摘要：Snowflake 是一家「数据使用层」公司：不训练模型、不卖算力，替企业保管数据并按用量收取"查询电费"。本季产品收入 14.92 亿美元（+37%，连续第三季加速）、NRR 126%、非 GAAP 营业利润率 15.3%（超指引 280 个基点），AI 侧 CoCo 账户单季新增超 2,000 个。本文系统拆解：产品全景与三层账本、消费加速的钱从哪来、AI 收入的证据等级、数据云市场的三层战场、以及为什么中国造不出 Snowflake。结论：消费型数据平台是 AI 从"训练叙事"走向"应用叙事"的关键基础设施，A/H 的映射不是找"中国的 Snowflake"，而是云厂商内部的消费弹性与独立数据基础设施幸存者。

本文用于公开资料研究，不构成投资建议。

上一期美映（MM.019）用 800 字说了 Snowflake 盘后暴涨 20.5%「发生了什么」。财报观察季的工作是把这台机器完全拆开：它是什么、怎么赚钱、行业里跟谁打、打得住打不住、以及为什么这个商业模式在中国不存在。这是一份跟踪数据消费范式的系统性底稿，而不是一份荐股报告。

1. 产品全景：从云数仓到 AI Data Cloud

【事实】Snowflake 2012 年成立，2020 年上市（NYSE: SNOW），创始团队来自 Oracle。起点是一个判断：传统数据仓库（Teradata、Oracle Exadata）把存储和计算捆绑在本地一体机里，扩容要采购硬件、周期以月计。Snowflake 把这件事搬到云上并做了架构切分——存储与计算彻底分离，各自独立弹性伸缩、各自独立计费。2020 年 IPO 是当年最大软件 IPO；此后五年，它把自己从"云上数据仓库"升级为「AI Data Cloud」：数据仓库只是地基，上面长出数据工程、数据共享交易、应用开发（Snowpark）、AI/ML（Cortex 套件）、以及 2025 年以来的智能体产品线（CoWork、Cortex Code）。SEC 8-K〔1〕

理解它的关键不是技术清单，而是位置：企业几乎所有的业务数据最终都会流经一个"数据使用层"——BI 报表、数据科学、AI 应用全都要从这里取数。谁占据这一层，谁就对企业数据的每一次使用收一次费。Snowflake 管理层把愿景说成一句话：「The Agentic Enterprise runs on Snowflake」——智能体化的企业，所有 AI Agent 读写数据都要经过这个底座。

2. 三层账本：三种计费逻辑，互为放大器

【事实】Snowflake 的收入按消费发生时确认（consumption model），拆开是三层：

• 存储层：企业数据统一入仓（结构化+半结构化 JSON/日志），按 TB/月收费——类"数据房租"，稳定但单价低；
• 计算层（Virtual Warehouse）：BI 查询、ETL、数据科学负载按秒计费、算力随开随关——类"电费"，这是收入大头；
• 数据共享与 AI 层：企业间数据交易（Marketplace，数据本身变成可售卖资产）、Snowpark 开发框架、Cortex AI 套件（让大模型直接在仓内数据上工作）——增长最快、单价最高的"增值服务"。

【研究推断】这三层的结构重要性在于互为放大器：数据放得越多（存储），查询与 AI 负载越重（计算/AI）；AI 用得越多，产生的数据（对话记录、向量、Agent 行为日志）又沉淀回仓里。这就是管理层所谓「AI 飞轮」的结构基础——不是修辞，是消费型模式的会计特征：任何让客户"多碰数据"的产品，都会自动转化为三层收入。

3. 消费型计费与订阅制的本质区别

【研究推断】传统 SaaS 收的是"座位费"（签约即确认，用户用不用都付），Snowflake 收的是"用量费"（电表走了才有钱）。差别有两个推论：其一，消费型收入造假空间小、但波动性大——客户优化用量、削减预算会直接反映在当季收入上；其二，它对 AI 时代的适配性远高于订阅制——AI 应用的成本结构天然是"按调用量付费"（token、查询、存储），谁的计费系统跟 AI 的成本结构对齐，谁就承接 AI 的支出流。这是本季财报最值得琢磨的底层逻辑，也是全文判断的出发点。

