2026年5月28日，一个数字让整个软件行业集体睁大了眼睛：Snowflake单日股价暴涨36%，创下公司有史以来最佳单日表现，成为2026年软件板块最大的单日逆转事件之一。

这不只是一个财报超预期的故事，也不只是一次市场情绪的摆动修正。就在前一天，Snowflake宣布与AWS签署$60亿5年期战略合作协议，承诺使用AWS Graviton处理器和GPU基础设施运行数据与AI工作负载，并同步发布了Q1 FY27财报——营收和每股收益双双超出华尔街预期，Q2指引更是直接超越了最乐观的分析师估算。

消息传出，软件板块集体沸腾：ServiceNow当日上涨超过6%，Oracle涨超6%，Palantir涨超8%，Microsoft、Palo Alto Networks、Atlassian各涨3%以上。一场久违的软件板块反弹，在这一天以Snowflake为震源向外扩散。

但如果你只看到了股价，你就错过了这个故事真正重要的地方。这背后还有一个更大的叙事断层被修复了：AI时代谁是真正的「基础设施」赢家，市场给出了不一样的答案。

第一章：一个被市场错误定价整整18个月的公司

要理解2026年5月28日这一天对Snowflake的意义，你需要先理解它在此之前经历了什么。

2024年底到2026年初，整个SaaS行业弥漫着一种悲观情绪，分析师和科技媒体把它命名为「SaaSpocalypse」——Software as a Service末日论。这个词的诞生，来自一条逻辑链：

大型语言模型正在以惊人的速度自动化人类的知识工作，那些依赖人类工作量来计费的SaaS工具将被逐步架空。工单系统不再需要人类填写，CRM不再需要人类录入，文档工具不再需要人类起草——如果AI可以完成这些工作，那么按座位收费、按用量收费的SaaS商业模式将从根基处崩塌。

更悲观的论断专门针对Snowflake：当企业拥有了可以直接处理和推理非结构化数据的大型语言模型，为什么还需要专门的数据仓库？当AI可以直接从各种数据源提取洞察，Snowflake这种「把所有数据集中管理」的产品哲学岂不是过时了？

这种担忧在市场上留下了具体的痕迹。Snowflake股价从2021年上市后的历史高点下跌超过70%，每一次财报季都会有分析师下调目标价，唱空者找到了新的论点：Snowflake的核心商业模式——按计算量收费——在AI时代可能既被压缩（AI让同样的任务需要更少的查询）又被替代（AI直接绕过数据仓库从原始数据中工作）。

2026年初，Snowflake甚至面临着CEO更迭的过渡期带来的额外不确定性，Sridhar Ramaswamy接替Frank Slootman上任后，公司还在重新梳理AI时代的产品战略。

这就是5月28日之前的Snowflake：一家被市场以「AI会淘汰它」为由，长期折价定价的公司，市值最低点较历史高点跌去了近四分之三。

但这个逻辑有一个根本性的漏洞，而5月28日，市场终于看清楚了它。

第二章：大多数人没有看到的：AI最需要的恰恰是数据

漏洞在哪里？

让我们从AI的核心工作方式说起。

一个通用大型语言模型，比如GPT-4o、Claude Opus或者Gemini，在被部署到企业场景之前，拥有极其广泛的通识能力——它能写代码、做分析、回答问题、生成报告。但在处理企业特定数据时，它面对的是一个根本限制：训练集里没有这家公司的客户行为数据、供应链记录、财务流水、运营日志、产品使用数据。

这不是个技术问题，而是一个结构性约束。通用模型不可能包含某家特定企业的私有数据，而这些私有数据，恰恰是企业最宝贵的决策资产。

更关键的是，这些数据不能随意离开企业的安全边界。无论是合规要求（GDPR、HIPAA、金融监管）还是商业机密顾虑，企业数据的处理必须在受控环境中进行。你不能把医院患者数据、银行交易记录或者商业合同直接提交给第三方AI API，让对方随意处理。

这两个约束叠加起来，产生了一个非常具体的市场需求：企业需要能够在自己的数据上就地运行AI，而不是把数据搬运到AI所在的地方。

这正是Snowflake在过去11年里建立起来的核心价值：把企业最重要的、最敏感的、最具商业价值的数据，以可查询、可治理、可审计的方式集中管理起来。这条护城河在AI时代不是障碍，而是入场券。

Snowflake的Cortex AI产品线——包括Cortex Code、Snowflake Intelligence、Text-to-SQL工具、文档摘要功能——做的事情正是：让AI在数据所在的地方工作，而不是把数据搬到AI工作的地方。

