Supabase досягає оцінки $10,5 млрд на тлі революції AI-кодування у бекенді

Кожен бекенд-розробник, який підключав Firebase-прототип об 11 вечора, знає цю пастку: спочатку все злітає швидко, а потім натрапляєш на запит, який не можеш написати. Supabase п'ять років продає вихід із цієї пастки, і інвестори щойно оплатили наступний розділ. Раунд у $500 мільйонів при постгрошовій оцінці $10,5 мільярда — це не голосування за базу даних. Це голосування за те, проти чого буде виконуватися AI-згенерований код у 2027 році.

Що сталося

Supabase закрила раунд Series F на $500 мільйонів при постгрошовій оцінці $10,5 мільярда, як Unite.AI повідомила. Раунд очолив GIC. Список існуючих інвесторів нагадує перекличку Sand Hill Road: Accel, Y Combinator, Craft, Felicis, Peak XV та Coatue — всі повернулися. Stripe докинув більше фішок на стіл. Salesforce Ventures приєднався як новий інвестор.

Разом із фінансуванням Supabase випустила Multigres v0.1 в альфа-версії — компанія описує його як масштабовану операційну систему для Postgres. Це окрема новина з абсолютно іншими наслідками, і ми до неї повернемося.

Сама продуктова поверхня принципово не змінилася. Supabase як і раніше пропонує базу даних Postgres, автентифікацію, миттєві API, Edge Functions, підписки в реальному часі, сховище та векторні ембединги через pgvector. Змінився склад клієнтів і профіль навантаження. AI-інструменти для написання коду — Cursor, Claude Code та агенти в стилі Codex — тепер генерують код застосунків, який звертається до Supabase API. Пітч той самий, що й у 2020 році: менше рухомих частин, більше Postgres, але покупець більше не просто соло-засновник. Дедалі частіше це автономний агент, який вибирає інфраструктуру замість розробника, котрий не читав документацію.

Залучення $500 мільйонів при такій оцінці дає великий запас ходу. Але водночас фіксує очікування. Щоб виправдати $10,5 мільярда, Supabase має вирости з дефолтного вибору для побічних проектів до дефолтного вибору для підприємств. Ця прірва ширша, ніж більшість кап-таблиць готові визнати.

Технічна анатомія

Архітектурна ставка тут проста й варта повторення: тримати все в Postgres. Рядки застосунку, ідентифікатори користувачів, векторні ембединги, потоки змін у реальному часі — все це знаходиться всередині одного екземпляра Postgres, доступного через згенеровані REST і GraphQL API та шар реального часу.

Розширення pgvector є ключовим елементом для AI-сценарію. Воно дозволяє розробникам зберігати та запитувати векторні ембединги безпосередньо в таблицях Postgres, а це означає, що семантичний пошук, системи рекомендацій, retrieval-augmented generation та AI-асистенти можуть жити поруч із записами користувачів, на які вони посилаються. Жодної другої бази даних. Жодного завдання синхронізації. Жодного вікна кінцевої узгодженості між «що зробив користувач» і «що знає шар пошуку». Для більшості AI-навантажень у форматі звичайних застосунків ця інтеграція цінніша за чисту пропускну здатність векторів.

Edge Functions — другий стовп. Це глобально розподілені серверні функції на TypeScript, призначені для виконання поблизу користувачів: обробка вебхуків, обробка вхідних даних, генерація ембедингів та виклики сторонніх API. Supabase також інтегрувала AI-можливості інференсу в Edge Functions, що сигналізує: компанія розглядає серверний шар як частину AI-стеку, а не як допоміжний компонент.

І є Multigres v0.1 alpha. Назва натякає на Vitess — систему шардингу, яка масштабувала MySQL для YouTube, а пізніше для тисяч інших команд. Supabase описує Multigres як масштабовану операційну систему для Postgres, спрямовану на добре відому проблему стелі: вертикальний Postgres прекрасний, поки не перестає ним бути, а горизонтальний Postgres історично був кладовищем напівзавершених форків. Alpha означає alpha. Я бачив виробничі інциденти, де команди впроваджували шари шардингу v0.x, бо маркетингова сторінка виглядала готовою. Не будьте тією командою.

Моя думка: pgvector та Edge Functions — це реальний продукт сьогодні. Multigres — це стратегічний прапор, вбитий у землю, що сигналізує: Supabase має намір стати відповіддю, коли неминучий Slack-тред «ми переросли наш основний сервер» з'явиться у 2027 році.

Хто постраждає

Спеціалізовані векторні бази даних тепер мають складніший процес продажів. Якщо pgvector достатньо хороший для retrieval-augmented generation на приватних бізнес-даних, а Supabase поєднує його з авторизацією та сховищем, розмова «нам потрібна окрема векторна БД» стає коротшою щокварталу. Команди, з якими я працював, вже за замовчуванням обирають pgvector для будь-чого, що містить кілька сотень мільйонів ембедингів, і звертаються до спеціалізованих векторних рушіїв лише тоді, коли бюджети затримки стають критичними. $500 мільйонів підсилюють цю гравітацію.

