非复制存储来解决这个问题：

"Spark ran iterative machine learning algorithms up to 100 times faster than Hadoop MapReduce."

"Spark 跑迭代式机器学习算法比 Hadoop MapReduce 快达 100 倍。"

Stacksync, 转述 Databricks 早期数据

2013 年，Spark 被捐赠给 Apache 软件基金会。

第五章：Databricks 的诞生——"没人肯要免费软件"（2013）

关键决策：为什么这群学者要成立一家公司

这是整个 Databricks 故事里最反直觉、也最重要的一个决策——这七位学者从一开始并不想创业。

• 背景：AMPLab 的团队做出了 Spark，受 Google 和 Facebook 在大规模 ML 上的做法启发。他们把软件放上几个网页，希望世界来下载使用。结果几乎无人问津。
• Ghodsi 在 The Stack 的访谈 [15] 里把这段"失败"讲得极其坦白：

"We built the software, put it on a few web pages and said: 'Hey download this!' No one downloaded it."

"我们做出了软件，放上几个网页说：'嘿来下载这个！'没有人下载。"

The Stack

"They all told us 'no: this is academic mumbo-jumbo. We need enterprise software.' We literally wanted to give it away and no one would take it."

"他们都对我们说'不：这是学术界的胡言乱语，我们需要企业级软件。'我们真的想把它免费送出去——没有人肯要。"

The Stack

• 关键假设：唯一能让 Spark 被企业采用的方式，是把它打包成企业级产品——而这需要一个商业实体。换句话说，成立公司不是为了赚钱，是为了让开源项目被采用。
• 决策：2013 年 6 月，七位 AMPLab 学者成立 Databricks。

Ben Horowitz：从"要 $20 万"到"给你 $1400 万"

融资环节有一个被反复引用的故事。团队最初只想要一笔很小的钱"安静地写一年代码"：

"This being Silicon Valley the venture capitalist Ben Horowitz happened to be close, so we asked him for $200,000 to go away, code for a year and build this thing. He offered $14 million."

"因为这是硅谷，风险投资人 Ben Horowitz 正好就在附近，所以我们找他要 $20 万，想躲起来写一年代码、把这东西做出来。他给了我们 $1400 万。"

The Stack

Ghodsi 在 Logan Bartlett Show [2348741] 上补充了 Horowitz 当时如何重塑团队野心的细节——Horowitz 告诉他们一家围绕这项技术的公司"可能值 $100 亿"，并建议把工程师薪酬提到行业 90 分位以吸引顶尖人才。Andreessen Horowitz 领投了 Databricks 的 Series A——$13.9M。

Ghodsi 后来还讲过一个 Horowitz 帮他重新定义"终局野心"的对话——团队原本以为这是一家可能 $1.5–2.5 亿退出的公司，Horowitz 让他把目标改成"成为 FANG 之外的下一个巨头"：

"He said, huh, so FANG is the problem? And I said, yeah, FANG is the problem. And he said, okay, so you just need to add yourself to that list. It needs to be FANGDB."

"他说，哈，所以 FANG 是问题所在？我说，对，FANG 是问题。他说，好，那你只需要把自己加进那个列表。它得是 FANGDB。"

Logan Bartlett Show, 2024

早期商业模式的局限

最初的产品是 managed Spark-as-a-service——Databricks 替客户跑计算、处理 DevOps。这解决了 2013 年的一个真实痛点（自己跑 Spark 需要"严肃的工程肌肉"）。但 Ghodsi 在 Stanford ETL [1215036] 上把这段早期增长停滞坦诚地复盘为第一个 pivot：产品驱动增长（PLG）停滞了，他们"刻意做了相反的事"——转向企业级销售、大量招销售人员。

他在 Unusual Ventures [17] 上把这段早期决策称为自己最大的错误：

"Not building a complete SaaS offering from day one... Most shortcuts don't pay off."

"没有从第一天就做一个完整的 SaaS 产品……大多数捷径都不划算。"

Unusual Ventures

第六章：从 VP 到 CEO（2016）

Stoica 在官方公告 [06] 里的说法点明了这次交棒的本质——"inflection point"（拐点）：

"Databricks is at an inflection point where the pace of innovation coming from the community positions us for tremendous growth and opportunity in 2016. Ali is poised to enable both Databricks and Spark to seek widespread enterprise adoption, momentum, and customer acquisition."

"Databricks 正处在一个拐点——来自社区的创新速度让我们在 2016 年迎来巨大的增长和机会。Ali 已经准备好让 Databricks 和 Spark 去争取广泛的企业采用、势头和客户获取。"

Ion Stoica, Databricks 官方公告, 2016-01-11

"Databricks 不是一家 Spark 公司，是一家数据公司"

接任 CEO 后，Ghodsi 做的最重要的事是一次战略性重新定义。Stacksync [05] 把这次重新定义概括为：

"Databricks was not a Spark company. Databricks was a data company. Spark was the engine—but engines don't win markets. Platforms do."

"Databricks 不是一家 Spark 公司。Databricks 是一家数据公司。Spark 是引擎——但引擎赢不了市场。平台才能。"

Stacksync, 概括 Ghodsi 接任 CEO 后的重新定义

这次"引擎 vs 平台"的区分，直接通向了后面的 Delta Lake（2017）和 lakehouse 架构（2020）。

那次彻夜的 Petabyte 排序世界纪录

2014 年（在 Ghodsi 成为 CEO 之前），他和联合创始人做过一件后来被他视为关键营销突破的事。Ghodsi 在 Stanford ETL [1215036] 上详述：团队连续熬了一整周，用总内存不到一个 petabyte 的机器，在约 22 分钟内排序了一个超过 1 petabyte 的数据集，创下世界纪录。

这件事的目的非常具体——杀掉一个 FUD（恐惧、不确定、怀疑）：当时竞争对手散布"Spark 只在内存充足时才有用"。这个世界纪录证明了 Spark 在内存不足时同样能跑，把竞争对手从敌对态度逆转成"拥抱 Spark"。这是理解 Ghodsi"营销作为战略武器"思维的关键案例——他在 Unusual Ventures [17] 上说"once you get that brand recognition, everything in life becomes easier"。

2015 的谷底、"nothing to lose" 与那个"不舒服的招聘"

2025 年 10 月，Ghodsi 与 Ben Horowitz 在 a16z "Boss Talk" [5496670] 上罕见地把 2016 年转型之前的状态摊开来讲。[事实] 2015 年的 Databricks 只有约 $3M ARR、PLG（产品自增长）模式明显失灵、高管团队全是 PhD。Ghodsi 对那一年董事会氛围的描述带着标志性的干幽默：

"Ben was very nice and complimentary in our board meetings that year, 2015. We were in a bit of trouble. Let's say it was very truth-seeking."

"那一年——2015 年——Ben 在我们的董事会上非常友善、赞不绝口。我们当时有点麻烦。这么说吧，那些会议非常'求真'。"

a16z Boss Talk, 2025-10 [01:00:29]

而 2016 年那三个后来被证明是瓶颈的大改（停止免费送软件、招"看过这部电影"的高管、放弃 PLG 转 B2B enterprise sales），在他的叙述里并非来自确信，而是来自无可再失：

"We had nothing to lose. So we didn't know that we were going to succeed, but we had nothing to lose to make those big changes. And we made them in 2016. And it turned out those were the bottlenecks."