这是对SaaSpocalypse论断的直接反驳：AI不会绕过数据基础设施，AI的最大瓶颈之一正是无法访问高质量的、可信赖的企业私有数据。谁控制了企业数据的安全访问通道，谁就控制了企业AI能力的上限。

Snowflake CEO Sridhar Ramaswamy在5月27日的官方声明中说：「AI只有在可信数据支撑下才有力量。我们正在进入Agentic Enterprise时代——AI系统不只是回答问题，而是帮助组织对可信数据进行推理、协调工作流、驱动真实的业务结果。与AWS，我们让企业更容易把AI直接带到受治理的数据旁边，帮助他们更快行动、更清晰运营、创造可量化的规模化价值。」

这段话不是市场营销辞令，而是对企业AI化路径的一次精准描述。

第三章：$60亿的赌注究竟押注了什么

$60亿这个数字本身是一个信号，但理解它的方式不应该只是「Snowflake花了多少钱」。

Snowflake和AWS从2015年就开始合作，Snowflake事实上是在AWS的基础设施上诞生和成长起来的。今天Snowflake绝大多数客户的工作负载运行在AWS上，在AWS Marketplace上的生命周期销售额已超过$70亿，2025年全年突破$20亿，同比翻倍增长。

$60亿的5年期承诺，是这段合作关系的升级版本。具体来说，它意味着几件事：

第一，Graviton深度整合。Snowflake承诺将核心工作负载迁移到AWS Graviton处理器，这是AWS自主研发的ARM架构芯片，在数据密集型工作负载上具有更优越的单位计算性价比。AWS CEO Matt Garman在联合声明中特别提到了「世界级性价比、灵活性和成本节省」（来源：Snowflake官方公告，2026-05-27）。这对Snowflake的单位经济性有实质意义——更低的计算成本可以转化为更有竞争力的定价或更高的毛利率，同时提升了在大规模AI推理工作负载上的竞争力。

第二，GPU加速的AI工作负载。$60亿承诺中包含了Snowflake在AWS上运行AI模型训练和推理的成本。随着Cortex AI产品线扩展，这部分支出预计将快速增长。这笔承诺提前锁定了基础设施容量，避免了AI需求爆发时的采购瓶颈。

第三，战略绑定带来的产品加速。深度承诺换来的不只是计算资源，还有更深的产品集成优先权。Snowflake Cortex AI的多项功能依托AWS的底层能力（比如Amazon Bedrock的模型访问）；AWS Marketplace的深度整合帮助企业通过现有的AWS采购合同购买Snowflake，简化了企业侧的采购流程。

第四，市场信号。$60亿是Snowflake向市场发出的一个明确信号：未来5年，我们预期企业AI数据处理需求将增长到这个量级。如果这个判断正确，$60亿的承诺是提前占位；如果判断错误，$60亿是过重的固定成本。押注本身，就是一种对业务前景的公开表态。

AWS CEO Matt Garman在联合声明中说：「企业正在从AI实验快速转向让智能代理真正发挥作用，推动真实业务结果。Snowflake从第一天起就构建在AWS上，他们加深对Graviton的承诺，为客户运行数据仓库和AI工作负载提供了所需的世界级性价比、灵活性和成本节省。」

第四章：财报数字里的企业AI化信号

财报里有几个数字值得细读，因为它们描述的不只是Snowflake自身的状况，而是企业AI化整体进程的晴雨表。

779家年花费超过$100万的企业客户，Q1新增46家（上一年同期26家），增速77%。 这是最重要的一个数字。大客户增速不只在增长，增速本身也在加速——从26到46，说明企业AI支出从「试点项目」走向「核心预算」的过程正在提速。当一家公司在Snowflake上年花$100万以上，这不是实验性投资，而是生产关键系统的正式采购。

616个净新增客户，同比+38%。 在一个「SaaS增长普遍放缓」的宏观环境下，这个数字需要解释。部分原因来自Cortex AI降低了门槛：原本用不上数据仓库的中小企业，发现可以用Snowflake Cortex直接在自己的数据上做AI分析，不需要单独维护ML基础设施。文本摘要、情感分析、自然语言转SQL——这些功能门槛极低，但业务价值极为直接。进入壁垒降低了，潜在客户群扩大了，而且这部分新增客户天然是AI原生需求驱动，不是传统数据仓库迁移。这意味着他们的用量增长曲线将比历史平均水平更陡峭。

Q2产品营收指引$14.15-14.20亿，超出华尔街一致预期的$13.7亿，高出约3%。 这种超预期量级在云计算行业意义重大：当一家公司能够在可见度较高的订阅收入之外，还能持续产生超过市场预期的需求，通常意味着产品正在触发了某种飞轮效应。

