Snowflake 财报超预期，但 AI 消费需求仍须证明其可持续性

Snowflake 的财报带来了明显的超预期表现，季度营收达到 15.5 亿美元，产品营收同比增长 37%。这一结果超过了 LSEG 报告的约 14.8 亿美元营收一致预期。Snowflake 还将全年产品营收预测大幅上调至高于此前指引的水平。

这次业绩超预期之所以重要，是因为 Snowflake 采用按使用量计费的商业模式。客户根据计算、存储和 AI 服务的使用情况付费，而不是通过可预测的按席位订阅付费。因此，更快的增长表明企业工作负载正在扩张，而不仅仅是客户签署了更长期的合同。

更深层的问题是，AI 是否改变了 Snowflake 的增长轨迹，还是仅仅促成了一个强劲季度。Databricks、Microsoft、Google、Amazon Web Services 及其他数据平台提供商都在争夺同一批 AI 工作负载。Snowflake 现在需要证明，其增长加速反映的是可持续的生产环境使用，而不是客户日后会通过优化削减的试验性需求。

Snowflake 的业绩超预期不止体现在一个营收数字上

Snowflake 在当期营收、未来承诺和全年展望方面均超出预期。

Snowflake 于 2026 年 9 月 2 日公布了 2027 财年第二季度业绩。该季度于 7 月 31 日结束，因此这份公告涵盖的是日历年第三季度最后一个月之前已完成的业务活动。

根据公司发布的季度业绩，总营收达到 15.5 亿美元，同比增长 35%。产品营收达到 14.9 亿美元，同比增长 37%。

这两个数字必须加以区分。总营收包括产品营收和专业服务营收。产品营收尤其重要，因为 Snowflake 用它衡量其核心平台的需求。

外部一致预期数据显示，预计总营收约为 14.8 亿美元。一些报道对该预期进行了不同的四舍五入，但核心结论没有变化：Snowflake 比华尔街平均预期高出约 7000 万美元。

管理层称，这是产品营收增长连续第三个季度加速。这一趋势比单次财报超预期更具分量。Snowflake 在 2026 财年结束时的产品营收增长率约为 30%，随后在 2027 财年上半年继续加速。

客户指标也朝着同一方向发展。季度末，Snowflake 有 828 家客户在过去 12 个月中贡献了超过 100 万美元的产品营收。这一群体较上年增长 27%。

大型客户的增长很重要，因为企业数据项目通常从一个狭窄的工作负载开始。当更多部门、数据集、应用程序和 AI 系统迁移到同一平台时，它们才会变得具有战略意义。

Snowflake 还报告称，其 Forbes Global 2000 客户数量达到 829 家。这个数字提供了另一项衡量企业渗透率的指标，但并未披露每位客户的具体支出。

净营收留存率为 126%。净营收留存率比较的是现有客户群当前的产品营收，与同一客户群一年前的营收。该比率高于 100% 意味着扩张带来的增长超过了缩减支出和客户流失造成的影响。

126% 这一数字表明，现有客户整体增加了支出。不过，它并不能说明这种扩张是否分布均衡。少数快速增长的 AI 工作负载就可能对消费型营收产生实质影响。

剩余履约义务达到 90 亿美元，同比增长 30%。该指标代表 Snowflake 尚未确认的已签约未来营收。它为需求提供了一定的可见度，但确认时间取决于客户使用情况和合同条款。

按照公认会计原则，公司仍未实现盈利。其季度净亏损约为 1.92 亿美元，较一年前约 2.98 亿美元的亏损有所改善。调整后业绩与 GAAP 盈利能力之间的差距，仍是投资讨论的一部分。

综合来看，这些数据表明公司实现了广泛改善。客户承诺投入更多资金，现有账户扩大了消费规模，大型客户数量增加，已确认营收也超出预期。

这种广度解释了为何投资者关注的不只是 15.5 亿美元这一标题数字。该季度提供的证据显示，Snowflake 的增长引擎在多项相互关联的指标上均出现加速。

Snowflake 将预测大幅上调，远超此前基准

更具影响力的变化是，Snowflake 决定将全年产品营收指引上调至 60.7 亿美元。

Snowflake 此前预计 2027 财年产品营收约为 58.4 亿美元。新预测在此基础上增加约 2.3 亿美元，并暗示全年增长 36%。

上调后的数字也超过了早期报道中提到的约 58.6 亿美元分析师一致预期。这并非一次仅为匹配华尔街预期而做出的微幅指引调整。

Snowflake 预计第三财季产品营收约为 15.9 亿美元。该展望高于原始新闻报道中约 15.1 亿美元的分析师预估，并表明管理层预计动能将延续至已公布季度之后。