"我们已经没什么可失去的了。我们并不知道会成功，但正因为没什么可失去，我们才敢做那些大改动。我们在 2016 年做了。事后证明，那些正是瓶颈所在。"

a16z Boss Talk, 2025-10 [01:00:39]

这次转型在"人"上的具体化，是 2015 年招入销售负责人 Ron Gabrisco——从一家他们从没听说过的法国公司 Axway 挖来、是 Mark Cranny 面试过的所有销售候选人里唯一看上的人。Ghodsi 强调这是一个刻意反舒适区的决定：

"Ron was game changing for us, but Ron was a very uncomfortable hire because he did not have a PhD."

"Ron 对我们是改变游戏的存在，但 Ron 是一个非常'不舒服'的招聘——因为他没有 PhD。"

a16z Boss Talk, 2025-10 [01:02:08]

[事实] Horowitz 在同场补充："without Ron, very hard to see this company getting to where it got to"（没有 Ron，很难想象公司走到今天）。[推断] "在全是 PhD 的高管团队里招一个纯销售出身的人"与"关掉大脑里学术的那一部分"（见 二·关于个人）是同一个自我改造动作的两个侧面——舒适的选择是招一个更技术化的销售 leader，而他选了让自己不舒服好几年的那一个。

第七章：Lakehouse 豪赌与 Snowflake 之争（2017–2022）

这次押注的核心是把竞争对手 Snowflake 一直分开卖的两个东西合并——并且用开放格式而非专有格式来做。

Databricks vs Snowflake：两种架构哲学的战争

Foundation Capital 的分析 [09] 把这场竞争概括为"a fight for the future of enterprise AI"（一场关于企业 AI 未来的战争），而不只是市场份额之争——两家公司甚至刻意把年度大会安排在同一天，逼迫共同客户选边站。

两种哲学的根本分裂：

• Databricks（自下而上、开源驱动、ML 优先）：源于 Apache Spark，先服务数据科学家和 ML 工程师，从一开始就对 AI 友好。
• Snowflake（自上而下、SQL 中心）：围绕 SQL 构建、与 BI 紧密集成，服务数据分析师和 IT，"slower to adapt to the rising importance of AI"。

数据格式之战的回合 [09]：Snowflake 开源 Polaris（其 Apache Iceberg 目录）→ Databricks 收购 Tabular（Iceberg 项目创始人做的托管方案，刻意安排在 Snowflake 大会期间公布）→ 一周后 Databricks 在自己的 summit 上开源 Unity Catalog。

与超大规模云厂商的"亦敌亦友"

Databricks 的一个独特战略难题是：它既建立在 AWS、Azure、GCP 之上（这些是合作伙伴），又与它们竞争。Ghodsi 在 SiliconANGLE [14] 上讲了这段：

"When I swiped my personal credit card on AWS, some of my co-founders did the same, and we started building."

"我刷自己的个人信用卡开了 AWS 账户，我的一些联合创始人也这么做，然后我们就开始搭建了。"

SiliconANGLE, 2022

到 ~2017 年，AWS 才注意到"一家年收入约 $1 亿的公司突然出现在他们雷达上"。Ghodsi 的应对是多云策略——70%+ 的 Databricks 客户使用多个云。他的"Sky Above the Clouds"论点是：客户最终会要求"任何我用的服务，在所有云上都得一模一样地工作"，这会迫使云厂商把竞争从专有服务转向基础设施层。

Azure Databricks："give and get"、pre-commit、与输掉十次的合作

"亦敌亦友"里最重要的一次"友"，是 Azure Databricks——Microsoft 把 Databricks 作为第一方服务纳入 Azure 的合作。2025 年 Ghodsi 与 Ben Horowitz 在 a16z Boss Talk [5496670] 上第一次从双方视角复盘了这笔交易是怎么谈成的。Ghodsi 给出的第一性原理是 BD 大单的结构问题——签约之后谁都不向谁汇报，所以合同本身必须内嵌对等的利益交换：

"In these BD deals, there always has to be a give and get that actually is kind of commensurate. And this is why most of these deals fall apart and they don't work. There has to be something that you as a small player can give that they don't have."

"在这类 BD 交易里，永远必须有一个大体对等的'给与得'。这就是为什么大多数这类交易会散架、不奏效。你作为小玩家，必须有某个他们没有的东西可以给。"

a16z Boss Talk, 2025-10 [00:31:19]

[事实] 当时的对等交换是：Microsoft 在与 AWS 的竞争中有产品组合缺口、需要 Databricks 的产品；Databricks 需要 Microsoft 的分发渠道（"Microsoft really wanted that product. We really wanted their distribution channel."）。而合同结构上，a16z 的 John O'Farrell 给了一个关键策略——要求 Microsoft 做大额 pre-commit（预先承诺采购额）：

"They have to do a big pre-commit because then they have skin in the game. Otherwise, they're just going to forget. They'll do like the PR, but then they'll forget about you."

"他们必须做一个大额的预先承诺，因为那样他们才有切身利益。否则他们就会忘掉你——他们会做做 PR，然后就把你忘了。"

a16z Boss Talk, 2025-10 [00:30:30]

[事实] Microsoft 方的策略师 Takeshi Nomoto 起初的顾虑恰好相反——"你们公司这么小，我担心你们拿了这笔钱就'喝醉了'、之后什么都不做"——Ghodsi 需要说服对方自己会"continue to have crazy appetites"。这笔交易前后输了十次才赢（Horowitz 说大单"至少输三次"，Ghodsi 纠正："Ten times."），包括上线前一天 Microsoft 内部"抗体"发作——一位有声望的工程师拒绝配合（"this is not a product I built. Why would I make this successful?"），Ghodsi 不得不飞到 Redmond 现场坐镇。他的结论把这件事收进了他的核心词汇：

"If you don't have grit, those deals will die because this deal died multiple times."

"如果你没有 grit，这些交易就会死掉——因为这笔交易就死过很多次。"

a16z Boss Talk, 2025-10 [00:32:44]

第八章：MosaicML 与生成式 AI 转向（2023–2024）

Ghodsi 在收购公告 [10] 里的说法：

"Databricks and MosaicML have an incredible opportunity to democratize AI and make the Lakehouse the best place to build generative AI and LLMs."

"Databricks 和 MosaicML 有一个不可思议的机会——把 AI 民主化，让 Lakehouse 成为构建生成式 AI 和 LLM 的最佳场所。"

Ali Ghodsi, MosaicML 收购公告, 2023-06-26

他在 a16z Live [153965] 上把企业数据的战略意义说得更直白：

"Many leaders, especially CEOs, are now realizing that their data could be their kryptonite to beat the competition."

"很多领导者，尤其是 CEO，现在意识到他们的数据可能是他们打败竞争对手的氪石。"

a16z Live, 2023

收购哲学：先人、再产品、最后才是财务

2025 年在 a16z Boss Talk [5496670] 上，Ghodsi 把 Databricks 的收购方法论讲成一个明确的顺序——并指出大公司 corp dev 恰好把顺序做反了。第一位是人和文化（"我们能不能一起建设未来五年？"），他花"enormous amount of time"和创始人相处：文化是否相同、看世界的方式是否一致。第二位是产品与集成——他有一个惯常被当作"蠢问题"的提问：

"I always ask this and people are like, wait, that's such a dumb question. I say, what language did you write it in? ... Because we're going to integrate the code bases, right? It's like the build systems won't work. It's not going to even compile."

