Snowflake 深度拆解 — AI 加持的数据云

开场

Snowflake 曾经是华尔街最受追捧的 SaaS 公司——2020 年 IPO 首日涨幅 111%，巴菲特都罕见地参与了 IPO 认购。但 2023-2024 年增速放缓，股价从高点腰斩。然后 AI 的浪潮来了。2025 年底，Cortex AI 收入年化突破 1 亿美元，比多数分析师预期快了一个季度。FY2026 产品收入达到约 44.7 亿美元，增长 29%。

我在企业客户那里接触 Snowflake 的频率可能比任何其他数据工具都高。它是很多公司"第一个认真用的云数据仓库"。这篇文章拆解它现在到底在做什么，以及 AI 这张牌打得怎么样。

他们解决什么问题

传统数据仓库（Oracle、Teradata）有两个根本问题：贵，且弹性差。你必须预购容量，不管用不用都在付钱。数据量增长时扩容周期以月计。跨部门数据共享靠导出 CSV。

Snowflake 用计算存储分离架构解决了这些问题：存储按实际用量计费（接近 S3 价格），计算资源按需启停，几秒内弹性扩缩。数据共享不需要搬数据——直接授权访问。

目标客户：中大型企业的数据分析和 BI 团队，尤其是已经在用 Tableau、Looker、Power BI 的组织。行业覆盖金融、零售、科技、医疗，基本上任何需要 SQL 分析的企业都在 Snowflake 的射程内。

时机：企业数据量的增长速度远超预算增长速度。IDC 的数据显示，全球企业数据量每两年翻一番，但 IT 预算的年增长率只有 5-8%。消费制的弹性定价让 CFO 能接受"用多少付多少"的模式，而不是跟 Oracle 签三年锁定合同。Snowflake 在 2020-2023 年抓住了"去 Oracle 化"的窗口期，拿下了大量从传统数据仓库迁移的客户。

产品矩阵

核心产品

Snowflake Data Cloud：核心数据仓库，支持 SQL 查询、半结构化数据（JSON、Parquet）处理、数据共享和 Marketplace。

Snowflake Cortex：2024 年推出的 AI 服务层，直接在 Snowflake 环境内运行 LLM 推理。包括 AI_COMPLETE（文本生成）、AI_CLASSIFY（分类）、AI_SUMMARIZE（摘要）等 SQL 函数。支持调用 Claude、Llama、Mistral 等模型。

Snowflake Intelligence：2025 年底推出，让非技术用户用自然语言查询数据，定位类似 ThoughtSpot 的 Search 体验，但内嵌在 Snowflake 生态中。

Cortex Search：基于 Snowflake 数据构建 RAG 应用的搜索服务，按索引数据量和 token 使用量计费。

Snowpark：在 Snowflake 内运行 Python、Java、Scala 代码的运行时，让数据科学家不用把数据搬出去就能做 ML。

Snowflake Marketplace：数据和应用的交易市场。第三方供应商可以在 Marketplace 上发布数据集、ML 模型和数据应用。客户可以直接在 Snowflake 内订阅第三方数据，不需要建 ETL 管道。这个模式创造了数据层面的网络效应。

技术差异化

Snowflake 的护城河是"数据引力"——一旦企业把数据放进 Snowflake，围绕这些数据的查询、权限、管道都绑定了。数据共享和 Marketplace 进一步强化了网络效应：你的合作伙伴也在 Snowflake 上，数据直接互通。

跟 Databricks 比，Snowflake 的 SQL 体验更成熟、更快——Snowflake 的查询优化器针对分析型 SQL 做了深度优化，对数据分析师来说上手成本接近零。跟 BigQuery 比，Snowflake 的跨云能力（AWS、Azure、GCP 都支持）是关键差异。跟 Redshift 比，Snowflake 的计算存储分离架构让扩缩容体验好一个量级——Redshift 扩容还要等节点预热。

Snowflake 的数据引力效应是其最深的护城河：一旦企业把核心数据放进 Snowflake，围绕这些数据的 BI 工具、ETL 管道、数据共享关系都绑定了。迁移成本不只是技术成本，还有业务关系的重建成本。

商业模式

定价策略

Snowflake 是纯消费制——没有 seat-based 许可证。核心计费单位是 Credit。

计费维度	模式	参考价格
计算（Virtual Warehouse）	按 Credit 消耗	$2-4/Credit（按需），$1.50-2.50/Credit（年约）
存储	按实际用量	~$23-40/TB/月
Cortex AI 函数	按 Token	Claude-4-opus: 12 Credit/百万 Token
Cortex Search	按索引数据量 + Token	6.3 Credit/GB/月（持续计费）