市场反应体现了这一前瞻性信号。公告发布后，Snowflake 股价在盘后交易中上涨超过 20%。

股价变动并不能验证一家公司的经营表述，但它们确实显示了投资者如何解读旧预测与新预测之间的差异。在这一案例中，市场将指引上调视为需求已超出此前假设的证据。

这次调整的幅度之所以重要，是因为 Snowflake 在本财年早些时候已经上调过预期。再次上调表明，公司在设定此前预测后观察到了更强劲的消费需求。

消费模式能够比传统订阅合同更快地反映需求变化。当客户运行更多查询、处理更大规模的数据集，或调用更多 AI 模型时，营收可能在同一季度内增长。

这种敏感性同样带来风险。客户可以优化工作负载、减少不必要的查询，或推迟项目。Snowflake 在早期企业严格审查云支出时曾承受过这种压力。

本季度表明，扩张中的工作负载超过了这些优化举措的影响。这并不意味着优化已不复存在。客户仍将寻求以更低的计算单位成本获得更好的性能，尤其是在 AI 推理推高基础设施账单之际。

Snowflake 还指引全年非 GAAP 营业利润率达到 14.5%。其预计的非 GAAP 调整后自由现金流利润率为 23%。

这些利润率目标很重要，因为 AI 工作负载的服务成本可能很高。模型推理、加速计算、网络和存储带来的成本，与传统分析查询并不相同。

因此，管理层面临两项同步考验。Snowflake 必须提高与 AI 相关的消费需求，同时维持可接受的毛利率和营业利润率。若增长依赖于不具经济效益的计算，其营收加速的价值将被削弱。

Snowflake 的长期基础设施承诺又增加了一层考量。公司在上一季度签署了一项为期五年的协议，涉及预计 60 亿美元的 AWS 基础设施消费。

这一承诺可以保障产能并改善经济效益。但它也提高了持续平台需求的重要性，因为 Snowflake 必须产生足够的客户消费，才能高效利用基础设施。

新预测表明，管理层目前认为需求足以支撑上调预期。未来几个季度将揭示，这种信心能否经受住客户预算和计算效率变化的考验。

AI 正从功能叙事转变为消费需求叙事

核心转变在于，AI 似乎正在提升 Snowflake 核心数据平台的需求，而非绕过它。

围绕企业 AI 的看空观点很直接：新模型可能让企业直接与现有系统中的信息互动，从而降低对独立云数据仓库的需求。

Snowflake 展示的是相反的结果。其平台位于企业数据与 AI 应用之间，提供存储、计算、治理、搜索和访问控制。AI 应用可以在这一环境中带来额外的查询和数据处理活动。

首席财务官 Brian Robins 表示，该季度出现了“AI 营收的显著增长”。他还将这一表现与 Snowflake 核心数据平台业务的持续强劲联系在一起。

这一区别很重要。AI 并非作为一个完全独立的产品类别存在。它可以提高对现有数据仓库、数据管道、治理系统和应用基础设施的需求。

Snowflake Intelligence 就是一个例子。该产品让业务用户可以通过对话式界面，就企业数据提出问题。在这一界面之下，Snowflake 仍需要识别获得授权的数据、检索相关信息，并执行受治理的计算。

Cortex AI 提供了在 Snowflake 内部构建和运营生成式 AI 应用的服务。Cortex AI SQL 将模型辅助操作引入 SQL——这是一种用于查询结构化数据的通用语言。

Snowflake 撰写的技术论文描述了 Cortex AI SQL 如何将模型推理成本视为查询规划的一部分。该系统可以将较简单的任务路由到成本更低的模型，并将能力更强的模型留给不确定的情况。

