Snowflake 专注于数据云服务，旨在通过其创新平台帮助组织打破数据孤岛，实现数据的统一管理和高效利用。公司平台将数据计算与存储分离，企业能够根据需求灵活扩展或缩减数据使用，使客户能够将数据整合为单一可信来源以驱动洞察、应用 AI 解决业务问题、构建数据应用并共享数据及数据产品。公司平台被全球不同规模、不同行业公司广泛采用，公司向客户收取其使用资源的费用。截至FY2026Q2，平台在全球拥有 12062 位客户。其中包括福布斯全球2000 强中的751家企业，并贡献了约 42%的收入。公司从创立至今，公司大致经历以下发展阶段：1）创立初期（2012-2015 年）：2012 年，公司由数据仓储专家Benoit Dageville、Thierry Cruanes 和 Marcin Zukowski 创立，三人意识到现有解决方案的限制，包括可扩展性差、管理复杂以及无法有效应对企业日益增长的数据量等，开始专注于打造完全为云而生的数据仓库，利用云计算和存储的灵活性，提供动态且可扩展的数据存储与分析。2015 年，公司公开推出其云数据仓储平台，获得超80个企业接入； 2）产品完善（2016-2020 年）：2016 年，公司推出数据加载服务Snowpipe，当新数据抵达云端时立即将其加载到 Snowflake 中，而无需人工干预。2017年，公司推出 Snowflake Data Sharing，使不同 Snowflake 账户之间能即时、安全地共享数据，无需搬移或复制，降低复杂性、成本和风险。2019 年，公司发布SnowflakeData Exchange，为数据提供方和数据消费者打造数据市场。2020 年，公司上市登录纳斯达克，并推出 Snowflake Data Marketplace，在数据共享基础上改进，提供平台让数据提供方发布数据集，数据消费者可直接在Snowflake 账户中访问和分析。同年公司发布 Snowpark，允许数据工程师、科学家和开发者使用Java、Scala 和 Python 等语言编写代码直接在 Snowflake 上运行工作负载。2022年，公司收购 Streamlit，简化和加速数据应用程序创建的框架。同年公司推出Unistore，使平台能够同时处理事务型和分析型数据；3）AI 布局（2023 年至今）：2023 年，公司收购 SnowConvert 工具套件，用自动化编码将数据库高效迁移到数据云，同年发布 Cortex AI，通过大语言模型分析数据并构建生成式 AI 应用。2024 年，公司推出 Snowflake Intelligence平台，帮助用户创建数据领域的 Agent。
公司治理：创始人持股 1.5%，管理层经验丰富
高管及董事持股，管理团队经验丰富。截至 2025 年5 月，公司第一大股东为领航集团，持有公司 8.1%的股权。公司创始人 Benoit Dageville 持有公司1.5%的股权，现任董事与高管合计持股占比达 6.8%。公司管理团队成员均曾在相关领域知名公司担任高管职务，具有丰富管理经验，其中核心技术人员曾在谷歌、VMware任职，对云、AI 等领域有着深度理解，有助于后续公司产品持续创新。
主营业务：云原生数据库，覆盖全球 47 个区域
公司平台由三层独立可扩展的部分构成，并在全球多个公共云和区域之间连接：1）存储：基于可扩展的云存储，能够管理结构化、半结构化和非结构化数据，存储资源可以独立于计算资源进行扩展；2）计算：能够从存储层中检索所需的最佳数据，进行查询和数据转化，允许多个用户和用例在同一数据副本上操作；3）云服务：操作平台，包括安全操作、系统监控、查询优化、元数据和状态跟踪等功能。该架构建立在三大公有云之上，覆盖全球 47 个区域部署。
产品为最大收入来源，FY2026Q2 增速重回 30%+。公司主要收入来源是基于平台的使用量确认产品收入，主要来自客户在平台上对计算、存储和数据传输资源的消耗。客户在合同期内可以消耗超过其合同容量的资源，并且在续约时购买额外容量后，可以将未使用的容量结转至未来期间。公司的收入还包括专业服务收入，主要由与平台相关的咨询、技术解决方案服务和培训构成，依据工时和材料成本确认收入。FY2025，公司产品收入达 34.62 亿美元，占总收入比重达95.48%，同比增长 29.83%，主要由现有客户对平台的使用量增加驱动；公司专业服务收入达1.64 亿美元，同比增长 17.43%，占总收入比重达 4.52%，主要由公司持续扩展专业服务团队推动。分季度看，FY2026Q2 公司实现产品收入为10.91 亿美元，占总收入比重达 95.24%，同比增长 31.5%，公司当前共有654 位客户的产品收入超100万美元，同比增长 29.76%，贡献了 67%的收入；公司专业服务收入达0.54亿美元，占总收入比重达 4.76%，同比增长 37.65%。