"我总会问这个问题，人们会说，等等，这问题也太蠢了。我问：你们是用什么语言写的？……因为我们要合并代码库，对吧？不然构建系统跑不起来，连编译都过不了。"

a16z Boss Talk, 2025-10 [00:36:16]

财务（收入倍数、三年五年计划）放在最后。而大公司的反向顺序在他看来是失败的根源：

"Big companies, corporative departments do it exactly in the reverse order of this. They start with, hey, the revenue is this, but we could accelerate it... And then lastly, like, hey, how do we convince these knuckleheads? I mean, we probably don't want to have them here, but we got to pay them off somehow."

"大公司的企业发展部门做这件事的顺序恰好完全相反。他们从'收入是这个数、我们还能加速它'开始……最后才是'嘿，我们怎么说服这帮榆木脑袋？其实我们大概不想留他们，但总得想办法把他们打发了'。"

a16z Boss Talk, 2025-10 [00:36:46]

[事实] Horowitz 在同场从 GTM 视角印证了这套顺序的效果：因为 Databricks 盯着产品架构统一，"everything they buy ends up looking like a Databricks product"（他们买的所有东西最终都长得像 Databricks 的产品）——否则多套产品架构意味着多套售前/售后体系，销售效率会"go through the floor"。[推断] 这套"人→产品→财务"顺序是 MosaicML 收购（上文）的方法论底稿；也与他"组织=人格"的递归文化观一致——买公司首先是买人格的兼容性。

DBRX：自己下场做开源模型

2024 年 3 月 27 日，Databricks 发布了自己的开源 LLM DBRX——一个 mixture-of-experts 架构的模型。Ghodsi 在发布公告 [13] 里给了三个理由，其中第二个揭示了 Databricks 的"data intelligence"赌注：

"It beats GPT-3.5 on most benchmarks, which should accelerate the trend we're seeing across our customer base as organizations replace proprietary models with open source models."

"它在大多数基准上击败 GPT-3.5——这应该会加速我们在客户群里看到的一个趋势：组织正在用开源模型替换专有模型。"

Ali Ghodsi, DBRX 发布公告, 2024

[事实] 两年后（2026-06，Newcomer 访谈 [22]），Ghodsi 主动"come clean"了 DBRX 的真实成本：2024 年对外口径是 ~$10M，实际集群成本约 $20M——其中约 $4M 是最终成功的训练 run，约 $16M 花在实验、停机与错误上。他对"为什么会这样"的解释顺带揭示了他对训练工程的务实认知：

"First of all the cluster is not running all the time — it's idle. You don't just yolo and say hey let's run the thing and then it comes out and it's like after a month of training it's like oh it was shit. So you do smaller training runs — so you work your way up to it."

"首先，集群并不是一直在跑——它会闲置。你不能就那么'梭哈'说嘿我们直接跑吧，然后训练一个月出来发现是垃圾。所以你要做更小的训练 run——一步步往上爬。"

Newcomer, 2026-06-16

[推断] 主动修正一个对自己有利的历史口径，是"truth-seeking"原则（见 二·关于个人）罕见的对外应用实例——大多数 CEO 不会重提这类数字。

"Compound AI Systems"——反对"训一个超大模型"

Ghodsi 在 Logan Bartlett Show [2348741] 和 a16z Live [153965] 上都反复表达了一个反共识的产品判断：未来不是一个巨型模型，而是 compound AI systems（复合 AI 系统）——多个专门化组件的组合，每个组件的贡献都可被评估、被调试。

他用 Databricks 自己的使用数据来支撑这个判断：

"Customers want to take the big models, distill the smallest possible that can get good enough quality and just use that because that saves them money. And actually in aggregate, we make more money on that."

"客户想拿大模型、蒸馏出能达到'足够好'质量的最小模型、然后就用那个，因为这省他们钱。而事实上，加总起来我们在这上面赚得更多。"

Logan Bartlett Show, 2024

他对"暴力堆算力"的可持续性也很怀疑：

"Over the last 11 years, we've had a hundred million times improvement in compute that we've thrown at the problem. We're not going to be able to get the same over the next few years."

"过去 11 年里，我们投入到这个问题上的算力提升了一亿倍。接下来几年我们不可能再获得同样的提升。"

Logan Bartlett Show, 2024

而他对 AI 最清醒、最常被引用的一句话，是关于"采用"而非"能力"才是真正的瓶颈：

"Humans are the longest pole in the tent here. If no human uses any of this stuff, it's absolutely useless. You can't even come up with that super AGI thing. If nobody's using it, it doesn't matter."

"人类是这顶帐篷里最长的那根杆子。如果没有人用这些东西，它就绝对毫无用处。哪怕你搞出那个超级 AGI——如果没人用，它也没意义。"

Logan Bartlett Show, 2024

第九章：超大规模融资、保持私有、万亿愿景（2024–现今）

前传：那次被拒绝的收购要约——"I missed that one shot"

[事实] 2025 年 Ghodsi 与 Ben Horowitz 在 a16z Boss Talk [5496670] 上双双 on-record 确认：Databricks 历史上有过一次真实的收购要约，出价是当时估值的六倍（本集未点名买家与年份）。Ghodsi 犯了一个他后来反复告诫别人的错误——先告诉了联合创始人：

"The acquisition offer was on the table. It was six times bigger than the valuation we had at the time. And I had done the mistake of telling my co-founders and they were like, let's go... Stop working. Take your hands off the keyboard... And let's count my money."

"收购要约就摆在桌上，出价是我们当时估值的六倍。而我犯了个错误——告诉了联合创始人。他们的反应是：成交吧……都别干活了，手从键盘上拿开……来数数我的钱。"

a16z Boss Talk, 2025-10 [00:48:29]

[事实] 消息进一步泄露到部分高管层，公司陷入停摆和政治化——高管们每天互相打电话揣测"Ali 今天脸色不太好，你觉得他会拒绝吗"。Ghodsi 自己也动摇了（"maybe they're right. Maybe we should just sell."）。翻转发生在一次与 Horowitz 的车内对话。按 Ghodsi 的转述，Horowitz 没有下命令，而是先声明"你怎么选我都支持、这个价格卖掉对 a16z 也很划算"，然后说了这样一段话：

"You can sell, you're going to make a lot of money, and you'll be super successful in life. But, you know, if you're like me, you're going to look back the rest of your life thinking, you know, I missed that one shot. That was the one thing. I should have taken it all the way and now I'll never know how far I could have taken it. So do you want to live with that or do you want to just have the money?"

"你可以卖，你会赚很多钱，你的人生会非常成功。但如果你像我一样，你余生每次回头都会想：我错过了那一次机会。就是那一件事。我本该把它做到底的，而现在我永远不会知道自己能走多远。所以——你是想带着这个念头活下去，还是只想要钱？"

Ben Horowitz 当年的原话（Ghodsi 在 a16z Boss Talk 2025-10 转述）[00:50:03]

（Horowitz 的参照系是他自己执掌过的 Loudcloud/Opsware——"那家公司拿到的牌远不如你这家"。）Ghodsi 的反应干脆利落：

"And I was like, okay, thanks. We're never doing this. This is not happening."