这一机制将 AI 采用直接连接到 Snowflake 的经济挑战。客户希望获得有用的模型输出，但也需要可预测的延迟和可控的计算成本。

如果 Snowflake 降低一次 AI 查询的成本，客户在每次请求上的支出可能会减少。然而，更低的成本也可能使更多生产环境用例变得可行，从而增加总体查询量。

这种动态与早期的云优化周期相似。更高效的基础设施并不必然减少供应商营收。当客户发现更多值得运行的工作负载时，更低的单位成本可以刺激更大的消费需求。

Snowflake 现有的数据优势有所帮助。企业 AI 系统需要的不只是访问语言模型。它们还需要最新的业务信息、权限控制、质量检查、数据血缘和监控。

当 AI 智能体能够采取行动时，这些要求尤为重要。一份错误的摘要会带来不便；一次错误的自动化操作则可能影响财务记录、客户、库存或受监管流程。

Snowflake 正试图成为这些系统的受治理执行层。它的机会并不局限于销售专有模型的访问权限。客户可以使用不同的模型提供商，同时将数据和控制政策保留在 Snowflake 内部。

这一方法也解释了为什么平台核心业务会与 AI 营收同步加速。在客户部署 AI 智能体之前，可能需要整合信息、提升数据质量并建立访问规则。

这些准备性工作负载会带来传统的数据平台消费。因此，AI 可以在最终应用进入大规模生产使用之前推动营收增长。

公司在其业绩电话会中也强调了从旧有数据系统迁移的趋势。这类迁移仍是独立的增长来源，但 AI 带来的紧迫性可能会加快迁移进程。

当员工仍需手动汇总报告时，企业或许能容忍数据碎片化。但当 AI 系统需要跨部门获得可靠、即时的数据访问时，这种碎片化就会成为更大的障碍。

因此，Snowflake 最有力的论点并不只是“客户想要 AI”。而是，有价值的企业级 AI 会增加对结构化、受治理且可供计算访问的数据的需求。

知识工作者也在更小的范围内面临类似问题。当相关笔记和文档分散各处时，模型无法可靠地回答问题。可搜索的个人知识库将同样的基本原则应用于个人工作。

对 Snowflake 而言，营收机会来自于将这一原则扩展到大型组织中。每一个投入生产的 AI 系统，都可能带来对数据准备、检索、安全和监控的新需求。

这正是为什么本季度的意义不止于一次孤立的 AI 产品发布。Snowflake 报告的证据显示，与 AI 相关的活动如今已开始影响已确认营收及其全年预测。

Databricks 和云巨头持续施加高压

Snowflake 的业绩巩固了其地位，但并未决定企业 AI 数据工作负载的竞争归属。

Databricks 仍是最直接、最明确的竞争对手。该公司凭借数据工程和机器学习建立声誉，而 Snowflake 最初则以云数据仓库闻名。

两家公司都已超越各自的起点。Snowflake 增加了开发者工具、机器学习服务、开放表格式支持和 AI 产品。Databricks 则进一步拓展至分析、SQL 工作负载、治理和商业智能领域。

这种趋同意味着，采购方越来越多地依据相同的要求评估二者。其中包括数据工程、分析、模型开发、治理、应用部署，以及对开放格式的支持。

Snowflake 的营收加速表明，Databricks 并未阻碍其在大型企业内部扩张。反过来的结论同样过于武断。许多公司同时使用两个平台，并为它们分配不同的工作负载。

Microsoft、Google 和 AWS 则带来了另一种压力。三者各自掌控重要的云环境，并提供一体化的数据、分析和 AI 服务。

Microsoft 可以整合 Azure 基础设施、Fabric、Power BI，以及其与 OpenAI 的合作关系。Google 提供 BigQuery、Vertex AI 和 Gemini 模型。AWS 则将其基础设施版图与 Redshift、Bedrock、SageMaker 及相关服务相连接。

这些公司能够将数据和 AI 产品与更广泛的云服务承诺打包销售。它们也控制着 Snowflake 提供服务所依赖的底层基础设施。

Snowflake 的应对策略是支持多云部署，并在不同云服务商之间提供一致的平台体验。这可能会吸引希望降低对单一云厂商依赖，或需要跨多个环境管理数据的企业。

不过，多云架构也会引入自身的成本。在不同区域或服务商之间转移信息，可能带来网络支出、治理复杂度和延迟。

开放数据格式也改变了竞争格局。Apache Iceberg 是一种开放表格式，可让多个计算引擎处理同一组底层数据文件。

Snowflake 支持 Iceberg，因为客户越来越希望将数据存储与单一供应商的计算引擎分离。Databricks 则通过与 lakehouse 方法相关的技术推动类似的开放性。