CFO Brian Robins在电话会上使用了一个精确的词：「step function change」（阶跃变化）——不是线性增长，而是台阶式跳跃。他描述的是Cortex Code正在改变整个公司AI营收曲线的斜率，而不只是在原有曲线上加了一条新产品线。

还有一个细节值得关注：Snowflake宣布收购Natoma，一家专注于「Agentic Enterprise连接性」的AI创业公司。Natoma的核心产品是帮企业将AI agent安全地接入其内部系统——让agent可以读取和操作企业数据，同时保证数据不离开安全边界，所有操作都有完整的审计日志。

Natoma解决的问题是「agent如何安全地连接到企业的实际数据源」，这恰好填补了Snowflake产品图谱中的一个缺口。目前，Snowflake擅长存储和管理静态数据；但当AI agent需要实时访问企业系统（ERP、CRM、供应链系统）时，安全、可控的连接层变得至关重要。Natoma的技术将帮助Snowflake把数据可及范围从「已入库的结构化数据」扩展到「动态的业务操作数据」，让Agentic Enterprise的愿景有了更完整的产品基础。

这次收购揭示了Snowflake的下一步产品方向：从「存储和查询数据」到「让AI agent安全操作数据」。从数据仓库到AI操作层，这是一次产品定位的根本性升级，也是Snowflake向「企业AI中枢」定位迈进的具体步骤。

第五章：SaaSpocalypse为什么是一个方向性错误

这场市场认知的风波值得被认真复盘，因为类似的框架正在被应用于许多行业的AI转型判断，并产生同样的方向性错误。

SaaSpocalypse的根本错误，在于把AI的能力边界理解为「无限扩张」，忽视了企业采用AI的真实约束。

真实的企业AI化路径大致是这样的：公司买入了大型语言模型API的访问权，发现能力确实很强，随即发现了三个落地瓶颈：

第一，数据质量和可用性。企业分散在多个系统里的数据往往是脏的、不一致的、格式混乱的。没有清洗过的数据喂给AI，得到的是更自信的错误答案，这在金融领域可能是灾难性的错误决策，在医疗领域可能是更严重的伤害。Snowflake在数据治理、数据质量和统一数据访问方面积累的11年经验，变成了AI落地的前置条件，而不是AI落地后的过时工具。

第二，安全和合规。企业，尤其是金融、医疗、政府采购的企业，面对一个不可回避的约束：数据不能出境。不能把用户数据发给外部API，不能让AI供应商拿到有监管要求的业务数据。唯一可行的方案是把AI计算带到数据旁边——这正是Snowflake Cortex AI的架构选择。

第三，可解释性和审计。当AI agent代表企业做出了一个错误决策，谁负责？这需要完整的决策链条可追溯、可审计。一个监管机构来做检查时，「AI决定的，但我不知道它是怎么决定的」不是可以接受的答案。Snowflake的数据云架构天然支持这一点：每一次AI操作都在受治理的数据环境中进行，都有完整的元数据记录，符合金融、医疗、政府客户对审计合规的严格要求。

这三个约束加在一起，产生了一个反直觉的结论：企业AI化不会淘汰数据基础设施，而是让数据基础设施成为必不可少的前提条件。

SaaSpocalypse把「AI能做什么」和「企业会如何部署AI」混为一谈了。AI能力的上限是技术问题，企业部署AI的路径是治理问题。技术问题随着大模型能力提升会持续演化，但治理问题的解决方案一旦建立，切换成本极高。而治理问题的答案，把Snowflake推到了比SaaSpocalypse论断所预设的更核心的位置。这是一个关于「谁控制AI落地的前提条件」的定位争夺，而Snowflake已经提前占据了核心地盘。

JPMorgan的分析师在5月28日的财报点评中写道：「在经济周期中，Snowflake健康的增长曲线和现金流特征将展现出其商业模式的真正价值。」这句话在一定程度上是委婉的表述——更直白的说法是：市场花了18个月时间发现了一个错误，并在5月28日用36%的涨幅纠正了这个错误。

第六章：当日的镜像——Salesforce为什么是例外

5月28日还有一个值得记录的细节：Snowflake暴涨36%的同一天，Salesforce股价小幅下跌，是当日软件板块涨潮中极少数的逆流。

CNBC在报道中直接点名：「Salesforce反其道而行之，股价在发布弱化指引后略有下跌。」原因是具体的：Salesforce Q2 FY27指引订阅+支持业务营收预期约$67.5亿，略低于华尔街部分分析师的$68亿+预期，加上总营收指引中值也未能给出超预期的数字。尽管Agentforce ARR达到$12亿（同比+205%），整体业绩增速（+13%）仍低于市场对高增长AI公司的期望。