"我说：好，谢谢。我们永远不卖了。这事不会发生。"

a16z Boss Talk, 2025-10 [00:50:25]

[事实] Horowitz 在同场给出了他当时判断的底层逻辑——也是理解后面"保持私有"整章的钥匙：

"You just don't get this good a market opportunity with this good an entrepreneur... That's the rarest of rare things."

"你不可能再遇到这么好的市场机会配上这么好的创业者……那是稀有中的稀有。"

Ben Horowitz, a16z Boss Talk, 2025-10 [00:47:48]

[推断] 这个故事是"关于决策"一节里那条建议——"有 offer 时先别告诉联合创始人，否则会陷入政治"——的亲身出处：他把自己踩过的坑蒸馏成了给别人的 playbook。它也让第九章的融资阶梯有了一个更早的逻辑起点：拒售在先，"用私募解决流动性、永不被迫卖出"的资本策略在后。

Ghodsi 在 TechCrunch 的访谈 [18] 里把理由讲得很直白：

"This year was an election year. We wanted to get some stability — people are worried about interest rates, inflation. So we said look, it's dumb to IPO this year, so we're definitely going to wait."

"今年是大选年。我们想要一些稳定性——人们担心利率、通胀。所以我们说，看，今年上市是愚蠢的，我们肯定要等。"

TechCrunch, 2024-12

他对当时的 AI 估值环境也毫不留情：

"I mean, it's peak AI bubble. It doesn't take a genius to know that a company with five people which has no product, no innovation, no IP — just recent grads — [is not] worth hundreds of millions, sometimes billions."

"我是说，这是 AI 泡沫的顶峰。不需要天才也知道，一家五个人、没产品、没创新、没 IP——只是刚毕业的学生——的公司，不值几亿、有时甚至几十亿美元。"

TechCrunch, 2024-12

他在 Stanford ETL [1215036] 上把"保持私有"提升为一个战略原则——"asymmetric moves"（非对称行动）：

"I think being private lets you make asymmetric moves to win in the market."

"我认为保持私有让你能做出非对称的行动来赢得市场。"

Stanford ETL, 2024

具体而言：保持私有让 Databricks 能做战略性降价、做收购、把人派到近期 ROI 很低的国家——这些都是季度财报压力下做不了的动作。他的对照组是那些在 2021 年泡沫期 IPO 的同行——他们在 2022 年被迫削减成本，而保持私有的 Databricks 继续招了几千人。

持续的融资阶梯与万亿愿景

• 2025 年 9 月：Series K——$1B 融资，估值超 $100B。
• 2025 年 12 月：Series L——$4B 融资，估值约 $134B。
• 2026 年 1 月：再获 JPMorgan 与私募信贷机构 $1.8B 债务融资；自由现金流为正（The Next Web 报道）。
• 2026 年 2 月：年收入 run-rate 越过 $5.4B，同比增长 65%+；有报道称其考虑以 ~$175B 估值 IPO（Ghodsi 本人未确认）。
• 2026 年 6 月：Ghodsi 在 Bloomberg 访谈中明确：2026 年不上市（见下）。

Ghodsi 在 Fortune 2025 年 12 月的访谈 [19] 里给出了通往 $1 万亿估值的"三重赌注"：

1. Lakebase——一个基于 Postgres、为 AI agent 优化的事务型（OLTP）数据库；切入"40 年没变过"的企业数据库市场。
2. AI 代码生成——"80% 以上在 Databricks 上启动的数据库不是人启动的，而是 AI agent 启动的"。
3. vibe-coded apps——建立在 Lakebase + agents 之上的应用。

而他对企业 AI 护城河的判断回到了"数据"这个原点：

"It's a commodity now to have AI that has general knowledge, but it's very elusive to get AI that really works and understands that proprietary data."

"拥有具备通用知识的 AI 现在已经是大宗商品了，但要得到真正能工作、真正理解那些专有数据的 AI——这非常难以捉摸。"

Fortune, 2025-12

2026 年中："不是今年"第三次上演 + "context problem" 论点

IPO：又一次推迟。 2026 年初市场普遍预期 Databricks 年内挂牌，但 6 月 4 日 Ghodsi 在 Bloomberg 访谈中给出相反答案。背景（报道口径）：SpaceX、Anthropic、OpenAI 三大超级 IPO 拟在 2026 年合计从公开市场吸走超 $200B，挤占银行、分析师与媒体注意力：

"We will be a public company. I just think this is a terrible year to go public."

"我们会成为一家上市公司。我只是认为今年是上市的糟糕年份。"

Bloomberg, 2026-06-04（转引自 The Next Web）

"If I wanted to have a crazy, crazy valuation, we would have gone public in the last 12 months. We just want to have a fair valuation that we can continue growing into."

"如果我想要一个疯狂至极的估值，我们过去 12 个月里早就上市了。我们只想要一个我们能持续成长进去的公平估值。"

Bloomberg, 2026-06-04（转引自 The Next Web）

上市的最终理由依然不是融资，而是员工——"We want to create a market transaction mechanism for our employees."（"我们想为员工创造一个市场化的交易机制。"）

[推断] 这是他第三次用几乎同一套逻辑推迟 IPO（2023 "we will go public when the time is right" → 2024 "it's dumb to IPO this year" → 2026 "a terrible year to go public"）。模式一致：把"何时上市"当作可反复行权的期权——用巨额私募与债务解决员工流动性这个唯一的硬需求，把上市时点的选择权本身经营成"asymmetric moves"的一部分。

AI 论点的 2026 压缩版。 2026 年 5–6 月，他把 2024 年的 "compound AI systems"、2025 年的"通用知识已是大宗商品"进一步压缩成一句口号式 thesis，并在 Bloomberg Technology 活动上宣称 AGI 实际上已经到来（现场仅约 10% 观众起初同意；报道转述）：

"AI doesn't have an intelligence problem. It has a context problem."

"AI 没有智能问题。它有的是 context 问题。"

CNBC（Jim Cramer 访谈），2026-05-20

"We don't need AI to get smarter. It just needs to be given context."

"我们不需要 AI 变得更聪明。它只需要被给予 context。"

Bloomberg Technology 活动，2026-06

[推断] 这句口号是 Databricks 商业利益与他个人技术判断的重合点：若瓶颈是 context 而非模型智能，价值就从模型层移到数据平台层——正是 Databricks 的位置。但它与他 2024 年的 "humans are the longest pole in the tent"、"distill the smallest possible model" 一脉相承，是同一论点的演化而非临时的营销话术。

"三阵营"分类法与"泡沫在超级智能阵营"（BG2, 2025-12）

在 Brad Gerstner 与 Bill Gurley 的 BG2 播客上（与 Glean 的 Arvind Jain 同场），Ghodsi 把 2024 年那句"AI 泡沫顶峰"（当时指"五个人、没产品、没 IP 却值几十亿"的公司）升级成了一个结构性分类法。他把 AI 领域的参与者分成三个阵营——追求超级智能的（super-intelligence quest）、学术研究者、以及创造经济价值的——并且把泡沫精确定位在第一个阵营：那个高资本开支、回报却不确定的超级智能军备竞赛。

注：本集是多嘉宾 panel（Ghodsi + Arvind Jain + Gerstner + Gurley）。以下只折入明确归属 Ghodsi 本人的内容。

这个分类法把 Databricks 的位置说清楚了：它属于第三个阵营（经济价值），而泡沫在第一个阵营——两者被刻意分开。与之配套的是他把 LLM 彻底"大宗商品化"的比喻——[事实，转述] 据本集 Q&A，Ghodsi 把 LLM 视为大宗商品，把不同模型比作"不同加油站里可互换的汽油（interchangeable sources of gas）"，切换成本极低。

而企业真正的护城河仍然回到"专有数据"这个原点——这一点与已有的 Fortune 2025 论点一致，但他在此给出了更凝练的问法：

"It really comes down to your company. What data does your company have that's special that your competitors don't have? Can you leverage that? And can you build AI that really understands that data?"

