Snowflake：執行長表示 AI 將資料移轉時間從數年縮短至數季，並重新構想應用程式為「技能」組合
高盛 Communacopia + 科技大會，2026年9月8日
Snowflake 執行長 Sridhar Ramaswamy 與財務長 Brian Robins 在高盛 Communacopia + 科技大會（Goldman Sachs' Communacopia + Technology Conference）上發表演說，針對生成式 AI 如何壓縮傳統資料移轉時程，以及重塑企業應用程式的定義，描繪出更具企圖心的前景。會中最具體的數據顯示：某大型製造業客戶正計劃在三個季度內完成 Teradata 移轉，Ramaswamy 表示這在 2024 年是難以想像的時程。「移轉在幾乎所有 CIO 或 CDO 心中都令人膽戰心驚，」他指出，但 AI 程式碼代理（coding agents）如今讓系統整合商能在固定成本合約下保證成果，打破了數十年來定義服務產業的傳統「按時計費與材料費」（time-and-materials）模式。
移轉從變動成本轉為固定成本
Ramaswamy 將此視為 AI 推動軟體工業化的一部分，並表示這對包括 Snowflake 在內的每一家科技與軟體公司都構成「深遠的威脅」。對 Snowflake 業務的實際影響在於，系統整合商越來越願意將移轉定價為固定成本、成果有保證的專案，而非無止境的計費工時專案，因為程式碼代理既加速了核心移轉工作，也大幅降低了解決過去會拖垮專案時程的不可預測邊際案例（edge cases）的難度。Robins 證實客戶導入曲線正明顯變得陡峭：「我們內部追蹤客戶達到消耗運行速率所需的時間，發現這些曲線變得越來越陡峭。」
應用程式被重新構想為資料基底上的「技能」
本次討論中概念上最具深遠意義的部分，集中在 Snowflake 如何看待應用程式層的演進。Ramaswamy 認為，建構軟體的難度已經降低，以至於運送傳統應用程式時更艱難、更耗時的部分（處理應用程式商店與打包作業），反而取代了建構本身，成為主要的瓶頸。他提出的替代方案是所謂的「在資料基底上運行的少數自我演進技能」。他以內部問卷調查工具為例，說明使用者介面、資料庫表格、通知邏輯與存取控制如何在 Snowflake 內部按需組合，而無需採購獨立的 SaaS 產品，當使用者點擊連結時，React 介面便能「隨選即現」。至關重要的是，這些技能並非靜態的：Ramaswamy 表示，隨著使用模式揭示了哪些任務可以交由自動化處理，Snowflake 自身的內部支援系統已經從手動審核的工作流程演進為代理驅動的自動化。這種重新構想如果能在客戶中扎根，將使 Snowflake 能夠擷取原本會流向第三方應用程式供應商的價值，不過 Ramaswamy 也審慎指出，這並非旨在全面取代套裝軟體。
透過全新銷售動能與職能深化 CoCo
在 Snowflake 的 CoCo 代理產品方面，兩位高階主管皆強調，故事的核心正從廣泛的採用轉向使用的深度。Ramaswamy 描述了他們如何利用內部使用數據，根據觀察到的重複行為向客戶推薦特定的「技能」，同時搭配為期兩到三小時、與客戶共同進行的實作實驗室技術教學，公司發現這對推動更深度的互動非常有效。值得注意的是，Snowflake 創設了一個全新的職位——「啟動工程師」（activation engineer），其專責任務是讓新客戶更快在平台上線。Robins 補充說明 CoCo 如何拓寬了買方對話本身：「一年前我剛加入 Snowflake 時，幾乎沒有與客戶對話。而今天，我每週都會與 3 到 5 位財務長會面。」他表示，以成果為基礎的定價機制是解鎖這一點的信任基礎：獲得明確成果固定價格保證的客戶，會以過去在傳統按時計費與材料費安排下所沒有的態度「全力投入」。
推論策略：價值階層，而非轉售遊戲
當被直接問及向現有客戶群銷售透傳推論（pass-through inference）的毛利權衡時，Ramaswamy 直言不諱地劃清界線。「如果只是轉售來自大型供應商的無差別算力，你根本沒有創造任何價值。那些試圖以此假裝自己擁有業務的人，是在散布假新聞，」他說。Snowflake 優先的合作順序是直接銷售 CoCo 或 CoWork；如果客戶堅持要用原始模型算力來執行自己的框架，Snowflake 會提供；如果客戶只想將資料平台作為雲端供應商的後端，Snowflake 也會配合，「只是稍微不那麼情願」。他指出，規模經濟（包含公司 60 億美元的 AWS 合約）是隨著時間提升推論毛利的機制，同時內部也越來越常使用開源權重模型。
CoCo 的毛利率護欄
Robins 明確表示，若 CoCo 的成功帶來任何毛利率壓力，公司將會積極主動地與華爾街溝通，而不會製造突襲。「如果我們看到 CoCo 的大規模採用超出目前的預期，我們有能力在一個或兩個季度內與各位溝通以進行管理，」他表示，並將 Snowflake 的消耗型商業模式定調為：初期爬升天生較慢，但一旦觀察到的累積行為增加，就會變得更具預測性。儘管新產品具有特定的毛利結構，公司仍維持全年度的營運槓桿財測。
對代理延遲坦誠以告
Ramaswamy 並未迴避一個尖銳的問題：Snowflake 最初是為人類驅動的分析而建構，而非高流量、低延遲的代理查詢，這樣的架構是否適任。「我們在處理超低延遲資料方面做得不夠好的整體批評，是非常合邏輯的，」他表示，並補充說 Snowflake 的串流解決方案已將資料時效性降至 2 到 3 秒，但要達到某些即時代理使用情境所需的 500 毫秒以下水準，仍是進行中且尚未完成的工作。這是執行長在台上罕見地承認特定的技術落差，而非重新包裝批評，這也暗示投資人在未來幾季應密切關注具體的延遲基準，以此作為評估來自更新、原生代理資料基礎設施競品所帶來之競爭風險的指標。
轉換成本一體兩面
Ramaswamy 同時承認加速移轉是一把雙面刃：如果 AI 能加速移轉進入 Snowflake，它也能同樣輕易地加速移轉離開。「如果移轉進 Snowflake 可以變得快得多，那麼移轉出 Snowflake 也可以變得快得多。這就是我們身處的世界，」他說。他的因應之道是順應開放格式而非與之對抗，並指出 Snowflake 管理的 Iceberg 表格能讓客戶將資料儲存於 Snowflake 的同時，仍能被其他引擎查詢。他認為，Snowflake 的防禦能力現在必須來自基於開放資料之上的治理、災難復原與代理工具，而非專有鎖定（proprietary lock-in），這是該公司早期立場的顯著哲學轉變。「我想舊的 Snowflake 過去總是死守著一些它認為不可侵犯、永不改變的事物，那家公司也已經變了，」他說。
通縮壓力下的定價哲學
談到 Gen 2 執行個體等新一代運算的定價機制時，Robins 表示 Snowflake 透過銷量成長與新工作負載來抵消硬體世代自然發生的「效能價格通縮」（price-performance deflation），在將效能提升回饋給客戶的同時，避免營收出現階梯式下滑。Ramaswamy 在總結定價討論時引用了他前老闆的一句話：「營收能解決所有已知問題」，這句話凸顯了管理階層整體的偏好：優先推動使用與採用，而將毛利優化視為下游的自然結果，而非首要的限制條件。