「最悲傷的結局」？IBM豪擲110億收購Confluent：Kafka開源焦慮升級，Flink流計算成最大贏家

編譯 | Tina

當全行業都在追逐 GPU、訓練大模型、比拼算力規模時，IBM 選擇了一個完全不同的方向：以 110 億美元的全現金方式拿下 Confluent。

周一，IBM 正式確認以 110 億美元收購 Kafka 公司 Confluent。自 Confluent 2024 年 10 月傳出「可能出售」的信號后，IBM 幾乎被認為是最自然的買家。

兩家公司已建立了五年的戰略合作伙伴關係，在此期間，IBM 將 Confluent 作為 IBM Cloud Pak 的集成組件進行推廣，同時，據內部人士透露，IBM 還放棄了其內部的 Kafka 產品，轉而專注於出售 Confluent。

按每股 31 美元計算，此次收購相比此前股價溢價約 30%，資金從 IBM 現金儲備直接支付。不過由於 Confluent 一直面臨困境，其股價在過去 52 周內波動劇烈，最低跌至 15.64 美元，最高達到 37.90 美元。

按照這個價格，IBM 在開源軟件公司上的總支出已超過 500 億美元，包括 2018 年收購 Red Hat 的 340 億美元，以及 2024 年收購 HashiCorp 的 64 億美元，這還不包括未公開價格的交易。

每一次收購，IBM 買到的從來不只是代碼，還有背后的社區與生態。Red Hat 讓 IBM 成為 Linux 和 Kubernetes 的重要託管者；HashiCorp 帶來了 Terraform 在全球基礎設施團隊中的影響力；而 Confluent，則把 Kafka 的實時數據生態一併帶入 IBM 體系。

IBM 收購 HashiCorp 時，公司承諾遵循 2019 年收購 Red Hat 時的同一模式：利用其全球渠道將 Terraform 推向更多企業，同時加大研發投入促進創新，以保持競爭力。不少分析認為，這一次 Confluent 帶來的機會與之類似。Confluent 在 11 月底披露，其客户數量「超過 6000 家」，這意味着 IBM 還能在這批現有客户中，繼續放大自身產品與服務的滲透率。

這筆收購，對 Kafka 是風險

Kafka 屬於 Apache，但 Confluent 卻是核心推動力。

Kafka 作為 Apache 軟件基金會的旗艦項目，2012 年從孵化器畢業，其貢獻者名單多達約 1500 人。但根據 Confluent 前資深工程師 Stanislav Kozlovski 對 2010 年以來提交記錄的分析，Confluent 在 Kafka 的持續發展中佔據極核心地位。在前 100 名貢獻者中，有 61 名現任或前任 Confluent 員工；而前 10 名貢獻者中有 9 名來自 Confluent。

除了 Confluent，LinkedIn 是 Kafka 最大的貢獻組織，而 Kozlovski 發現，那些最初在 LinkedIn（現已歸微軟所有）開發 Kafka 的工程師，大多后來加入了 Confluent。

這意味着，一個掌握 Kafka 演進「話語權」的公司，現在被一個體量更大的平臺廠商收入麾下，不安也隨之而來。

當然，任何一筆大型收購都伴隨風險，其中最大的一項往往是人才與文化的磨合：Confluent 代表的是硅谷式的快節奏工程文化，而 IBM 則是一家有 110 年曆史的傳統企業巨頭，兩者之間不可避免存在張力。

Kozlovski 是擔心未來走向的人之一。他在交易正式宣佈前曾表示：「他們可能會把全部精力轉向專有技術，讓開源版本逐漸枯竭。」

「我個人對 IBM 並無成見，但有兩句話讓我印象特別深： ‘好的軟件，到了 IBM 就會死掉。’‘IBM 是披着科技公司外衣的私募基金。’」

「那 Kafka 會怎樣？ 我不知道。但別忘了：Confluent 佔了 Apache Kafka 至少 60–70% 的貢獻量。」「 無論如何，這都不是一個令人興奮的收購案。這可能是 Confluent 的旅程最令人悲傷的一個結局。」

這樣的擔憂並不新鮮，而是一種在開源世界被反覆驗證的風險預警：當關鍵基礎設施被納入大廠體系，路線圖往往要為商業 KPI 讓路，開源版本的演進節奏隨之放緩，社區的話語權會慢慢收回到廠商內部。而 IBM 的組織基因又引發了更多人的擔憂。在 Reddit 的「吃瓜現場」，一位經歷過類似整合的「過來人」感嘆道：「作為一個公司曾被 IBM 收購過的人，我只能向 Confluent 的員工緻以慰問。」不久就有 Confluent 員工追問：「什麼情況？我們會怎樣？」

他的回答可以説是在社區頭上倒了一桶冷水：

頭一年幾乎不會有太大變化，除了他們會裁掉你們大部分 HR、市場和銷售團隊，用自己的團隊頂上。再過一年，你會發現新銷售之所以賣不動你的產品，是因為他們既不熟悉產品本身，而你的產品又會與 IBM 原有業務產生衝突。與此同時，你也會意識到，「整合期的臨時招聘 / 晉升凍結」其實根本不是暫時的。不過 401k 有 6% 的配比，你只能自我安慰「也還行」。到了第二年，各種 HR 和銷售問題開始在報表里變成一片紅字，於是他們開始加強微觀管理：你的解決方案必須使用 IBM 自家的硬件，或必須綁定某些 IBM 自有的軟件組件。辦公室里的管理層越來越多，真正干活的人比例越來越少。緊接着，各種離譜的成本削減措施陸續登場，團隊士氣被嚴重消耗，創新速度也幾乎完全停滯。到了第三年，你環顧四周，會發現那些真正有能力的人，幾個月前就已經走光了。