"这真的归结到你的公司。你的公司有什么特殊的、竞争对手没有的数据？你能利用它吗？你能造出真正理解那些数据的 AI 吗？"

BG2Pod with Brad Gerstner and Bill Gurley, 2025-12-24 [00:07:17]

"AGI 的球门已经移动了" + 价值归于应用层（BG2, 2025-12）

同一集里出现两个此前档案未收录的新判断，都明确归属 Ghodsi：

其一，AGI 已经达成——只是定义被移动了。 他认为，按 2000 年代末 AI 学界给 AGI 下的定义，今天的 AI 早已达标；真正发生的是球门被后移，所以与其争论"是否达到 AGI"，不如把注意力转向"让现有 AI 在企业里真正有用"。这与他一贯的"采用 > 能力"（humans are the longest pole）立场同源，但"AGI 已达成、是定义在漂移"是一个更尖锐、可引用的新表述。

其二，价值主要归于应用层。 被问到价值会如何在数据层 / 智能（模型）层 / 应用层之间分配时，Ghodsi 判断大部分价值会累积到应用层——他仍然强调数据与治理的重要性，但把最大的价值落点放在"利用 AI 的应用"上。

[推断] 这是一个值得记的表面张力：一个卖数据/智能平台（数据层与模型层）的 CEO，公开说"价值主要在应用层"。合理的调和是——他真正的赌注（Lakebase + agents + vibe-coded apps，见上文 Fortune 三重赌注）恰恰是让 Databricks 自己向应用层延伸；说"价值在应用层"因此不是让利，而是宣布进军方向。这与第九章 Fortune 段落里"80% 以上的数据库由 AI agent 而非人启动"是同一条战略线。

长/短仓：做多 agents 与语音，做空 coding/客服自动化的炒作（BG2, 2025-12）

被问到在 AI 空间的"long / short"时，Ghodsi 给了具体的方向性下注——这是档案里第一次有他明确的多空表态：

• 做多（long）：agents 与语音交互——他判断键盘最终会消失。
• 做空（short）：被过度炒作的代码自动化（coding automation），以及客服/支持自动化（customer service/support automation）。

[推断] "做空 coding 炒作"这一条尤其耐咀嚼：它与整个 2025–2026 年"AI 写代码"的主流叙事逆行，也与他自家 Fortune 段落里"80% 数据库由 agent 启动"看似矛盾——但两者可以调和：他做空的是 coding 被过度定价的炒作，而非 agent 自动化本身；他做多的恰恰是更底层的 agents。这仍然是他标志性的 non-consensus 姿态在 2025 末的一次具体行权。

二、深度洞察

关于创业：grit 与"局外人"驱动力

Ghodsi 把创业成功的第一要素归结为 grit（坚毅）——而且明确地把它和"放弃太早"对立起来：

"Grit. Most successful entrepreneurs failed for a long time until they finally succeeded. I've seen many people throw in the towel too early."

"坚毅。大多数成功的创业者在最终成功之前失败了很长时间。我见过很多人认输得太早。"

Unusual Ventures

这条"grit"信念的根，是第二章里那条"局外人 → 必须证明自己"的链条。他把这种特质制度化进了招聘——在 Logan Bartlett Show 上他说 Databricks 招"with a chip on their shoulder"的人，并坦白这是一个高压、拼命工作的环境，"不适合所有人"——而对这种期待诚实反而保证了对齐。

到 2022 年，他在 Grit（Kleiner Perkins）上给了 grit 一个更成熟、也更沉痛的定义——从"不放弃太早"转向"穷尽一切可控的输入、然后接受不可控的结果"。这个定义的来源是极其私人的：他的儿子被诊断出癌症。

"Grit means doing everything humanly possible to accomplish something. Even if you fail, you know that no one else could have done more."

"Grit 意味着竭尽人力所能及的一切去完成某件事。即使你失败了，你也知道没有任何人能做得更多。"

Grit (Kleiner Perkins), 2022-10-24 [01:03:07]

[事实] 他讲述当儿子确诊时，他做了每一项能做的研究、咨询了每一位医生、采取了每一个可能的预防措施；即便结果不如所愿，人也能在"我已经把可控的输入做到了极致"里找到平静。他把这套"控制输入、放下结果"的逻辑直接映射回经营公司——世界不总在你的掌控之中，但你必须确保自己为眼前的挑战使出了每一分力气。[推断] 这与前面 Unusual Ventures 那条"不认输太早"的 grit 不矛盾而是升级：早期版本讲的是坚持的时长，这一版讲的是尽力的彻底性与对结果的释然——后者显然经历了比创业更重的东西才长出来。

关于开源：成功需要"连续两个 home run"

这是 Ghodsi 在 Stanford ETL [1215036] 上对开源商业化最系统的论述——一个残酷的公式：

"The problem with open source is that the perfect formula for succeeding with open source looks as follows. It requires two home runs that happen consecutively."

"开源的问题在于，开源成功的完美公式是这样的：它需要连续打出两个全垒打。"

Stanford ETL, 2024

• Home run #1：一个能病毒式传播的开源项目。打不出这个，你就等于把自己的 IP 白送给了竞争对手。
• Home run #2：一个建立在开源之上、客户愿意付钱的专有 10x 增值层。

Databricks 的解法是：在开源 Spark 之上保留一个专有的、快 10x 的引擎——因为有更大分发能力的云厂商会把开源版免费提供。而这个专有层必须是 drop-in 兼容的——"a turbo pack"（涡轮增压包），客户已有的东西插上就能用。

2021 年他在 Invest Like the Best [2185232] 上补上了这个公式的需求侧：企业拥抱开源不是出于理想主义，而是对 1980 年代以来 vendor lock-in 创伤的反应——

"Enterprises prefer open source because it avoids lock-in. When you bet on proprietary vendors, they eventually become complacent because they know you cannot leave."

"企业偏爱开源，因为它避免锁定。当你押注专有厂商时，他们最终会变得自满——因为他们知道你走不掉。"

Invest Like the Best, 2021

在他的叙述里，开源对 Databricks 自己同样是一个 forcing function：客户随时可以走，所以你必须靠真实的创新而非锁定留住他们。

2025 年他把这个公式的对抗性一面压缩成了一句更冷的话——开源公司要打的第一场仗不是对竞争对手，而是对自己送出去的东西：

"Actually, your biggest enemy is your open source project. The main thing you have to fight in the market is, why can't I just download the open source version?"

"实际上，你最大的敌人是你自己的开源项目。你在市场上要对抗的头号问题就是：我为什么不能直接下载开源版本？"

a16z Boss Talk, 2025-10 [00:01:50]

关于产品：vitamin vs painkiller 与 10x

Ghodsi 对"产品从 0 到 1"的核心判断是一个生动的二分：

"You built a vitamin. We all take the vitamin, we're excited when we buy it, but then the next day we forget to take the vitamin."