财务分析：收入持续高增，新产品推广影响利润
收入快速增长，采取措施提升利润水平。分年度看，FY2025 公司实现收入36.26亿美元，同比增长 29.21%，主要受产品收入增长推动；公司实现GAAP 净亏损12.86亿美元，同比减少 53.77%，亏损主要受基于股票的薪酬费用等非现金成本影响，剔除相关影响后公司实现非 GAAP 净利润 3.01 亿美元，同比增长8.31%，公司当前正采用团队集中化、去除冗余的管理层以及持续的绩效管理等方式提高运营效率。分季度看，FY2026Q2 公司实现收入 11.45 亿美元，同比增长31.78%；公司实现 GAAP 净亏损 2.98 亿美元，同比增长 5.96%。
新产品推广影响利润率，期间费用率逐步降低。FY2025，公司实现销售毛利率66.5%，同比下降 1.48 个 pct，主要受新推出的产品功能和特性尚未实现规模经济影响。实现 GAAP 销售净利率-35.55%，同比下降5.69 个pct，主要受基于股票的薪酬费用影响。FY2025，公司实现销售、研发、管理费用率分别为46.11%、49.18%、11.37%，分别同比-3.49、+3.28、-0.14 个pct。FY2026Q2，公司实现销售毛利率、GAAP 净利率分别为 67.53%、-26.02%，分别同比+0.69、+10.55个pct，主要由于收入中基于股票的薪酬占比下降，但仍受新推出的产品尚未实现规模经济所带来的成本增加影响；实现销售、研发、管理费用率分别为43.87%、42.97%、10.43%，分别同比-2.27、-7.4、-0.82 个 pct。
平台优势：高扩展性、成本可控，综合表现最优
公司旨在基于云构建数据存储平台，不提供本地部署选项，完全作为仓库即服务（DWaaS）产品。DWaaS 是基于云计算的解决方案，将数据仓库作为服务提供给客户，企业无需自行购买、安装和维护数据仓库硬件和软件基础设施，而是可以通过互联网按需使用云服务商提供的数据存储和分析能力，与公司商业模式相同的平台包括 Google BigQuery、Azure Synapase、Databricks、Amazon Redshift等。TPC-H（商业智能计算测试）是美国交易处理效能委员会组织制定的用来模拟决策支持类应用的测试集，目前在学术界和工业界普遍采用它来评价决策支持技术方面应用的性能。TPC-H 根据真实的生产运行环境来建模，模拟了一套销售系统的数据仓库。其共包含 8 张表，数据量可设定从1GB-3TB 不等，基准测试共包含 22 个查询，其测试结果可综合反映系统处理查询时的能力。
TPC 测试覆盖多场景，Snowflake 表现最优。Estuary 是实时数据集成、变更数据捕获平台，旨在简化并加速跨多样化系统的数据流动。其在2025 年开源了主流DWaaS 产品的 TPC 测试结果，数据仓库均未被进行过超调优、自定义索引或其他优化，每个平台均以开箱即用的配置和默认设置进行测评。Estuary 使用了TPCHSF1000 数据集（1TB 数据）进行测试，鉴于 AI 时代半结构化和非结构化数据在分析中的重要性日益提高，Estuary 扩展了数据集，在传统结构化表的基础上，增加了 JSON 格式的数据，不仅测试平台运行复杂 SQL 查询的能力，还测试了在真实压力环境下处理大规模数据量的表现，测试结果适用于电子商务、金融、医疗、通信、零售等近乎所有使用场景。据谷歌工程师 Jordan Tigani 分析，目前约99%的客户查询数据都小于 1TB，因此数据库反映了绝大部分使用情况。在成本与性能比方面，在多重聚合操作+半结构化数据测试中，Snowflake Large 配置提供了最佳结果，随着规模的扩大，性能显著提升并成本可控。
半结构化数据查询下，平台成本高度可控，性价比较高。AI 数据通常不是纯表格化数据，日志、事件流、埋点数据、API 返回结果、用户行为记录，往往都是JSON/Avro/Parquet 格式。AI 特征工程需要直接从这些原始半结构化数据提取特征，能否高效查询 JSON，决定了数据准备的速度和成本。在半结构化数据库多步查询中，中等规模下 Snowflake 具有最佳表现，随着规模扩张平台成本仍高度可控。在测试中，Snowflake 未出现其他出现的报错，在可靠性方面亦表现突出。