【事实】核心数字：三线同时超，且高于自己的指引上限

总营收 15.47 亿美元（+35%，超预期约 4%）；产品收入 14.92 亿美元（+37%）——比管理层 5 月给出的指引区间上限（14.20 亿）高约 5%，这种"超出自家指引带"的超预期比"超分析师一致预期"更有信息量，因为它说明公司的内部预测模型也落后于真实需求。非 GAAP EPS 0.62 美元（预期 0.45，上年同期 0.35）；非 GAAP 营业利润 2.37 亿、利润率 15.3%——比管理层指引的 12.5% 高 280 个基点。SEC 8-K〔1〕 腾讯财经〔2〕

【事实】增长加速轨迹：30 → 34 → 37

产品收入同比增速 FY26 Q4 为 30%、FY27 Q1 34%、Q2 37%，Q3 指引隐含 37–38%。CFO Brian Robins 确认「连续第三个季度加速，核心数据平台需求 + AI 收入的有意义跃升（meaningful step-up）」。对一家年收入体量 60 亿美元的公司而言，增速在高位连续三个季度抬升——这不是基数效应能解释的，是新增负载（AI）叠加上传统负载复苏的复合结果。

【事实】一个不能略过的警示：RPO 环比下降

RPO（剩余履约义务，已签约未确认收入的"蓄水池"）本季 90 亿美元，环比下降（Q1 为 9.21 亿），同比增速 30% 也低于上季的 38%。消费型模式下，RPO 是客户预付的承诺额度池：收入加速确认，池子进水速度（新签）若跟不上放水速度（消耗），就会变浅。部分原因是 1 月季度的年度签约季节性，但连续两个季度 RPO 走弱，将直接质疑"加速的可持续性"。这是本期财报唯一一处与主叙事相反的数据，把它标为未来两个季度的第一观察变量。

AlphaPilot〔3〕

【事实】两本账：non-GAAP 利润率 15.3% 与 GAAP 亏损 2.63 亿

非 GAAP 口径利润率 15.3%（全年指引上调至 14.5%）、产品毛利率约 74%；但 GAAP 口径营业亏损 2.63 亿、净亏损 1.92 亿——差额主要是股权激励（SBC）。消费型 SaaS 的报表必须用两本账读：non-GAAP 看经营杠杆是否真实存在（本季答案是存在），GAAP 看股东真实回报成本（SBC 吞掉了全部账面利润）。这不是 Snowflake 独有问题，但任何把它类比成"水电公司"的人都应该知道：水电公司不给自己员工发这么多股票。

财报观察季用五级证据阶梯为每家公司的 AI 叙事定级（方法承自 ER.004 阜博）。Snowflake 本季的定级是 L2–L3：

【事实】运营指标的含金量：Cortex Code（CoCo，AI 写数据代码的智能体）账户突破 9,100、单季净增超 2,000；智能体助手 CoWork 达 5,800 账户；上半年正式发布（GA）的产品功能超 330 项（+35%）；新推 Cortex Sense（业务上下文）与 Cortex AI Gateway（整合 5 月收购的 Natoma MCP 协议平台）。【管理层观点】CEO Sridhar Ramaswamy：「AI 在复合我们的优势，创造飞轮效应……CoWork 与 CoCo 正在带来变革性结果，同时驱动快速采用、用户增长、新工作负载与整体平台消费。」SEC 8-K〔1〕

【研究推断】L4（AI 收入占比）是本期最大盲区：管理层说 AI 收入"有意义跃升"，但没有给出绝对值或比例。这意味着"消费加速 = AI 驱动"的归因链条里，可验证的部分是"AI 产品被大量采用"（账户数），不可验证的部分是"AI 贡献了几个点的增速"。对公司未来是否披露该拆分的跟踪，比任何模型计算都重要——一旦披露，AI 叙事就从 L2 升到 L4，定价框架会完全不同。

4.1 Cortex 套件：把大模型搬进数据仓

【事实】Snowflake 的 AI 产品线统称 Cortex：Cortex Analyst（自然语言查数）、Cortex Search（检索增强）、Cortex Code（CoCo）、Cortex Sense（业务上下文理解）、Cortex AI Gateway（统一模型接入网关，整合 Natoma MCP 平台）。战略意图清晰：让客户的 AI 应用天然长在数据仓上——模型可以是别家的（接 OpenAI/Anthropic/开源），但数据进出必须走 Snowflake 的管道和计费。

4.2 产品速度本身就是竞争武器

【事实】上半年 330+ 项功能 GA（+35%）。【研究推断】在数据基础设施这个"企业不敢轻易换"的市场里，功能投放速度决定客户把新负载（尤其 AI 负载）放在谁家。Snowflake 用产品速度对冲 Databricks 的开源价格优势和云厂商的捆绑优势——这是运营效率维度的竞争，值得每季跟踪 GA 功能数。