这是一对有意思的对比。两家公司都在AI赛道积极布局，一家暴涨36%，另一家略微下跌。区别不只在于这个季度的数字，更在于两个公司的「成长故事」有本质差异：

Salesforce的成长故事，核心是「企业应用+AI能力」——帮客户更智能地管理销售、客服、营销。这是一个应用层的价值主张，成长天花板与企业整体软件支出预算高度挂钩。

Snowflake的成长故事，正在演变为「企业AI化的数据基础设施」——不是帮客户完成某项具体业务功能，而是成为所有AI应用能够运行的数据地基。这是一个基础设施层的价值主张，潜在市场随着企业AI化整体推进而扩展，而不是固定在某个垂直业务领域。

市场对这两种叙事的估值方式是不同的。就像互联网时代最终证明，控制带宽（思科）、操作系统（微软）、云基础设施（AWS）的公司比绝大多数「互联网应用」公司活得更久、利润率更高——AI时代的「水电煤」，正在被市场重新发现和定价。

Snowflake在这个故事里的位置，是「AI需要的可信数据层」。这个定位，在5月28日被市场以36%的价格重新估算了一次。

第七章：质疑的声音，不能被忽视

一个诚实的分析需要正视反方的论点。

挑战一：按量收费模式的内在张力。 Snowflake的核心营收模式是按计算量（信用点数）收费。AI工具的进步，在某些场景下可能让相同的业务目标需要更少的计算——更智能的查询优化、更高效的数据摘要算法，都有可能压缩每项业务的Snowflake用量。Cortex AI是否能产生足够大的新增需求，完全抵消效率提升带来的用量收缩，是一个真正的不确定项。

挑战二：$60亿承诺的固定成本风险。 5年$60亿是一个多年期的基础设施承诺，如果企业AI工作负载的增速不达预期，Snowflake会面临相对固定的成本压力。在云计算行业，多年期大额承诺历史上既有以更低价格锁定容量的成功案例，也有需求低于预期时被迫消化过剩容量的失败案例。

挑战三：竞争格局不容乐观。 Databricks在「数据+AI」基础设施市场同样有强大的产品线，并在2023年完成了估值达$430亿的融资，市场持续传出更高估值的传闻。Microsoft的Fabric平台在整合数据和AI方面有近水楼台优势，可以把Azure OpenAI服务与企业数据无缝打通。Google BigQuery、AWS Redshift也在各自以不同方式提供企业数据AI化能力。Snowflake面对的竞争，是多线程的、资金充足的、各具优势的。

挑战四：Natoma等收购的整合风险。 收购AI创业公司来扩展产品能力，需要解决人才保留、产品融合、技术债务等一系列执行层面的挑战。Snowflake过去在收购整合方面的记录，有待进一步观察。

这些挑战不是致命的，但它们意味着5月28日的36%涨幅不是终点，而是一个需要持续被业务数据验证的判断。

第八章：企业AI化的资金流向图——谁是真正的受益者

Snowflake的反弹，不是孤立事件，而是一个更大图谱里的一个数据点。值得做一次系统性的梳理：在企业AI化的大潮中，资金流向了哪里，谁拿走了最大的一块？

第一层：模型公司（Anthropic、OpenAI、Google DeepMind） 这一层受益最直接，也最被市场关注。企业为API调用付费，模型能力越强，调用量越大。Anthropic本月刚完成$650亿Series H融资，估值$9650亿；OpenAI也在同级别的估值区间内。这一层是AI热潮最显眼的受益者。

但这一层也面临最激烈的竞争——模型的商品化压力是真实的。DeepSeek在2026年初宣布永久降价75%，直接把开源推理成本降到了商业模型的零头。当模型能力趋于同质，谁会在价格竞争中首先感受到压力？

第二层：算力基础设施（Nvidia、SK Hynix、AWS、Google Cloud） 这一层在2025-2026年是最确定性的受益者。Nvidia每季度营收持续突破历史新高，SK Hynix市值突破$1万亿，成为继Micron之后第二家加入万亿俱乐部的半导体公司。算力需求的上升是所有AI工作负载的公约数，无论最终哪家模型公司胜出，算力需求都不会减少。

这一层的问题不是需求是否存在，而是供给扩张速度是否超过需求增速——当Nvidia、AMD、谷歌TPU、Anthropic/Amazon专用芯片同时扩产，未来2-3年的竞争格局有待观察。

