Snowflake 財務長揭露：AI 產品帶動上季財測超預期表現達 50%，同時員工人數增幅放緩至去年同期的三分之一
Piper Sandler 成長前沿會議（Growth Frontiers Conference），2026年9月15日
Snowflake 財務長 Brian Robins 日前出席 Piper Sandler 第 5 屆年度成長前沿會議（Growth Frontiers Conference）的爐邊對談，首度公開該公司如何透過 AI 產品組合重塑成長軌跡與成本結構，並向投資人詳細解析上季財報表現為何能創下 Snowflake 史上最強勁的優於預期（beat）紀錄之一。該份財報最受矚目的焦點在於：全年營收成長率財測從年增 31% 上調至 36%，單季大幅調升 500 個基點。Robins 向與會者表示，大約一半的優於預期表現來自 AI 產品，另一半則來自核心資料倉儲（data warehousing）業務，但他同時強調，這兩者之間的交織日益緊密。
AI 採用率正推升核心業務，而不僅是開闢新營收來源
最關鍵的揭露不在於 AI 產品本身，而是在於其對 Snowflake 傳統消耗型（consumption-based）業務的外溢效應。Robins 引述執行長 Sridhar Ramaswamy 在 LinkedIn 上發布的貼文指出，當客戶採用該公司旗艦 AI 代理產品 CoCo 時，核心業務的消耗量會提升 11%。這個數字至關重要，因為它重新形塑了投資論點：AI 的採用並未蠶食或單純補充核心業務，而是擴大了核心業務。Robins 透露，目前大約已有 9,100 個帳戶採用 CoCo，超過 5,000 個帳戶採用 Cowork，當前的銷售策略聚焦於深化這些帳戶的滲透率，而非單純開發新客戶。Robins 表示：「我們現在努力的方向，是讓銷售團隊深入探討實際應用情境（use cases），以提升這些帳戶的滲透率，進而爭取更多用戶。」
預測紀律解釋了「財測優於預期並調高」的模式
身為一家 100% 採消耗計費模式的企業，Snowflake 在其任內繳出的財測超預期幅度為何能比投資人習慣的更高？Robins 對此做了不同尋常的詳細說明。該公司每晚都會執行機器學習預測模型，透過一個 4 小時的資料管線，在每天早上 5 點前產出一封詳細的預測電子郵件發送給 Robins、Ramaswamy 等高層，該預測是由各區域彙整的客戶與產品層級資料所建構。針對成熟的核心業務，Robins 指出，基於多年累積的歷史資料，預測的標準差非常緊密。但新產品則是另一回事。他表示：「在只有少量資料且數字偏高情況下，如果直接將其外推並套用至財測，我認為會有些輕率。」他解釋說，相對於對早期超高速成長進行外推，公司會對新興 AI 產品的成長軌跡採取刻意的保守折減（haircut）。隨著 CoCo 推出已滿兩季而非僅有一季，Robins 暗示信心區間正在縮小，這可能意味著未來財測超越預期的幅度會縮小，但財測本身的公信力將會提高。
邁向 GAAP 獲利之路引發質疑，但 Robins 堅持未犧牲成長
根據 Robins 的說法，Snowflake 在分析師日（Analyst Day）承諾將於明年第四季實現 GAAP 獲利，此一目標引發的投資人爭議超出公司預期；部分人士對此紀律表示讚賞，其他人則主張 Snowflake 既然在面對自由現金流達到損益兩平的未具名競爭對手時握有 AI 驅動的成長優勢，就應該更積極地進行再投資。Robins 直接反擊這兩個目標處於對立狀態的說法。他表示：「為了做出這項宣告，我有對業務做出任何限制嗎？答案絕對沒有。我們正在業務上投入我們想要的所有資金。」他並指出自己在 VeriSign 的過去資歷，當時他將營業利益率從個位數低檔拉升至特定水準，在任職期間協助推升公司市值倍增。
員工效率是 AI 論點在內部發酵的最明確證明
支持 Snowflake 推進獲利計畫的最具體數據是員工人數的成長。Robins 透露，該公司今年迄今大約新增 330 名員工，其中 170 至 180 人來自併購 Observe，這意味著有機員工人數成長大約僅有 150 人。相較之下，去年同期淨新招募人數約為 940 人，而當時的營收成長財測還調高了 500 個基點。Robins 將部分原因歸功於工程人才招募策略的轉變：Snowflake 越來越傾向招募能利用 AI 程式碼工具以較低成本展現更高生產力的初級工程師，而非招募需要大筆股權酬勞的高級工程師。在內部方面，Robins 表示 Snowflake 已取消所有 BI 與分析軟體合約，全面替換為 CoCo 打造的儀表板，並部署了一款名為 Raven 的銷售賦能（sales enablement）代理，能自動化執行帳戶經理（account executive）的行前準備工作，同時還有一款他稱為「早安財務長」（Good Morning CFO）的內部工具，每天早晨從大約 40 個來源抓取資料，並可向下追溯至 SKU 或客戶層級進行查詢。
移轉時間縮減將近一半，但傳統移轉商機仍有龐大未開發潛力
Robins 表示，Snowflake 的 AI 工具（包含透過收購 Natoma 獲得用於 MCP 連線的能力）已將客戶的資料移轉時程從 10 到 11 個月壓縮至大約 6 個月，但他同時警告，由於客戶端的相依性，這個時間無法歸零。他從整體潛在市場（TAM）的角度來框架更廣泛的商機，並引用投資人日（Investor Day）的數據指出，未來 5 到 6 年內該市場規模將逼近 3,000 億美元，他表示這個數字尚未計入疊加在 CoCo 與 Cowork 之上的鄰近分析、商業智慧（BI）及其他 AI 驅動的使用情境。Robins 表示：「我們才剛開始觸及皮毛。」他並主張，隨著企業尋求將資料整合至備妥 AI 功能的平台，傳統資料倉儲工作負載代表著一個規模龐大、且絕大部分尚未開發的移轉案源。
第四季續約集中屬於既有的季節性模式，而非新風險
當被問及大量客戶續約集中在第四季（這與許多企業客戶敲定年度預算的時間點一致）可能帶來的風險時，Robins 淡化了任何新增風險，並指出帳戶經理全年都在與客戶就使用量、投資報酬率（ROI）及擴展機會保持密切聯繫，時間點遠在續約日期之前。他表示：「這不是什麼重大事件。對我們來說這只是一件正常的事。」他補充說，鑑於 Snowflake 的消耗型商業模式，業務代表們早已提前著手進行續約洽談。