4.3 Agentic Enterprise：下一个叙事容器

【研究推断】管理层本季把叙事从「AI Data Cloud」推进到「Agentic Enterprise runs on Snowflake」。逻辑是：企业部署 Agent 之后，每个 Agent 都要高频读写企业数据——Agent 越多，数据消费越大。这是把"AI 应用爆发"直接翻译成"Snowflake 收入"的桥。桥能不能走通，取决于 Agent 的数据访问架构：如果企业选择让 Agent 直连各家 SaaS（绕过中央数据层），飞轮就漏气。这是比"AI 收入占比"更上游的产业观察点。

5.1 第一战场：与 Databricks 之争——中立云 vs 开源私有化

【事实】Databricks 是 Snowflake 最直接的对位者：同起源（论文团队同源）、同样存算分离、同样的消费型模式，但路线相反——Databricks 基于 Apache Spark/开源栈、主推私有化部署与 lakehouse 架构，且尚未上市（一级市场估值口径已与 Snowflake 市值相当量级）。【研究推断】两者在争夺同一个预算池（"企业数据与 AI 平台"），分化对应客户偏好光谱：信任公有云、要最小运维的选 Snowflake；数据主权敏感、有工程团队的选 Databricks。Databricks 上市将是数据云板块的定价重估事件——届时市场第一次能并排比较两家消费型数据平台的完整报表。

5.2 第二战场：与三大云厂商原生数仓——捆绑 vs 中立

【事实】AWS Redshift、GCP BigQuery、Azure Synapse 是价格与渠道层面的压制力量：与计算资源捆绑销售、企业上云即送额度。【研究推断】但云厂商有个结构性矛盾：它们同时是企业 AI 模型的卖家（Bedrock/Vertex/Azure OpenAI），客户把全部数据放在竞争对手的模型平台上存在利益顾虑。Snowflake 的中立性正是这个矛盾的对冲解。多 AI 云时代（企业同时用多家模型），中立数据层的理论价值上升——但这要求 Snowflake 真的保持中立（不推出自己的基础大模型与客户竞争），这个"不作恶"的承诺本身就是跟踪项。

5.3 第三战场：新兴 AI 数据层——向量库与 MCP 生态

【事实】AI 原生负载催生新数据层：向量数据库（Pinecone、Milvus）、检索增强存储、以及 MCP（Model Context Protocol）这类 Agent-数据接口标准。Snowflake 的应对是把向量检索内嵌进产品（Cortex Search）并直接收购 MCP 平台（Natoma）。【研究推断】这一层的竞争本质是：AI 时代企业数据的"读写接口"由谁定义。若 MCP 类协议成为 Agent 访问企业数据的标准，占据网关位置的公司就复制了 Snowflake 在 BI 时代的位置。

5.4 护城河评估：三条防线与一个软肋

【研究推断】Snowflake 的护城河 = 迁移成本（企业数仓搬迁以年计、风险极高）+ 中立性品牌（不与客户在模型层竞争）+ 数据网络效应（Marketplace 上数据供给与使用互相吸引）。软肋在成本结构：它从三大云厂商批发算力再零售给客户，74% 的产品毛利率意味着云计算厂商随时可以用价格挤压这条转售链——Snowflake 自研芯片/存储优化的进展是长期毛利率的关键变量。

【事实】需求质量四指标：NRR 126%（现有客户一年后消费为去年的 1.26 倍）；百万美元级客户 828 家（+27%，季净增 49）；净新增客户 692（+32%）、含 14 家全球 2000 强；Forbes Global 2000 客户累计 829 家。盈利质量：全年 non-GAAP 营业利润率指引上调至 14.5%、产品毛利率 74%、调整后 FCF 利润率指引 23%。21财经〔4〕

【研究推断】体检结论有三条：其一，NRR 126% 在宏观降 cloud spending 的两年里先降后稳，本季随消费复苏回升——大客户消费意愿是 AI 应用真实度的最灵敏探针；其二，百万美元客户渗透（828/11,000+ 总客户）仍有数倍空间，大客户沉淀是消费型模式最健康的长尾；其三，利润率扩张与增速加速并存，验证了"AI 负载毛利不低于传统负载"的管理层说法——这直接反驳了"AI 收入拖累毛利"的行业担忧，对整个数据基建板块是正外部性。