"你做了一个维生素。我们都买维生素，买的时候很兴奋，但第二天就忘了吃。"

Stanford ETL, 2024

vitamin（维生素）是买的时候兴奋、第二天就忘的东西；painkiller（止痛药）是每次头疼都会用的东西。判断标准不是会议室里的热情，是留存数字。

而要真正改变一个市场，他引用 Peter Thiel——你需要 10x 的改进。Databricks 的专有引擎让 Spark 快 10x，这翻译成 10x 更少的机器、10x 的价格优势——然后这个优势"和客户对半分"。

关于组织：culture = CEO 的人格（递归式定义）

这是 Ghodsi 最"有争议"、也最被反复引用的管理观点。他在两期播客 [1215036][5481824] 上都讲了同一个递归式定义：

"When you start your company, the culture of your company is more or less the personality of the CEO. Nothing else."

"当你创办公司时，公司的文化或多或少就是 CEO 的人格。没有别的。"

Ali Ghodsi

而且这个逻辑是分形/递归的——一个部门的文化就是这个部门负责人的人格。他用微软举例：Bill Gates 的微软、Steve Ballmer 的微软、Satya Nadella 的微软是同一家公司下的三种不同文化。

他的方法论是把 CEO 的人格编码成"culture principles"（文化原则）——一份告诉员工"如何在这家公司成功"的 cheat sheet。但他强调一个关键约束：这份编码必须诚实：

"When you're codifying those principles, you can lie to yourself and pretend you're someone you're not. That's not going to go well. Write down properly who you really are. Introspect that."

"在编码这些原则时，你可以对自己撒谎、假装你是另一个你不是的人。那不会有好结果。如实地写下你到底是谁。对此做内省。"

Ali Ghodsi

他还引用 Ben Horowitz 的 What You Do Is Who You Are——身份由行动定义，不由言辞或愿望定义。维持文化一致性靠三个闭环动作：按原则提拔、按原则招聘、按原则把人请出去。

值得注意的是他在 Logan Bartlett Show 上对 Databricks 文化原则的描述——它们不是墙上那种励志口号：

"Our culture principles aren't like the aspirational cool stuff that you'd like to have on the wall. It's literally what worked and didn't work in the past empirically."

"我们的文化原则不是那种你想挂在墙上的、励志的酷东西。它就是字面意义上——过去在经验上什么有效、什么无效。"

Logan Bartlett Show, 2024

文化原则之外，他对"规模化对 CEO 心智的要求"有一个分阶段框架（Invest Like the Best, 2021 [2185232]）：早期 PMF 阶段需要 owner 心态——看到问题就亲手解决，哪怕不是你造成的；到了第三阶段，同样的心态反而有害：

"In the early phase, if you see trash in the kitchen, you clean it up. At scale, you don't pick it up; you figure out how it got there and build processes to ensure it never happens again."

"早期阶段，你看到厨房里有垃圾，就把它捡起来。到了规模化阶段，你不再去捡——你要搞清楚它是怎么出现在那里的，并建立流程确保它再也不会出现。"

Invest Like the Best, 2021

同一期访谈里他还说：与其他强 leader 建立信任是 CEO 工作里最耗时、最难的部分——但你无法独自建成一家大而重要的公司。

"捡垃圾 vs 建流程"框架有一个容易误读的反面——建了流程不等于 CEO 退到流程之外。2025 年在 a16z Boss Talk [5496670] 上，他把自己的工作方式描述为对"演讲式 CEO"的明确拒绝：

"If you're just going to fly high and give high-level inspirational speeches and then we'll trust them, we'll delegate to people, it's not going to work. So my way is you've got to get in the weeds."

"如果你只打算飞在高空、发表高屋建瓴的励志演讲，然后说'我们信任他们、我们授权给他们'——那是行不通的。所以我的方式是：你必须扎进杂草丛里。"

a16z Boss Talk, 2025-10 [00:20:04]

[事实] 具体做法包括：他回复 Databricks 每一个产品的 progress report、跟进每一次产品发布（连 Horowitz 都当场评价 "Insane"），并且刻意绕过科层获取信息：

"I don't follow the bureaucracy, basically. I go talk to anyone I like. I try to go to the person that is actually the closest to the work that's being done at any given time."

"我基本上不遵循科层。我想找谁聊就找谁聊。我尽量去找那个在任何时刻离实际工作最近的人。"

a16z Boss Talk, 2025-10 [00:21:24]

（他补了一句约束："有一些技巧和规则，让你这么做而不搞垮整个组织"——Horowitz 在同场把这条规则明确化为"听与指挥的区别"：下去是为了听懂问题，然后把指令送回指挥链，而不是当场发号施令。）与之配套的是 Databricks 早期的一条文化原则：

"We used to have one of the culture principles... hey, be a co-founder. And we don't want to have any employees at Databricks. We just want co-founders... you're kind of the owner of this company. You're not just a renter."

"我们曾有一条文化原则……嘿，做一个联合创始人。我们不想要 Databricks 有'员工'，我们只要联合创始人……你是这家公司的所有者，而不是租客。"

a16z Boss Talk, 2025-10 [00:20:52]

[推断] 这三块拼在一起，"捡垃圾"框架的完整版本是：规模化之后 CEO 不再亲手修复（那是流程的事），但必须亲自获取未经 spin 的真相（fly low）——修复权交给流程，知情权绝不交给科层。这与 lowlights 强制汇报、"truth ≠ data"是同一个系统的三个入口。

关于"执行层杠杆"（executive leverage），他在 Grit（Kleiner Perkins）上讲了一个被 [[ben-horowitz]] 点醒的关键时刻。他曾在一次 1:1 里坚持自己会"辅导（coach）"高管团队去修正他们的表现，Horowitz 反问他：你真的比你雇来的那些专家更懂营销、更懂销售吗？——教训是，如果你觉得需要"修好"你的高管，你其实已经失败了：

"Your job is to hire people who make you look amazing. If your job is to fix them, you are already failing."

"你的工作是雇那些让你显得了不起的人。如果你的工作变成了去修好他们，那你已经在失败了。"

Grit (Kleiner Perkins), 2022-10-24 [00:48:06]

[事实] 与之配套的是他对招聘的极端投入：招聘是 CEO 最高杠杆的活动之一，一个关键岗位招错可以让高速扩张的公司倒退两年；因此他的面试极度细致——不只看候选人的履历，还要看他过去雇了谁、怎么雇的、在那些人身上看到了什么特质，甚至会去联系那些"过去被他招进来的人"做背景印证（backdoor reference 的又一次应用）。这条"雇比你强的人、而不是修好现有的人"，是第六章 2016 年"up-level 管理团队"那个决策在个人操作层面的展开。

招进来之后的存活率是另一个问题——高管空降的失败率很高，事后都被归因为"fit"，但 fit 很大程度上取决于入职之后发生了什么。2023 年他和 Horowitz 在 a16z Podcast [2280] 上专门讨论了这一段。Ghodsi 的 onboarding 方法有两个动作。第一个是预期设定——直接把 Horowitz 那篇主张"你必须 micromanage 新高管"的文章发给对方：

"I actually literally give them the article that you published. It's on micromanagement by Ben Horowitz... So I actually give them that article and I just tell them, this is what we're going to do next... This article kind of says, hey, it's just a transitory thing. It's a normal thing. Everybody here went through it."