需要特别注意的是 Cortex Search 的"空闲税"——不管你查不查询，只要索引存在就按 GB/月持续计费。50GB 索引 + 20GB 嵌入 = 70GB，每月固定 441 Credit。

收入模式

消费制的好处是收入跟客户价值正相关，坏处是季节性波动大。Snowflake 通过年度承诺合同（Capacity Contract）来平滑——客户预购 Credit，锁定折扣价。FY2027 指引产品收入约 $57 亿，暗示 27% 增长。

融资与估值

Snowflake 于 2020 年 9 月 IPO，当前市值约 $750 亿。过去 12 个月，Snowflake 和 Databricks 的 ARR 差距从 Snowflake 领先 $8.8 亿缩小到几乎持平。Databricks 估值 $1340 亿，是 Snowflake 的接近 2 倍——市场在用估值投票谁更像"AI 公司"。

客户与市场

标杆客户

• Capital One：核心数据分析平台迁移到 Snowflake，替换了 Teradata
• Instacart：供应链和用户行为分析跑在 Snowflake 上
• Siemens：工业数据共享和分析的全球平台
• DoorDash：实时运营分析和定价模型

Snowflake 有超过 6100 个账户在使用 Cortex 构建 AI 应用。净收入留存率约 120%，相比历史峰值 170%+ 有所下降，反映了消费增速放缓。

市场规模

云数据仓库市场 2026 年预计约 $350 亿。Snowflake 的 $44.7 亿产品收入意味着约 13% 的市场份额。如果加上 AI 服务市场的增量，TAM 可以扩展到 $500 亿以上。

竞争格局

维度	Snowflake	Databricks	Google BigQuery	Amazon Redshift
SQL 性能	强	中等（在追赶）	强	中等
AI/ML 原生	中等（Cortex 起步）	强（Mosaic AI）	强（Vertex AI）	中等
非结构化数据	弱	强	中等	弱
数据共享	强（Marketplace）	中等	弱	弱
跨云	三大云都支持	三大云都支持	仅 GCP	仅 AWS
定价模式	消费制（Credit）	消费制（DBU）	消费制	预留 + 按需
增长	29% YoY	65% YoY	未单独披露	未单独披露

核心观察：Snowflake 和 Databricks 正在从两个方向互相侵入。Snowflake 从 SQL 分析向 AI 延伸，Databricks 从 ML 向 SQL 延伸。短期内 Snowflake 在 SQL 场景仍有优势，但 AI 方向 Databricks 领先明显。

我实际看到的

好的：Snowflake 对 SQL 分析师非常友好。我见过数据团队从 Teradata 迁移到 Snowflake 后，查询速度提升 5-10 倍，同时总成本降低 40%。数据共享功能是真正的差异化——跨组织分享数据不需要 ETL，直接授权就行。对于已经有 Tableau/Looker 的团队，Snowflake 是最无缝的后端选择。

复杂的：消费制定价是双刃剑。一方面灵活，另一方面不可预测。我见过客户因为一个写得不好的 SQL 查询烧掉了 $5000——一个查询。Cortex AI 的定价更复杂，Cortex Search 的持续计费模式让很多客户在概念验证时吃了暗亏。没有 FinOps 意识的团队，Snowflake 的月账单可以让 CFO 心跳加速。

现实的：Snowflake 在 AI 方向的竞争力还需要验证。Cortex 年化收入 1 亿听起来不少，但跟 Databricks AI 收入的 14 亿比就知道差距。6100 个 Cortex 用户很多是试用阶段。真正把生产级 ML 模型跑在 Snowflake 上的企业，我还没见到几个。Snowflake 的长期赌注是：企业会选择在数据已经存在的地方做 AI，而不是把数据搬到 AI 平台去。这个逻辑成立，但需要 Cortex 的能力追上 Databricks。

我的判断

• ✅ 适合：核心需求是 SQL 分析和 BI 的企业。Snowflake 的查询性能、易用性和生态成熟度是最好的。
• ✅ 适合：有跨组织数据共享需求的场景（金融、医疗、供应链）。
• ✅ 适合：已经用 Tableau/Looker/Power BI 的团队，Snowflake 是最平滑的升级路径。
• ❌ 跳过如果：核心需求是 ML 模型训练和推理。现阶段 Databricks 或者直接用云厂商的 ML 服务更成熟。
• ❌ 跳过如果：预算有限且没有 FinOps 团队。消费制的灵活性在缺乏管控时会变成成本陷阱。

一句话：Snowflake 是企业数据分析的默认选择，但 AI 这张牌还在打——能不能打赢，2026 年下半年见分晓。

互动

你觉得 Snowflake 的"在数据所在的地方做 AI"逻辑成立吗？还是说企业最终会把数据搬到专门的 AI 平台？你的团队 Cortex 用上了吗？