7.1 三重结构差异

【研究推断】技术路线可复制，土壤不可移植：

• 付费结构：美国企业 IT 预算中"平台使用权"（订阅+用量）是成熟科目，百万美元级客户可以逐年续费涨价（NRR>120）；中国企业是项目制预算，系统建设一次性付款、后续运维压价，"为数据使用权持续付费"没有对应科目；
• 云形态：美国数据云是独立第三方（Snowflake/Databricks 均不卖算力不卖模型），中国数据平台被云厂商附庸化——阿里云 MaxCompute/AnalyticDB、腾讯 TDSQL、华为 GaussDB 都是云上附属模块，独立厂商（星环科技 688031 最接近）规模差 1–2 个数量级且持续亏损；
• 数据主权偏好：中国大型企业偏好私有化/信创环境，公有云数据池的网络效应（跨企业数据共享、Marketplace）难以形成——而这恰是 Snowflake 飞轮的核心一环。

7.2 但 AI 时代有一个变量在松动

【研究推断】中国企业不为"数据平台"付费，但正在为"token"付费——阿里云百炼等大模型平台的按量计费已被接受。这提示"数据/智能消费"商业模式的 A 股化路径：不是独立数据云，而是云厂商内部的 AI 消费收入科目。当阿里/金山云的财报里第一次出现可辨识的"模型服务/Agent 消费"收入拆分，就是中国版数据消费叙事的起点。

7.3 A/H 映射：两条线，不是一只票

【研究推断】中国版 Snowflake 叙事的正确打开方式：跟踪"消费型收入科目"在中国软件公司的报表里何时出现——这比估值测算重要得多。数据要素政策（数据入表）与 Agent 应用是两个可能催化该科目出现的变量。

（本文不设目标价、不给估值倍数——数据消费公司的价值由消费持续性决定，以下是持续跟踪框架。）

判断框架：① RPO 回升 + AI 占比披露 → 确认「数据消费」范式成立，可作 ND 素材；② RPO 连续走弱 + 账户数放缓 → 消费加速证伪，MM/ER 叙事降级；③ Databricks 上市 → 全板块重新定价，另起一期对比研究。

• 一周（2026-09-10 前后）：常规盘对盘后 +20.5% 的再定价是否守住；A/H 数据链（星环、阿里）的联动强度。
• 一月（FY27 Q3 财报，2026-12 初）：RPO 是否回升（第一观察变量）；CoCo 账户数是否继续 2,000+/季；Q3 增速是否落在 37–38% 指引带。
• 一季度（2027 年初）：AI 收入占比是否披露（L4 证据）；Databricks 上市进程；三大云厂商数仓定价动作。

1. 消费波动：消费型收入随客户预算优化直接缩水，宏观 IT 支出收缩时无订阅制的缓冲；
2. RPO 与收入背离：若连续两季背离，加速叙事证伪；
3. SBC 稀释：GAAP 持续亏损，股权激励对股东的隐性成本远高于 non-GAAP 口径呈现；
4. 算力转售被挤压：对三大云厂商的算力依赖是结构性成本风险；
5. 竞争升级：Databricks 上市带来资源与定价竞争；云厂商 AI 捆绑加深；
6. 叙事归因风险：AI 收入占比未披露前，"AI 驱动加速"的归因依赖管理层口径。

Snowflake 本季证明了三件事：消费型数据平台的增速可以在大体量下重新加速（37%，三连）；AI 负载不是毛利拖累而是毛利来源（利润率与增速同步扩张）；Agentic Enterprise 的叙事有了运营指标支撑（CoCo/CoWork 账户数）。它也暴露了一件事：AI 收入占比未披露、RPO 环比走弱——飞轮的马力和蓄水池的水位，仍是这份报表之外的东西。

对中国投资者的含义不在"买不买 SNOW"，而在范式预警：当"按用量付费"的数据消费模式在财报里持续兑现，AI 的定价权正在从"卖设备和算力"（NVDA/DELL，已拆）向"收数据使用费"（SNOW，本期）迁移。A/H 市场还没有这个叙事的正主，但已经有它的前身——云厂商财报里的 AI 消费科目、和还在活着的独立数据基础设施公司。这个科目何时出现，就是我们下一期 MM 或 ER 的选题。

1. Snowflake FY27 Q2 财报 8-K（SEC 官方）〔1〕
2. 腾讯财经：Snowflake FY27 Q2 财报拆解〔2〕
3. AlphaPilot：超预期幅度、指引带对比与 RPO 警示〔3〕
4. 券商中国：盘后暴涨超 24%〔5〕
5. 21 财经：8-K 数据摘要〔4〕