第三层：数据基础设施（Snowflake、Databricks） 这正是Snowflake所在的层次。这一层的核心论点是：无论模型层如何竞争，无论算力层如何重新定价，企业的私有数据始终是AI最重要的差异化输入，而这些数据需要专业的管理和治理才能被AI安全使用。

这一层受到最多误解——SaaSpocalypse的悲观论就是针对这一层的。但5月28日的市场反应，是一次对这层认知的公开纠正。

第四层：企业AI应用（Salesforce Agentforce、ServiceNow、工作流AI工具） 这一层代表了AI能力与具体业务流程的结合。这里的竞争最激烈，护城河最难建立——当模型API成本越来越低，为什么要付钱用中间层的应用？应用层需要持续证明自己的价值不只是模型的”包装纸”，而是真正的工作流集成和数据集成能力。

从这个四层结构来看，Snowflake的位置处于第三层——比应用层更基础，比算力层更接近业务价值。这是一个竞争相对较少（只有Databricks是直接竞争对手）、护城河相对深厚（11年的企业数据积累）、AI时代需求持续增长的位置。

5月28日，市场大约是以36%的方式，承认了之前对这个位置的理解是错误的。

尾声：数据，AI时代的底层矿藏

市场用36%的单日涨幅做出了一个判断，但判断不是事实，事实需要时间来验证。

如果Snowflake的底层逻辑是对的——AI时代最稀缺的不是算力，而是高质量的企业可信数据；最难以复制的不是模型本身，而是模型与企业私有数据的安全接口——那么今天的$60亿AWS承诺，是一笔提前定价的战略资产。

如果这个逻辑是错的，或者被某种更颠覆性的技术架构所绕过，那么$60亿就是一笔昂贵的历史错误，而5月28日的36%涨幅将被事后看作一次情绪性的错误定价。

但有一点是相对确定的：2026年5月28日之后，整个市场对「AI时代什么公司最有价值」这个核心问题，给出了一个比以前更清晰的答案——不只是做模型的公司，不只是做应用的公司，还有那些控制了企业数据这块底层矿藏的公司。

Snowflake从来不是AI浪潮里最耀眼的主角，但它有可能是支撑所有AI主角持续运转的基础设施。

这个位置，在很多人真正意识到它的价值之前，已经悄悄建立起来了，而且已经守候了整整11年。

附录：关键数据速览

Snowflake Q1 FY27 核心指标（来源：Snowflake官方，2026-05-27）

  • 净新增客户：616家，同比+38%
  • 年消费>$100万大客户：779家，Q1新增46家（上年Q1新增26家）
  • AWS Marketplace累计销售额：$70亿+
  • AWS Marketplace 2025年全年销售：$20亿+，同比翻倍

Q2 FY27 指引（来源：Snowflake财报电话会，2026-05-27）

  • 产品营收：$14.15-14.20亿（华尔街预期：$13.7亿）
  • 调整后运营利润率：12.5%（华尔街预期：11.9%）

Snowflake-AWS协议（来源：Snowflake官方，2026-05-27）

  • 承诺金额：$60亿
  • 期限：5年
  • 合作内容：Graviton CPU + GPU + AI基础设施 + AWS Marketplace深化
  • 战略背景：Snowflake在AWS上诞生（2015年），目前绝大多数客户运行在AWS上

市场反应（来源：CNBC，2026-05-28）

  • Snowflake：+36%（公司历史最佳单日表现）
  • ServiceNow：+6%+，Oracle：+6%+，Palantir：+8%+
  • Salesforce：小幅下跌（Q2指引略低于预期）

参考资料

  1. Snowflake. (2026-05-27). Snowflake Expands AWS Collaboration with $6B AI Commitment to Accelerate Enterprise Agentic AI Adoption. Retrieved from https://www.snowflake.com/en/news/press-releases/snowflake-expands-aws-collaboration-with-6b-commitment-to-accelerate-enterprise-agentic-ai-adoption/

  2. CNBC. (2026-05-28). Snowflake surges 36% for best day ever on AI frenzy, fueling software rally. Retrieved from https://www.cnbc.com/2026/05/28/snowflake-snow-software-stock-rally.html

  3. CNBC. (2026-05-27). Snowflake signs $6B deal with AWS, using Amazon’s in-house Graviton chips. Retrieved from https://www.cnbc.com/2026/05/27/snowflake-amazon-graviton-cloud-chips.html

  4. BusinessWire/Snowflake. (2026-05-27). Snowflake Q1 FY2027 Earnings Release. Retrieved from https://www.businesswire.com/news/home/20260527027931/en/