更敏感的是 Kafka 的許可之爭。Confluent 目前採用開放核心（open core）授權策略，旨在限制競爭性的託管雲服務。其 Confluent Community License 允許運行自託管，但將託管或 SaaS 形式列為「排除用途」，阻止 AWS、GCP、Azure 等雲廠商推出託管增強版 Kafka。

隨着 IBM 接手，Kafka 的開源路線、企業版功能邊界，也許都將接受新一輪審視。

於是社區內也出現了另一種期待：希望以 Red Hat 為參照給予 Confluent 類似的自治權與文化空間。來自德國的解決方案工程師 Wladi Mitzel 指出，Confluent 一直面臨盈利壓力，而 IBM 反而可以將 Kafka 視為推動其諮詢與混合雲業務增長的「燃料」。

他補充説：「歷史上，IBM 收購公司后常常出現‘擠壓式整合’的情況：被深度整合后創新活力消失（SoftLayer 就是典型例子，一家雲公司被收購后迅速失去優勢）。然而 Red Hat 標誌着 IBM 的戰略轉變。IBM 認識到，要想在開源領域獲勝，就必須扮演贊助者，而不是微觀管理者。據我所知，IBM 確實保持了 Red Hat 的獨立文化。」

IBM 買的，不只是 Kafka

另一方面，IBM 花 110 億美元買到的，絕不只是一個託管版開源 Kafka。除了 Kora Engine 這顆「王冠明珠」之外，IBM 還將 Apache Flink 這條流處理產品線一併收入囊中。

原生 Kafka 雖然強大，但手動運維極其複雜；Kora 則是在保持 100% Kafka 兼容的前提下做了大量專有增強。與此同時，Apache Flink 為 IBM 帶來了強大的流處理能力。

如果説傳統數據處理是 ETL（抽取、轉換、加載），Flink 能在「數據流動中」直接轉換數據，實現實時分析——甚至還沒落地進數據庫。這對實時風控等場景至關重要。

從更大的行業背景看，這種組合並非偶然。RisingWave 創始人吳英俊（Yingjun Wu）就在最新的評論中提到：

「坦率地説，Kafka已經變成了一種‘商品’。和AWS MSK、Kinesis競爭非常困難，第三方廠商很難真正勝出。」

「Flink生態這幾年也在不斷蠶食Kafka的領地——從Flink CDC、Fluss到Paimon，很多新能力都在進入原本由Kafka覆蓋的場景。Flink和 Kafka不再是純粹的互補關係，而是開始在部分領域直接競爭。把Flink永遠當作Kafka的附加組件，長期來看是站不住腳的。」

「大家都不得不往價值鏈上游走。在AI時代，僅僅出售底層基礎設施，已經無法支撐預期中的增長。廠商需要賣的是能直接創造業務價值的產品，而不是一盒需要客户自己拼裝的‘樂高積木’。」

實際上，Confluent 的平臺也早已走出 Kafka 本身的影子。它擁有 120 多個可直接用於生產環境的連接器，內建流治理能力，原生 Flink 流處理，以及 tableflow 這樣的表 / 流統一層。這些組合起來，讓它悄然成為大型企業可選的最完整流式生態系統之一。

另外，從 CEO Arvind Krishna 的整體佈局來看，IBM 同時也正在構建一條貫穿所有云和數據中心的「橫向戰略」，試圖掌控未來自治企業的三大基礎層：計算層、管理層和數據流層。2019 年收購 Red Hat，補齊雲的操作系統；2024 年收購 HashiCorp，補齊自動化與安全控制平面；如今通過 Confluent，則補上了企業數據的循環系統。

在這個視角下，IBM 收購 Confluent 的邏輯就愈發清晰：它買到的根本不只是一個託管版 Kafka，而是一條完整的數據流能力鏈，從 數據接入（Kafka）→ 數據流計算（Flink）→ 上層企業應用，形成企業實時數據體系的核心骨架。

事實上，IBM 在開源商業公司的總投入已經突破 500 億美元（Red Hat、HashiCorp、Confluent）。這三次鉅額收購，幾乎拼出了 IBM 的「混合雲 + AI」底層版圖：

• Red Hat → 運行層（Linux / Kubernetes / OpenShift）

• HashiCorp → 控制層（Terraform / Vault / Consul）

• Confluent → 數據流層（Kafka / Flink / Stream Governance）

而 Arvind Krishna 也在近期訪談中明確指出：算力擴張正在進入回報遞減區間，企業 AI 的真正瓶頸將從「算力不足」轉移到「企業內部實時數據如何流動」。

換句話説，當 GPU 不再是唯一稀缺資源時，「數據能否在組織內部快速、連續、可靠地流動」反而會成為制勝關鍵。

因此，不少分析認為，IBM 收購 Confluent 的本質，是在為未來的企業 AI 構建一套覆蓋全公司的「數據血管系統」——而掌握 Kafka、Flink 以及整套流處理生態，就是掌握了企業實時智能的主動權。