🕷️
SetupAI
📊較早收集於 22m

Snowflake 受惠於 AI 數據需求，上調財測

PostLinkedIn
📊閱讀原文： Bloomberg Technology
#data-infrastructure#rag#cloud-computingsnowflake-data-cloudsnowflake

💡Snowflake 的成長凸顯了對支援 AI 與 RAG 工作流的數據基礎設施的巨大需求。

⚡ 30-Second TL;DR

有什麼變化

年度銷售展望優於預期

為什麼重要

Snowflake 的成長證實了數據基礎設施是現代 AI 應用開發的骨幹。

下一步行動

評估 Snowflake 的 Cortex AI 功能，以便直接在您的數據倉儲中建構 RAG 應用程式。

誰應關注：Developers & AI Engineers

關鍵要點

  • •年度銷售展望優於預期
  • •AI 需求推動數據軟體採用
  • •盤後交易股價飆升超過 25%

🧠 深度解析

Web-grounded analysis with 33 cited sources.

🔑 增強重點摘要

  • •Snowflake 的 AI 策略核心是其「AI 數據雲」和「代理式 AI」能力，旨在將其從數據平台轉變為 AI 原生執行環境，以彌合數據分析與業務成果之間的差距。
  • •該公司近期推出了其開源大型語言模型 Arctic，該模型採用 Dense-MoE 混合變壓器架構，總參數達 480B，並以 17B 活躍參數實現高效推理，特別針對 SQL 生成、編碼和指令遵循等企業任務進行了優化。
  • •Snowflake 已承諾在未來五年內向 AWS 基礎設施投入 60 億美元，這是其迄今為止最大的基礎設施承諾，旨在加速企業代理式 AI 的採用並深化與 AWS 服務的整合。
  • •於 2026 年 3 月，Snowflake 推出了「Project SnowWork」的研究預覽版，這是一個自主企業 AI 平台，旨在透過協調規劃、分析和執行，幫助業務用戶大幅加速工作流程。
  • •Snowflake Cortex AI 是一套功能，可將領先業界的大型語言模型 (LLM) 和搜尋功能直接整合到 Snowflake 數據雲中，允許用戶使用標準 SQL 或 Python 執行 AI 任務，而無需將數據移出安全邊界。
📊 競品分析▸ Show
平台架構AI/ML 能力定價模式最佳應用場景
Snowflake雲端數據倉庫 (儲存與計算分離)，多雲Cortex AI (LLM 功能、文件 AI、搜尋)、Arctic LLM、Snowpark (ML)基於消耗 (點數)SQL 分析、商業智慧、數據共享、在數據庫內運行 AI 模型
DatabricksLakehouse 平台 (基於 Apache Spark)，多雲Mosaic AI (自定義 LLM 微調)、MLflow、AutoML、Unity Catalog基於 DBU (Databricks Unit)機器學習、數據工程、數據科學、統一數據管理
Google BigQuery無伺服器數據倉庫 (GCP 專屬)BigQuery ML、Gemini 整合按查詢付費 (掃描的 TB 數) 或固定費率PB 級分析、即席查詢、Google Cloud 生態系統整合
Amazon RedshiftAWS 原生 MPP 數據倉庫 (預置或無伺服器)Redshift ML、Spectrum預置容量或按 RPU 小時付費AWS 生態系統整合、SQL 商業智慧工作負載
Microsoft Azure Synapse Analytics / Fabric統一分析平台 (Azure 專屬)整合 Microsoft AI 生態系統混合模式 (SQL 池、Spark 池等)Microsoft 生態系統整合、統一數據分析與 BI

🛠️ 技術深入

  • Snowflake Cortex AI: 一套完全託管的服務，提供對業界領先 LLM（來自 OpenAI、Anthropic、Meta、Mistral AI 和 DeepSeek）的低延遲訪問，並直接在 Snowflake 數據雲中提供搜尋功能。它允許用戶使用 SQL 或 Python 執行 AI 任務，例如 AI_COMPLETE（生成文本或圖像）、AI_CLASSIFY（分類文本或圖像）、AI_FILTER（過濾內容）、AI_PARSE_DOCUMENT（解析文件）、AI_EXTRACT（提取結構化信息）、AI_SUMMARIZE（總結）和 AI_REDACT（個人身份信息保護），所有操作都在 Snowflake 的安全邊界內進行。
  • Snowflake Arctic LLM: 一個開源大型語言模型，採用 Dense-MoE 混合變壓器架構。它結合了一個 10B 參數的密集變壓器模型和一個殘差 128x3.66B MoE 多層感知器 (MLP)，總參數為 480B，活躍參數為 17B。Arctic 針對 SQL 生成、編碼和指令遵循等企業任務進行了優化，並在訓練效率和成本效益方面表現出色。
  • ArcticTraining 和 Snowflake ML Jobs: ArcticTraining 是 Snowflake 的開源框架，專為 LLM 後訓練而設計。它提供聲明式 YAML 配置以實現可重現的訓練運行，並與 Hugging Face 和 DeepSpeed 整合，實現高效的分佈式訓練。它還包含 Snowflake 的研究創新，如 Arctic 長序列訓練（將可訓練序列長度提高 16 倍、116 倍和 469 倍）和 SwiftKV（將 LLM 推理成本降低高達 75%）。訓練代碼在 Snowflake 的安全邊界內運行。
  • Snowflake 平台架構: 採用儲存與計算分離的獨特架構。優化儲存層可整合非結構化、半結構化和結構化數據。彈性、多集群計算層可根據使用情況動態擴展。雲服務層提供自動化管理，減少複雜性。Snowgrid 則提供跨區域和跨雲的統一連接體驗，實現統一治理、業務連續性和組織內外協作。

🔮 前景展望AI analysis grounded in cited sources

Snowflake 將鞏固其作為企業 AI 數據基礎的地位。
透過將 LLM、AI 代理和 ML 功能直接整合到其數據雲中，Snowflake 消除了數據移動的複雜性，並確保了 AI 工作負載的治理和安全性，這對於企業採用至關重要。
AI 代理將成為企業工作流程自動化的核心。
Snowflake 的 Project SnowWork 和 Snowflake Intelligence 等產品旨在透過自主執行多步驟任務和學習用戶偏好來加速業務用戶的工作流程，從而將 AI 從洞察系統轉變為行動系統。
數據平台之間的競爭將更加側重於 AI 原生功能和開放數據格式。
隨著企業尋求更高效、更靈活的 AI 解決方案，平台需要提供強大的 AI/ML 工具、對開放標準（如 Apache Iceberg）的支持以及簡化的 AI 模型開發和部署流程。

⏳ 時間線

2012-07
Snowflake 成立，旨在創建一個雲原生數據倉庫，將儲存與計算分離。
2020-09
Snowflake 完成首次公開募股 (IPO)，籌集 34 億美元，創下當時軟體行業紀錄。
2021-03
推出 Snowpark，擴展平台以支持 Python、Java 和 Scala，用於數據科學工作負載。
2024-02
Sridhar Ramaswamy 接任 CEO，推動以 AI 為先的戰略轉型。
2024-04
Snowflake 推出其開源大型語言模型 Arctic，專為企業任務優化。
2026-05
Snowflake 宣布與 AWS 簽署一項 60 億美元的多年期戰略合作協議，以加速企業代理式 AI 的採用。
📊閱讀原文： Bloomberg Technology
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #data-infrastructure

同產品

更多關於 snowflake-data-cloud

同來源

最新來自 Bloomberg Technology

產業巨頭共同定義播客新標準

產業巨頭共同定義播客新標準

Bloomberg Technology•Jul 23

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Bloomberg Technology ↗