Snowflake 與 AWS 簽下 60 億美元合約，AI 需求推動雲端 CPU 使用與競爭
目錄
您可能想知道的
• 為何 Snowflake 會與 Amazon Web Services 簽署新的數十億美元合約？
• 朝向 AI 的轉變如何改變對 CPU 的需求以及雲端供應商的晶片策略？
主要議題
Snowflake 作為雲端資料倉儲與分析的重要供應商，已與 Amazon Web Services (AWS) 簽署為期五年、價值約 60 億美元的合約。此交易強化了已存在多年的合作關係：Snowflake 自創立早期即在 AWS 上營運，且仍可在其他主要雲端如 Microsoft Azure 與 Google Cloud 上使用。儘管如此，這份新合約的規模仍令人震驚。AWS 報告指出，自 2012 年公司成立以來，Snowflake 透過 AWS Marketplace 的累積銷售總額約為 70 億美元，讓這份新協議幾乎等同於 Snowflake 歷史上來自 AWS 的營收。
促成此擴張的主要動力是企業級 AI 使用的快速成長。Snowflake 已在開發並提供以 AI 為導向的能力──尤其是其 Cortex AI 工具──讓組織更容易從已儲存在 Snowflake 的資料中擷取價值。這些工具包括用於查詢資料庫的自然語言介面、自動摘要報告以及其他可簡化分析與決策的功能。由於大量組織的結構化與半結構化資料已存放於 Snowflake，企業日益圍繞該平台建構 AI 工作流程，進而擴大對 AWS 基礎設施的使用。
Snowflake 報告客戶在 AWS 上的支出急遽增加，預計 2025 年將倍增，該年約達 20 億美元。這種工作負載在 AWS 上的集中成長與 AI 工作負載及其所需的資源組合密切相關。雖然圖形處理器 (GPU) 持續主導模型訓練與部分推論工作，但 CPU 在大量 AI 生產工作負載中仍然居於核心地位──特別是代理協調、前處理、I/O 處理，以及許多推論或協調任務。隨著 AI 從初期模型開發與實驗轉向持續的日常使用與自動化代理，整體 CPU 使用量顯著上升。
有鑑於此，Snowflake 的新合約特別增加了對 AWS 內部基於 ARM 的處理器（稱為 Graviton）的存取。AWS 一直將 Graviton 定位為對許多雲端工作負載而言具成本效益且高效率的 CPU 選項。Amazon 的領導層主張，與現有替代方案相比，Graviton 提供具有吸引力的價格效能比。儘管 AWS 持續提供 Nvidia GPU 用於深度學習訓練與重度推論，但它已積極部署 Graviton 實例以滿足激增的需求，並為以 CPU 為主的工作負載提供較低成本的替代方案。
朝向自有 CPU 與客製晶片的轉變反映了更廣泛的產業趨勢： 雲端供應商正在投資專有矽晶片以降低成本、區隔服務並在擴張中的 AI 基礎設施市場中爭取更大比重。這項策略已經產生數十億美元的交易；例如，AWS 宣布一項大規模協議向 Meta 提供數百萬顆 Graviton 晶片，儘管 Meta 早前與 Google Cloud 有數十億美元的協議，AWS 仍贏得了這項業務。
競爭態勢正在加劇。Google、Microsoft 與 Amazon 多年來各自開發自家的 AI 加速器或客製晶片。Microsoft 發表了其 Maia AI 晶片，Google 長期生產張量處理單元 (TPU)，而 AWS 則有 Graviton 與其他內部設計。與此同時，Nvidia──在訓練與多數推論任務上為高效能 GPU 市場領導者──正將產品線擴展到包括以 AI 為中心的 CPU 與如 Vera 系列等加速器。Nvidia 的執行長公開將這些舉措描述為擴展到一個價值數千億美元的新市場機會，公司報告其 AI 硬體組合有相當可觀的銷售額。
對雲端客戶與像 Snowflake 這類軟體供應商而言，實際影響是計算選項的擴大。由於生態系統成熟度與模型架構的契合性，許多 AI 應用仍為 Nvidia GPU 所最佳化。然而，對於那些 CPU 性能與成本效率更重要的工作負載──例如大規模代理部署、資料集準備、串流推論與以分析為主的任務──基於 ARM 或其他客製 CPU 變得愈發具吸引力。雲端供應商通常會將部分自有矽晶片帶來的成本節省轉嫁給客戶，這使得這些產品對大規模部署在商業上更具吸引力。
因此，Snowflake 的 60 億美元 AWS 承諾既反映了其客戶當前的基礎設施需求，也是一項針對雲端提供之客製矽經濟性質的策略性押注。對 AWS 而言，從知名 SaaS 平台獲得大量承諾性支出有助於確保其運算需求的長期穩定，並在競爭激烈的市場中使其雲端服務具差異化。對 Snowflake 而言，該協議支持其 AI 能力的持續成長，並確保能取得為快速擴展 AI 工作負載的客戶提供服務所需的基礎設施容量。
更廣泛而言，該交易突顯出 AI 採用如何重塑雲端生態系中供應商關係與資本流向。能夠結合優化硬體、具吸引力定價與與資料平台深度整合的供應商，將有機會奪取企業 AI 支出的不成比例份額。與此同時，像 Nvidia 等既有廠商持續透過演進產品線並強調在最需大量運算的工作負載上的效能優勢來防守與擴大其市場地位。
重點洞察表
| 面向 | 說明 |
|---|---|
| 重點事實 1 | Snowflake 與 AWS 簽署約 60 億美元的五年合約，幾乎相當於其歷來來自 AWS 的營收。 |
| 重點事實 2 | AI 驅動的工作負載正在增加對 CPU 的需求；雲端供應商正部署如 AWS Graviton 等自有晶片以優化成本與效能。 |
後續…
展望未來，產業當前的優先事項是精進支援大規模 AI 的軟硬體堆疊。這包括持續開發專用處理器（包括 GPU 與 CPU）、更好的協調層以將工作負載導向最具成本效益的硬體，以及提升模型效率，讓模型能以更少的運算提供價值。針對更省電的架構、針對多樣矽晶片的編譯器與執行時優化，以及讓部署基於代理系統更安全且經濟的工具的研究，將特別有價值。
在平台層面，像 Snowflake 這類結合豐富資料庫存與整合 AI 工具的公司，可能會持續扮演關鍵角色。企業將繼續尋求減少資料儲存、模型推論與應用整合之間摩擦的解決方案。探索資料平台與客製化運算選項的更緊密協同設計 將是希望在擴展 AI 服務時控制成本的組織的務實下一步。
最終，客製矽晶片開發、軟體優化與資料平台整合之間的相互作用，將決定誰能在下一波 AI 採用中擷取價值。能夠提供穩定效能、有競爭力定價並與資料生態系深度整合的雲端供應商，將在企業將 AI 落地應用於更多工作流程時佔有優勢。