在结构化表上的分层查询中，Snowflake 在各个规模具有优异表现。结构化数据查询能够模拟企业日常最常见的业务分析场景，例如订单、客户、收入、发货率等指标的计算与筛选。在 Estuary 设计的结构化表查询测试中，Snowflake展现了最佳性能，并且能够随着更大规模的数据仓库配置而有效扩展。同时，平台在各个规模下均有极低的成本表现，并随着数据规模变大呈现更高的性价比。
Snowflake 在测试中零报错，显示出高度的可靠性。Estuary 设计的测试中执行复杂的分析查询，在极端条件下严格压力测试每个数据仓库的架构韧性，通过这种方式暴露出仅在极端压力下才会显现的架构差异。经过多轮不同任务的查询测试，Snowflake 即使在最小的计算引擎上也零失败，显示了极强的运行稳定性。
经过多轮测试，Estuary 总结 Snowflake 在成本、扩展性方面具有最佳表现，同时在计算引擎稳健性方面表现出色，并且在易用性和文档质量等所有类别中都保持了最高的评分，总体的测试表现在 DWaaS 产品中位居第一。Snowflake的多集群共享数据架构独特地满足了从灵活的 Y Combinator 创业公司到全球财富500强企业的不同需求。平台提供详细的查询文档和执行元数据，支持精确的性能调优，同时预构建的连接器和 SQL 扩展简化了实现过程，支持通过REST API进行自定义集成，并能与 Salesforce 等工具实现双向同步。通过从传统数据仓库演进为集分析、AI 与应用开发于一体的统一平台，公司构建起了竞争对手难以复制的技术壁垒。
平台生态：生态系统和数据共享创造网络飞轮，全球客户快速导入
云端数据仓库领域具备先发地位，提供可扩展性与成本优势。公司是第一个在云端原生构建数据仓库的企业，数据云仅提供全托管的云部署方案。这免除了企业需要昂贵的数据库管理员（DBA）来维护本地数据仓库的负担，并且将部署时间从数小时甚至数天缩短到几分钟。公司具备跨 AWS、Azure 和GCP 的多云能力，保证了即时弹性、最小化数据孤岛，并避免了云厂商锁定。公司能够实现全球范围的数据本地化，在全球支持超过 40 个云区域，其数据仓库和数据湖中同时运行多种数据集，包括结构化、半结构化和非结构化数据。同时，平台开发了覆盖八大行业的垂直数据云解决方案，包括金融服务、媒体与娱乐、医疗健康、零售与消费品等。平台的多集群共享数据架构允许计算与存储分离消除了为不同工作负载重新分配数据存储的需求，并提供了可扩展性。此外，该架构会根据工作负载需求自动创建新集群或缩减计算资源，帮助客户实现性能提升并避免资源过度配置。
广泛的生态系统和数据共享创造网络飞轮效应，大型客户快速导入。随着2021年推出 Snowflake Marketplace，来自不同组织的客户（数据提供者和数据消费者）能够在跨区域和跨云服务商的情况下直接共享数据。通过利用数据云，所有客户都可以使用 Snowflake 的服务层和元数据存储，从而避免在账户之间复制或转移数据。这意味着消费者在使用共享数据时无需支付存储费用，只需为查询共享数据所用的计算资源付费。这种独特的架构激励了数据共享，并创造了强大的网络飞轮效应，从而推动平台的客户留存和消费，截至FY2026Q2 已有40%的客户进行数据共享（FY2024Q2 为 26%）。公司采取了专业化企业销售战略，重点瞄准全球 2000 强和其他大型企业。在这些最大客户中，工作负载（特别是新型工作负载）的采用率远高于总体客户水平。截至 FY2026Q2，公司总客户数量达12062家，其中全球 2000 强客户达 751 家。
提高非结构数据处理能力，简化 AI 操作。2022 年，公司推出Unistore以及Snowpark for Python，Unistore 引入了混合表，能够支持事务处理，可以提供快速的单行操作，并允许客户直接在 Snowflake 上构建事务性业务应用程序。Snowpark 为库和代码执行环境，支持开发者使用熟悉的编程语言（如Java、Python）进行编码，同时可通过 API 使用户能够在平台上直接构建、训练和部署机器学习模型随着 AI 时代的到来，数据量及系统数量呈指数级增长，数据类型也由结构化数据逐渐演变成了非结构化数据和半结构化数据。非结构化数据指的是不易被传统关系数据库表格化的数据，如文本、图片、视频等，这类数据通常不遵循固定的格式或结构，其信息量大且提取信息的难度较高。数据湖提供了灵活的环境，可以在不转换原始数据的前提下存储大量数据，因此成为非结构化数据管理的理想解决方案。目前数据湖存储的主流格式包括Iceberg/Hudi/Delta，分别由 Netflix/Uber/Databricks 主导研发并开源。2024 年10 月，公司推出Snowflake Open Catalog，通过支持 Apache Iceberg 扩大平台在开放数据格式方面的覆盖范围，优化平台在 AI 时代的数据处理能力。