"我真的就是把你发表的那篇文章发给他们。就是 Ben Horowitz 写 micromanagement 的那篇……我把文章给他们，然后直接说：接下来我们就要这么做……这篇文章等于在说：嘿，这只是过渡性的，是正常流程，这里每个人都经历过。"

a16z Podcast, 2023-06 [00:19:19]

没有这层预期，新高管会把贴身管理解读成"这段新关系里你要 24-7 盯着我？"而恐慌；有了这层预期，反而可能变成"读完那篇文章，我以为你会管得更狠"。第二个动作是高频无议程接触：

"Stay as close as you can to them, weekly one-on-one and so on. That's not going to cut it... If I have a new executive, I call them every day... Do we have a scheduled time? No, I just call them... I don't have really an agenda, but we're getting to know each other so we can build up trust."

"尽可能贴近他们——每周 1:1 之类的，那是不够的……如果我有一个新高管，我每天都给他打电话……有固定时间吗？没有，我就是直接打……我其实没什么议程，但我们在互相了解，这样才能建立起信任。"

a16z Podcast, 2023-06 [00:20:16]

[推断] 这两个动作和"culture principles 是 cheat sheet"的逻辑同构：把隐性的、容易被误读的强干预，显式化成一份人人可见的"游戏规则"，再用高频率把 context 灌进去——预期管理先于管理本身。

2021 年 20VC [100401] 上他给这套"流程化"补了三个具体机制：

1. Lowlights 强制汇报——成功是危险的，高增长会掩盖糟糕的流程。团队来庆祝"碾压了目标"时，他会问 "What is not going well?"（"什么进展不顺？"）——在一切尚好时逼组织正视裂缝，否则小裂缝会在增长放缓时变成结构性塌方。
2. GTM 排序反常识——他反对"先招市场负责人讲故事"的常规智慧：先招销售 leader，创始人和 TA 一起见客户、在真实世界里学会怎么卖，然后才招市场负责人把信息系统化。
3. 财务作为制衡——销售 leader 天然"不计代价冲收入"、会激进扩编烧钱，必须早招财务 leader 做 checks and balances；否则 CEO 只能亲自当支出警察——"一场必输的仗"。

关于联合创始人：99% 的努力在前方

Ghodsi 自称是七位联合创始人里"最不情愿"创业的那一个："I didn't want to start a company and I was the reluctant, I was the least in of the co-founders."（我不想创业，我是那个最不情愿的、最没买账的联合创始人。）

但他对联合创始人关系给出了一个非常清晰的框架——核心是"信任"，以及一个用来化解股权纷争的洞察：

"We're doing this together because we think we're going to create something amazing in front of us. And when we create that amazing thing in front of us, 99% of the effort is in front of us, not behind us."

"我们一起做这件事，是因为我们相信我们将在前方创造出某种了不起的东西。而当我们创造那个了不起的东西时——99% 的努力在前方，不在身后。"

Stanford ETL, 2024

既然 99% 的努力还在前方，那么围绕"过去谁贡献了多少"做向后看的谈判就是不理性的。值得一提的是他的坦诚——他说 Databricks 没有在七位联合创始人之间平分股权，而事后看"他们本应该平分"。

但"向前看"不等于回避冲突。他在 20VC [100401] 上把 conflict-aversion（回避冲突）列为 CEO 的危险特质：他见过公司死于 CEO 不敢请走一位明显不胜任的联合创始人或早期朋友。不做这个决定，本质上是在用公司的存亡换取个人的情感舒适（转述）。

关于决策：non-consensus bets 与场景树

Ghodsi 对"成功公司"的定义是一个关于反共识的论断：

"To create a successful company, you have to bet on something that's non-consensus at the time and you have to be right about it. So for us, it was AI. It was the cloud. It was open source."

"要创造一家成功的公司，你必须押注某个在当时是反共识的东西，而且你必须押对。对我们来说，那就是 AI、云、开源。"

Logan Bartlett Show, 2024

他在 Logan Bartlett Show 上回忆 Databricks 创立时（2009–2013）听到的"明智建议"全是反对：开源 AI 无法变现、预测分析没有市场（相比向后看的 BI）、所有数据都会留在本地——而他们的推理是 "if we didn't build it, no one would"（如果我们不做，没人会做）。

他还有一个关于聚焦的标志性比喻：

"We have a gun and it has one bullet left in it. We're not going to do a thousand things. We have like one bullet left. We better aim it really clearly and we better hit the target."

"我们有一把枪，里面只剩一颗子弹。我们不会做一千件事。我们只剩一颗子弹。我们最好瞄得非常清楚，最好打中目标。"

Logan Bartlett Show, 2024

对于"是否卖掉公司"，他给的方法是场景树——把当前增长率复合到三年后；一个真实的收购报价必须打败最坏情况、大概率也要打败中间情况，因为创始人不会用今天的估值卖掉一个一年后能长进更高倍数的公司。（他还给了一条很务实的建议：有 offer 时先别告诉联合创始人——否则会陷入政治。这条建议是亲身教训：Databricks 那次真实的收购要约他就先告诉了联合创始人，公司随即停摆、政治化——完整故事见第九章"前传"。）

场景思维在公司治理层面还有一个制度化版本（20VC, 2021 [100401]）：他强迫管理层每年做一次 "sky is falling"（天要塌了）演习——哪怕在增长最快的年份——模拟市场骤停、融资枯竭。这不是悲观主义，而是提前写好 playbook：疫情来袭时 Databricks 不需要恐慌，因为那些 "what if" 早已推演过。他把这种"计算过的乐观 + 深度偏执"的组合直接归因于难民经历：

"Because I experienced both extreme wealth and extreme poverty at a young age, I know that everything can go to zero in a heartbeat."

"因为我在很小的年纪就经历过极端的富有和极端的贫穷，我知道一切都可能在一瞬间归零。"

20VC, 2021

与之配套的是他对直觉的不信任——"I prefer process over intuition every time."（"我每一次都宁选流程而非直觉。"）他不相信答案会"在睡梦中降临"：分析数据、列出标准、过逻辑。唯一的例外是文化契合度——但他连这个也处理成一个 cerebral 的判断（对职场长期"婚姻"可行性的评估），而非 gut feeling。

关于个人：truth-seeking 与"学术失败模式"

Ghodsi 把 Databricks 文化的一条核心原则——truth-seeking——直接追溯到七位创始人的研究背景：

"We're truth-seeking, which comes from the research background. We're very, tell it as it is, be honest about it. That's not common in the industry."

"我们求真——这来自研究背景。我们非常'有什么说什么'、对此诚实。这在业界不常见。"

Ali Ghodsi

2022 年在 Grit（Kleiner Perkins，本集标题即 "The Difference Between Truth and Data"）上，他把这条原则推进到一个更锋利的区分——truth ≠ data。他的论点是：在大公司里，最先被牺牲的往往就是真相，因为信息在层层上报的过程中被"清洗"成一个"一切都在成功"的叙事，于是高层看到的是一个被精心策划的幻象（curated fantasy），部门之间为了各自的叙事互相争斗、而不是聚焦客户。求真的操作性含义因此不是"看更多数据"，而是敢于承认某个战略——哪怕是自己发起的——正在失败，并快速掉头：

"If you can detect bad decisions, admit them, and pivot quickly, that is a competitive advantage in itself."

