Snowflake commits $6B to AWS for AI infrastructure

🔑 增強重點摘要

•這項價值 60 億美元的承諾是 Snowflake 迄今為止最大的基礎設施投資，反映了企業對 AWS 上 AI 和數據工作負載日益增長的需求，並擴大了在客戶成功、工作負載遷移和市場推廣方面的聯合投資，特別是透過 AWS Marketplace。
•除了與 AWS 的協議外，Snowflake 還宣布收購企業模型上下文協議 (MCP) 平台 Natoma，旨在為其 AI Data Cloud 整合 AI 代理的治理和身份層，以增強 AI 系統的安全連接和管理。
•此舉是 Snowflake 轉向「代理式 AI」的更廣泛戰略轉型的一部分，目標是將其 AI Data Cloud 從一個洞察系統發展為一個行動系統，將自主、結果導向的 AI 代理直接嵌入到受治理的企業數據環境中。
•採用 AWS Graviton 處理器預計將為 AI 和機器學習工作負載帶來顯著的性價比提升和更高的能源效率；Graviton3 在機器學習方面提供高達 3 倍的性能提升，並比前幾代節省高達 60% 的能源消耗。
•Snowflake 在 AWS 上的商業成功顯著，其 AWS Marketplace 終身銷售額已超過 70 億美元，其中 2025 日曆年銷售額超過 20 億美元，交易增長同比翻倍，顯示出其在 AWS 上利用 AI 和數據能力的客戶群正在迅速擴大。

📊 競品分析▸ Show

特性/平台	Snowflake (AI Data Cloud)	Databricks (Lakehouse)	Google BigQuery
核心理念	雲端數據倉儲，優先考慮分析、受治理的數據共享、BI 和透過 Cortex 增強 AI 能力。	湖倉一體架構，強調數據工程、機器學習和 AI 管線，以筆記本為中心的開發環境。	無伺服器數據倉儲，與 Google 生態系統深度整合，專注於 SQL 分析。
AI 能力	Cortex AI 提供文字轉 SQL、摘要、情感分析、實體提取，支援多模態數據處理，並可存取 Snowflake Arctic、Mistral、OpenAI、Anthropic、Meta 等領先 LLM。	擅長建構機器學習模型、訓練自訂模型和部署 AI 代理。	原生 Gemini AI 功能 (如 CLASSIFY) 直接在 SQL 中呼叫，BigQuery ML 用於模型建構，支援多模態嵌入，提供對話式分析。
定價模式	基於「點數」(credit) 的計算消耗，按需定價約每點數 2-4 美元，承諾使用有折扣；另需支付底層雲端基礎設施費用。	基於 DBU (Databricks Unit) 的計算消耗，費率依工作負載類型和實例類型而異 (例如，SQL/ETL 工作負載約每 DBU-小時 0.07-0.22 美元)，另需支付底層雲端 VM 費用。	儲存和查詢按量付費，提供 10 GB 儲存和 1 TiB 查詢的永久免費額度；按需查詢定價對臨時分析查詢非常划算。
性能基準	在典型的 BI 和分析工作負載中，查詢響應時間通常比 Databricks SQL Warehouses 快 15-30%。	對於大規模 ETL、數據工程、機器學習和 AI 管線，通常更具成本效益和強大，大規模 ETL 成本可降低 20-40%。	對於不希望考慮基礎設施的團隊來說，其真正的無伺服器特性是無與倫比的；臨時、即席分析查詢成本效益高。
操作複雜性	完全託管平台，營運開銷最低，上市時間最快。	需要更多主動的基礎設施監督，儘管已透過無伺服器計算選項縮小差距。	真正的無伺服器，零基礎設施決策，無需叢集、倉儲或配置。

🛠️ 技術深入

Graviton 處理器整合：Snowflake 已將其虛擬倉儲工作負載從 x86 遷移到基於 Graviton 的實例，估計將每個 Snowflake 虛擬倉儲點數的碳足跡減少 57%，並為客戶帶來平均 10% 的性能提升。 Graviton 處理器是 AWS 自行設計的 ARM 架構處理器，專為雲端工作負載優化。
Graviton 性能優勢：Graviton3 處理器針對機器學習工作負載進行了優化，支援 bfloat16 和兩倍的單指令多數據 (SIMD) 頻寬，與 Graviton2 相比，機器學習工作負載性能提升高達 3 倍，浮點性能提升 2 倍，記憶體頻寬增加 50%。它們還能以相同性能節省高達 60% 的能源。
Snowflake Cortex AI：提供完全託管的模型，如 Snowflake Arctic 和 Mistral，用於文字處理、摘要、情感分析和實體提取等任務。它支援 SQL 和 Python 等多種程式碼介面，並透過 Snowflake Studio 實現無程式碼開發。 Cortex AI 還包括 Cortex Code (AI 編碼代理) 和多模態支援，例如使用 Llama 3.2 模型處理圖像輸入，並將陸續支援音訊、視訊和圖像嵌入。
Natoma 收購與治理層：Natoma 提供企業模型上下文協議 (MCP) 平台，其功能將整合到 Snowflake 的 AI Data Cloud 中，以建立 AI 代理的原生整合治理和身份層。這將使 Snowflake 能夠安全地連接 Cortex Agents、Snowflake Intelligence、Cortex Code 和其他 AI 平台到企業系統，並內建信任、可見性、身份感知授權、策略和完整的可稽核性。

🔮 前景展望AI analysis grounded in cited sources

Snowflake 將加速企業級 AI 應用的生產部署。

透過對 AWS 基礎設施的巨額投資、Graviton 處理器的整合以及 Natoma 的收購，Snowflake 正在強化其 AI Data Cloud，以提供更安全、高效且可治理的 AI 代理和生成式 AI 能力，從而縮短企業從 AI 實驗到規模化生產的時間。

Snowflake 在 AI 領域的競爭地位將得到顯著提升。

此次與 AWS 的深度合作及其對代理式 AI 的戰略轉型，將使其能夠更好地與 Databricks 等競爭對手抗衡，特別是在提供統一、受治理的數據基礎以支持 AI 工作負載方面。

企業將能更安全、更高效地將 AI 能力直接應用於其受治理的數據。

Snowflake 透過 Cortex AI 和 Natoma 的整合，旨在將基礎模型和代理式 AI 能力直接帶入受治理的企業數據環境，無需移動敏感數據，從而解決了企業在 AI 採用中的安全和治理挑戰。

⏳ 時間線

2012-07

Snowflake 成立。

2014

Snowflake 開始在 Amazon Web Services 上運行。

2015-06

Snowflake 推出其首個產品，即雲端數據倉儲。

2020-09

Snowflake 在紐約證券交易所首次公開募股 (IPO)。

2024-02

Sridhar Ramaswamy 擔任執行長，啟動向 AI Data Cloud 的戰略轉型。

2025-10

Snowflake 與 Palantir 宣布建立企業級 AI 和分析戰略合作夥伴關係。

2026-01

Snowflake 宣布收購 AI 驅動的可觀察性公司 Observe。

2026-05-27

Snowflake 承諾向 AWS 投入 60 億美元用於 AI 基礎設施，並宣布收購 Natoma。

Snowflake 承諾投入 60 億美元於 AWS 以強化 AI 基礎設施

⚡ 30-Second TL;DR

關鍵要點

🧠 深度解析

🔑 增強重點摘要

🛠️ 技術深入

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線

📎 來源 (26)

👉相關動態

Claude Opus 5 以半價提供高效能表現