Cortex AI 赋能应用构建，平台切入 Agent 领域。2023 年11 月，公司推出生成式 AI 平台 Cortex，通过完全托管的大型语言模型、向量搜索和完全托管的文本到 SQL 服务等，使用户能够快速分析数据并构建生成式AI 应用。CortexAI包含以下主要功能：1）Cortex Analyst：使用 Llama 和Mistral 模型构建，使用户能够使用自然语言与数据进行交互，简化用户开发自助分析应用程序的过程；2）Cortex Search：通过混合搜索（语义+关键词）和检索功能，通过在给定的企业文档集内提问进行信息查询；3）大语言模型和嵌入模型：通过无服务器功能访问大语言模型，如 Snowflake Arctic、Meta Llama 3、Mistral Large 等；4）Cortex微调：安全且轻松地定制大语言模型，以提高模型在特定任务中的准确性和性能；5）AI & ML Studio：内置无代码开发界面，使所有技术水平的用户都能安全地使用 AI。2024 年 11 月，公司推出 Snowflake Intelligence 平台，使用CortexAI作为 AI 引擎，帮助用户创建数据领域的 Agent，从而自动分析、汇总企业数据并执行任务。同期，公司与 Anthropic 签署多年合作关系，Claude 3.5 模型将可供用户在 Snowflake Cortex AI 中使用，企业将获得增强的推理和自然语言对话能力，实现通过自然语言与企业数据进行交互、构建关键任务AI 应用等功能。
2025 年 6 月，公司推出更新后的 Snowflake Intelligence，允许用户使用自然语言发掘数据，支持提出复杂问题并自动操作，结合结构化和非结构化数据，并继承了 Snowflake 内建的数据治理和隐私保护机制。底层由Anthropic 和OpenAI的大模型提供支持，并结合 Cortex Agents 技术。同时，公司发布多种全新AI产品：1）Data Science Agent：为数据科学打造的智能助手，通过自然语言自动执行机器学习全流程，包括数据准备、模型训练等；2）Cortex AISQL：将AI引入 SQL 语法中，支持多模态数据处理。团队可以使用SQL 分析文档、图像等非结构化数据，包括增强版 Document AI（可从复杂 PDF 中提取表格结构）和CortexSearch 的增强检索功能；3）AI observability：对生成式AI 应用的无代码监控，提供与多个主流大模型的集成，包括 OpenAI、Anthropic、Meta、Mistral等，并确保模型运行在 Snowflake 的安全范围内。截至 FY2026Q2，平台超6100个账户每周都在使用 Snowflake AI。
TAM 快速增长，长期增长动能充裕。据 IDC 数据，公司可服务市场（TAM）将从2024年的 1610 亿美元扩张至 2029 年的 3700 亿美元，期间CAGR 达18%，主要由AI与搜索软件平台与数据工程驱动。公司产品与战略高度贴合增长曲线，借助对Apache Iceberg 的原生支持与 Open Catalog 打通多引擎、跨云与外部存储的互操作，降低数据复制与厂商锁定。同时，借助 Marketplace/数据共享网络效应提升留存与消费弹性，大型企业客户数与年化产品收入超100 万美元的高价值客户持续上行。在 TAM 快速扩张与产品线对位的背景下，中长期增长动能充足。据AlphaWise 数据，到明年底将有 46%的数据集中在云数据仓库中，相比目前的26%有明显提升，有 15%的 CIO 表示在数据集中化过程中首选公司作为供应商，同比提升 2 个 pct，成为所有厂商中增幅最大的数据库。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