"如果你能察觉出糟糕的决策、承认它们、并快速掉头，那本身就是一种竞争优势。"

Grit (Kleiner Perkins), 2022-10-24 [01:02:15]

[推断] 这与已有的 "lowlights 强制汇报" 是同一枚硬币的两面：lowlights 是逼组织产出坏消息的机制，"truth ≠ data" 则解释了为什么必须这么做——数据可以被策划成谎言，只有主动求真才能穿透它。

但他同时对"学者出身"保持着罕见的自我批判。他在 Stanford ETL 上明确指出一个"学术失败模式"——细节导向、演绎式推理、期待每个人都像研究者一样思考——他说自己必须有意识地训练自己"关掉大脑的那一部分"，才能去招非技术岗位（营销、销售）的人。

他对"面试"这个信号本身也极度怀疑：

"I don't believe in interviews. Because I think some people interview well, and they might not be good at all. And some people interview really poorly, but it might be excellent."

"我不相信面试。因为我觉得有些人面试表现很好，但他们可能根本不行。有些人面试表现很差，但可能极其出色。"

Logan Bartlett Show, 2024

他更信任的是 backdoor reference（非正式背景调查）和"这个人过去实际表现如何"的经验证据——以及一条他作为管理者的不可妥协的红线：

"Outright lying. If you lie to me, we're going our separate ways."

"公然撒谎。如果你对我撒谎，我们就分道扬镳。"

Unusual Ventures

关于自我管理："我最大的敌人是我自己"

[事实] 这是档案里第一次收录 Ghodsi 对"控制欲"本身的反身审视。他在 Grit（Kleiner Perkins）上承认，自己的默认状态就是寻求控制——这来自童年的极端不稳定（逃离战乱国家）。但 2006 年（他做第一次创业 Peerialism、同时读博的时期），他把自己逼到了身体崩溃、恐慌发作的地步，这件事给了他一个极其谦卑的教训：他并不真正掌控自己的身体，也不掌控这个世界。

"My biggest enemy is me. I can completely destroy myself, so I have to keep that in check."

"我最大的敌人是我自己。我能彻底毁掉我自己，所以我必须把它管住。"

Grit (Kleiner Perkins), 2022-10-24 [00:21:44]

[事实] 他因此学会识别 burnout 的预警信号——当他开始觉得某个商业结果是"生死攸关"（life or death）的事情时，他知道自己必须后退一步、休息、重获视角。[推断] 这条自我管理的"code"与他在决策上"计算过的乐观 + 深度偏执"是同一个人的两面：偏执驱动他把每个 "what if" 推演到底、把"一切可能归零"当作预设（见"关于决策"），而这条 code 则是防止同一股强度反噬他自己的刹车——他很清楚，那股让他成功的"必须证明自己"的驱动力，若不加管束也正是最能毁掉他的东西。

三、数据来源

网络研究（22 篇）

1. Ali Ghodsi — Wikipedia — 基础事实时间线
2. Databricks — Wikipedia — 公司框架、融资阶梯、收购
3. Apache Spark — Wikipedia — Spark 起源与 MapReduce 缺陷
4. Ali Ghodsi: "Being an outsider in Sweden gave me the drive to succeed" — Silicon Valley Nordic Beat — 童年最丰富的一手来源
5. Seven Academics Who Had Never Run a Company — Stacksync — Databricks 创立叙事
6. Databricks 2016 Leadership Change — Databricks 官方公告 — CEO 交棒
7. Databricks CEO met his founding team during college — Fortune — 教育与 AI 时代
8. What Is a Data Lakehouse? — Databricks Blog — lakehouse 论点的奠基文献
9. Databricks vs. Snowflake — Foundation Capital — 竞争深度分析
10. Databricks Acquires MosaicML — Databricks 官方公告 — $1.3B 收购
11. Series J $10B 融资公告（Databricks 官方）— 2024-12 标志性融资
12. Series K >$100B 融资公告（Databricks 官方）— 2025
13. Databricks Launches DBRX — Databricks 官方公告 — 开源 LLM 战略
14. Change is coming for major cloud providers — SiliconANGLE — 超大规模云"亦敌亦友"
15. 10 years ago founder Ali Ghodsi struggled to give the software away — The Stack — 创立前的挣扎、Horowitz 故事
16. Ali Ghodsi — UC Berkeley EECS Faculty Page — 学术记录
17. Learnings from Ali Ghodsi on the journey to $1B+ ARR — Unusual Ventures — 领导力与扩张哲学
18. "It's dumb to IPO this year" — TechCrunch / Yahoo Finance — 保持私有的理由
19. Databricks CEO says his company will be worth $1 trillion — Fortune — 当前万亿愿景
20. Databricks CEO: 2026 is "a terrible year to go public" — The Next Web — 2026-06 第三次推迟 IPO（转述 Bloomberg 2026-06-04 访谈）
21. "AI doesn't have an intelligence problem. It has a context problem." — CNBC (2026-05-20) / StartupHub.ai 对 Bloomberg Technology 活动的报道 — 2026 年中 AI 论点
22. A Costly AI Training Foray, Sidestepping the Model Wars & the Push to Kill Tokenmaxxing Bloat — Newcomer — 2026-06-16 深度访谈（付费墙，仅导言可读）；DBRX 实际成本 ~$20M 的"come clean"

播客访谈（10 期）

未使用但已扫描的

• CNBC Television 多个 Ali Ghodsi 片段（7954608、1362833、8117349、7951755、5445426、5052244、4487549、3235556、2818084、2590544、1761799、6531382）— TV 新闻短片（<15min），按质量过滤器排除；其中 8117349 "context problem" 的内容已由 web 来源 [21] 覆盖
• Bloomberg Technology 短片（2388718、2388721、7428749）、Fortt Knox（4909109、4909256、4909239）— TV 短片/视频专栏，排除
• Microsoft Ignite Demo（1500849）、Data + AI Summit Keynote（1500818）、lakehouse 格式互操作对谈（1500806）、与 Jensen Huang 的 Summit 对谈（1500813）— Databricks 自有 feed 公司 PR/会议内容，排除
• Goldman Sachs Talks（2848107）、MAD Podcast 会议 fireside chat（4873334）、Axios AI+ SF 会议对谈（5273288）、Newcomer Cerebral Valley 双嘉宾会议 session（110083，内容与既有开源/DBRX/监管章节重叠）— 机构宣传/会议对谈，排除
• Breaking Analysis with Dave Vellante（8464353）— 第三方分析师节目，非本人访谈，排除
• The Logan Bartlett Show "Super AGI"（2519120）— 与已折入的 EP 124（2348741）同日发布，疑似同场访谈的剪辑版，排除防重复
• 同内容多 feed 重复：a16z Boss Talk 5496670 = a16z Podcast 5407810；a16z Podcast 2280 = a16z 1210932 = Raising Health 557637——各保留一个，其余防复活备注
• Data + AI Summit 2026 keynote（6 月 16 日）— "context problem" 论点与既有 [21] 重叠（BigDATAwire 报道确认），公司 keynote 按 PR 排除，不另折
• B2BaCEO "How to Build a Decacorn"（2314004，2022-02-17，Ashu Garg 1:1 深访）— 2026-08-04 已提交 Podwise 处理，pending 下轮回收
• Stratechery "An Interview with Databricks CEO Ali Ghodsi About Building Enterprise AI"（2024）— 付费墙印刷版深访，记入 backfill_queue 下轮消化