这种变化赋予客户更大的灵活性，也削弱了将数据和计算锁定在单一专有环境中的传统优势。

因此，Snowflake 必须在性能、治理、开发者体验和集成服务方面展开竞争。仅仅存储客户数据已不再足够。

AI 加剧了这一压力，因为模型提供商和应用开发者希望在避免不必要迁移数据的前提下访问数据。能够提供最便捷、受治理访问的平台，就有机会获得更多下游计算需求。

Snowflake 的第二季度数据表明，客户目前正将更多活动带到其平台上。剩余履约义务和大客户增长也显示，公司正在获得更长期的承诺。

然而，这些承诺并不保证客户会独家使用其服务。企业可以签署一份大型 Snowflake 合同，同时在其他业务场景中扩展 Databricks、Microsoft Fabric 或 Google BigQuery。

客户集中度同样值得关注。年消费超过 100 万美元的客户账户增长令人鼓舞，但大型企业拥有相当大的议价能力。当经济条件变化时，它们可以谈判折扣并转移工作负载。

Snowflake 的消费模式会通过使用量反映竞争变化。如果客户将机器学习训练或 AI 推理转移到其他环境，Snowflake 可能会在订阅合同到期前就感受到影响。

这也是投资者对本季度强烈反应的部分原因。消费加速提供了一个相对即时的信号，表明 Snowflake 正在赢得足够多的工作负载，以抵消竞争和优化压力。

公司此前的年度文件将竞争、基础设施依赖、安全和客户优化列为持续风险。强劲的季度业绩改变的是当前证据，而非这些结构性条件。

Snowflake 在这场讨论中赢得了更强的位置，但尚未获得置身事外的资格。

这些数字仍无法证明什么

Snowflake 已经表明 AI 推动了更快增长，但尚未完整披露这一贡献的可持续性或经济效益。

管理层表示，AI 营收实现了显著增长。公开的财报新闻稿未提供完整的独立 AI 营收数据、客户群组数据或相关工作负载的毛利率。

这一缺失限制了外部分析。投资者可以看到产品营收增长加快，但无法精确区分 AI 消费与迁移、传统分析、存储、定价或其他平台服务带来的贡献。

客户采用指标也需要结合背景理解。账户可以启用某项 AI 功能，却未必将其纳入关键生产流程。试用、演示和有限的部门部署都可能被计入使用量。

生产工作负载的表现往往不同。它们处理更多数据，需要更严格的安全措施，并会持续重复运行。它们也会受到财务、法务和基础设施团队更密切的审查。

因此，下一个问题并不是客户能否访问 Snowflake 的 AI 产品，而是这些产品能否成为业务运营中持续使用的组成部分。

消费波动仍是另一项不确定性。AI 开发常会在早期形成使用激增，因为团队需要准备数据、测试模型和比较架构。当项目结束或进入优化阶段时，使用量可能下降。

Snowflake 上调的第三季度预测降低了市场对短期反转的担忧，但并未确立一个持续多年的模式。

效率与营收之间的关系同样需要谨慎解读。Snowflake 持续提升计算性能，使客户能够用更少的 credits 完成更多工作。

这种改进提升了客户价值和竞争力。然而在短期内，它可能会降低不变工作负载所产生的营收。Snowflake 需要新的工作负载和更高的活动量，来抵消这些效率提升。

AI 可能会提供这部分额外需求。本季度支持这一观点，但未来业绩必须证明，新增工作负载持续超过优化带来的影响。

利润率构成第二项检验。Snowflake 预计全年 non-GAAP 产品毛利率为 74%，同时 non-GAAP 营业利润率为 14.5%。

这些数字表明，管理层预计即使 AI 活动增加，公司仍可实现可观盈利。投资者仍应关注模型推理和加速计算是否会对产品毛利率造成压力。

GAAP 盈利能力仍未得到解决。Snowflake 单季度约 1.92 亿美元的净亏损有所改善，但这表明调整后收益并未涵盖每一项重大支出。

基于股票的薪酬仍是 GAAP 与 non-GAAP 业绩之间的重要差异。它不需要像工资那样立即支付同等现金，但当公司额外发行股票时，可能稀释现有股东的权益。