Firebase — інша очевидна мішень. Supabase розпочала як відкрита альтернатива, і кут AI-кодування грає на її сильних сторонах. Згенерований код набагато охочіше пише SQL проти задокументованої схеми, ніж будує ланцюжки з пропрієтарних NoSQL-запитів. Коли Cursor або Claude Code скаффолдить проект, перемагають передбачувані примітиви.

Незручний висновок: керовані Postgres-провайдери без AI-стратегії — тихі програші тут. RDS, Cloud SQL та різні Postgres-as-a-service рішення досі обслуговують підприємницькі навантаження, але вони не поєднують авторизацію, сховище, реальний час, граничні обчислення та pgvector за одним SDK. Їхня перевага — відповідність стандартам і інтеграція з рештою хмарного акаунту, а не прихильність розробників.

Команди iGaming та fintech-платформ мають читати це зі змішаними почуттями. Пакет Supabase чудовий для нових AI-функцій (вбудовані копілоти, пошук сигналів шахрайства, персоналізовані пропозиції), але операційна зрілість для регульованих цілодобових транзакційних навантажень все ще поступається нудним incumbents. Наступні 90 днів принесуть багато проектів «давайте пілотуємо Supabase для AI-асистента». Це правильний обсяг. Не кладіть туди свій гаманець-леджер поки що.

Для стартапів, що будують AI-native продукти, цей раунд здебільшого є гарною новиною. Більше фінансування означає більше інженерів для продуктивності pgvector, більше регіонів для Edge Functions та гучніший підприємницький продаж, який тягне за собою сертифікати відповідності.

Дії для інженерних команд

Якщо ви — платформний лід і оцінюєте це, ось що реально варто зробити цього тижня.

По-перше, проведіть аудит, де зберігаються ваші ембединги. Якщо ви використовуєте окрему векторну базу даних для менш ніж п'ятдесяти мільйонів векторів, а ваше основне сховище вже Postgres, запустіть бенчмарк pgvector проти ваших реальних патернів запитів. Економія від консолідації для команди з 10 осіб може легко дорівнювати операційному навантаженню одного інженера.

По-друге, зафіксуйте версії Supabase, на які ви розраховуєте. Платформа рухається швидко, а залучення $500 мільйонів означає більше відвантажень, а отже — більше Breaking Changes нижче за течією від вас. Зафіксуйте версії клієнтських бібліотек. Читайте changelogs. Не дозволяйте автоматично згенерованому SDK у вашому AI-інструменті дрейфувати вашу виробничу схему.

По-третє, ставтеся до Multigres v0.1 як до сигналу дорожньої карти, а не до продукту. Не плануйте міграцію навколо альфа-програмного забезпечення. Якщо сьогодні ви відчуваєте проблеми масштабування Postgres, відповідь — це все ще репліки для читання, партиціонування та пулінг з'єднань, а не шардинг-шар, який ще не пройшов рік звітів про інциденти.

По-четверте, якщо ви використовуєте Cursor, Claude Code або будь-якого агента в стилі Codex для генерації бекенд-коду, напишіть внутрішній гайд зі стилю щодо того, які патерни Supabase ви приймаєте. Політики Row Level Security, тайм-аути Edge Function, вибір індексів pgvector. Згенерований код із задоволенням пропустить усі три.

По-п'яте, домовляйтеся зараз, якщо ви працюєте у великому масштабі. Раунди оцінки змінюють баланс цінової сили. Зафіксуйте багаторічні умови до того, як корпоративний тариф буде переоцінено.

Ключові висновки

• Supabase залучила $500 мільйонів при постгрошовій оцінці $10,5 мільярда; раунд очолив GIC, Salesforce Ventures приєднався, а Stripe збільшив свою частку.
• Теза полягає в тому, що AI-інструменти для написання коду (Cursor, Claude Code, агенти в стилі Codex) надають перевагу знайомим, добре задокументованим бекенд-примітивам, а Postgres плюс pgvector — це шлях найменшого опору.
• pgvector тримає ембединги поруч із даними застосунку, що підриває аргумент на користь окремих векторних баз даних у багатьох AI-навантаженнях.
• Multigres v0.1 alpha сигналізує про амбіції підприємницького масштабу, але не є виробничою інфраструктурою. Ставтеся до нього як до дорожньої карти, а не до цілі міграції.
• Edge Functions із можливостями AI-інференсу позиціонують Supabase як бекенд для застосунків, а не просто як базу даних — це правильне позиціонування для наступних двох років роботи з AI-продуктами.