市场反应本身也带来挑战。更高的估值使未来执行表现承受更大权重。Snowflake 现在需要兑现一项显著高于其早期计划的全年预测。

企业预算增加了不确定性。AI 仍是管理层的优先事项，但许多组织仍在确定哪些用例能够带来可衡量的回报。

安全性和可靠性可能放缓部署速度。企业可能允许 AI 助手总结内部文档，但在允许智能体更新数据库或触发运营工作流之前会更加谨慎。

数据质量也构成另一项限制。如果源数据不一致、不完整或治理不善，AI 系统即便能够快速检索信息，仍可能产生不可靠的答案。

Snowflake 可以提供治理基础设施，但无法自动纠正导致数据质量低下的每一个组织流程。成功部署需要客户投入技术工作并保持运营纪律。

这些限制并未否定本季度的表现。它们界定了 Snowflake 接下来必须达到的标准。公司需要在不牺牲利润率或信任的前提下，将早期 AI 兴趣转化为持续的生产消费。

三个信号将显示 Snowflake 的加速能否持续

第三季度消费、AI 经济效益和竞争性工作负载的胜出情况，将决定本季度是否标志着持久变化。

第一个信号是 Snowflake 财年第三季度的产品营收。管理层预计约为 15.9 亿美元，明显高于早期报道中引用的分析师预期。

若实现这一目标，将表明第二季度的加速趋势在 7 月之后得以延续。若再次上调指引，将进一步加强这样一种观点：管理层仍低估了需求。

未达标并不会自动推翻 AI 逻辑。由于客户排期和季节性活动，消费可能在不同季度之间波动。但若出现明显缺口，仍将引发市场对近期工作负载增长可持续性的疑问。

净收入留存率应与产品营收一并解读。若该指标稳定或上升，将表明现有客户持续扩大使用规模。若其下降，则意味着新增客户活动承担了更多增长任务。

第二个信号是 AI 营收与利润率之间的关系。Snowflake 必须证明，模型使用量的增长能够与其毛利率和调整后自由现金流目标并存。

投资者应关注产品毛利率、基础设施成本以及管理层对推理效率的评论。如果 AI 消费上升时利润率仍能保持，Snowflake 的平台经济效益将显得更强。

如果利润率走弱，市场将需要判断这种压力是暂时性投资所致，还是源于结构上成本更高的工作负载组合。

第三个信号是竞争性生产落地的证据。当客户公告描述已部署的系统、重复使用、可量化的消耗，以及跨部门扩展时，其参考价值最高。

泛泛的合作公告提供的证据较少。公司可以宣布获得某个模型的访问权限或完成集成，但未必能带来可观的平台收入。

迁移活动同样会揭示竞争实力。当企业将旧有数据仓库或碎片化的数据系统迁入 Snowflake 时，便为未来的分析和 AI 消耗打下基础。

最有力的案例将把迁移与生产环境中的 AI 结合起来。这种组合支持 Snowflake 的论点：AI 扩大了核心平台，而非取代它。

Databricks、Microsoft、Google 和 AWS 将继续推出竞争性服务。它们的回应将有助于判断 Snowflake 是否建立了独特的治理与消耗优势，还是仅仅加入了一场拥挤的功能竞赛。

企业买家应在工作负载层面比较平台。数据位置、治理要求、开放格式支持、模型选择、性能和总体运营成本，都比单一季度的头条数据更重要。

开发者应关注 Snowflake 的 AI 服务能否轻松从原型走向可监控的应用。部署速度很重要，但可靠性和成本控制决定了这些应用能否经受住预算审查。

知识工作者应预期获得更多以对话方式访问企业数据的能力。他们也应追问：哪些来源支撑了答案、适用哪些权限，以及系统能否区分已验证的信息与生成文本。

Snowflake 第二季度业绩提供了迄今最有力的证据，表明 AI 正在提升其平台消耗。营收、留存率、承诺金额和业绩指引均朝有利方向发展。

剩下的考验在于这种趋势能否持续重复。关注第三季度 15.9 亿美元的产品收入目标、与 AI 相关的利润率评论，以及具名的生产环境部署。这三个信号将表明 Snowflake 的业绩是否标志着持久加速，还是仅仅是一个异常强劲的季度。