Shownotes:

欢迎收听本期节目，我们将深入探讨Snowflake如何从一个领先的数据仓库平台，演变为一个全面的AI数据云，以及它在这个转型过程中面临的挑战和取得的成就。

本期节目亮点：

• Snowflake AI数据云的愿景与核心理念Snowflake的平台旨在简化企业数据和AI策略，加速创新，并充分利用数据价值。
  
  其目标是整合分析、AI、数据工程、应用程序和协作，在一个统一的平台中赋能所有这些功能。
  
  CEO Sridhar Ramaswamy强调了一个核心理念：“没有数据策略就没有AI策略”，指出AI能力需要坚实的数据基础才能在企业中可靠地运行。
  
  


• Snowflake AI的核心能力与技术创新Cortex AI： 提供即时访问行业领先的LLM（大型语言模型），并支持利用客户数据定制LLM和ML模型，实现安全创建和部署。例如，西门子能源利用Cortex AI将数十万页的纸质信息转化为可操作数据，通过AI聊天机器人即时访问，大幅提升洞察速度。
  
  SwiftKV： Snowflake AI Research团队开发的开源AI方法，旨在通过键值缓存技术减少Meta LLaMA LLM推理成本高达75%，同时不影响准确性和性能。这项技术可以显著提高LLM部署效率。
  
  Arctic LLM： 一个面向企业AI应用的开放、高效的LLM。
  
  Snowpark： 提供了运行Python等语言的库和代码执行环境，例如辉瑞通过迁移到Snowflake并使用Snowpark，数据处理速度提升了4倍，每年节省1.9万小时，并实现了TCO（总拥有成本）57%的降低。
  
  Streamlit： 一个将Python脚本转换为web应用程序的框架。
  
  Native Apps： 支持端到端的Snowflake原生应用创建和分发。
  
  


• Snowflake与Databricks的竞争格局历史定位： Snowflake最初专注于云数据仓库，擅长商业智能和大规模数据存储与查询。Databricks则以其数据工程和数据科学工作流为核心，建立在Apache Spark之上，擅长处理大规模数据工程和机器学习流水线。
  
  市场融合与竞争： 随着市场发展，两家公司正逐步进入对方的核心领域，形成了“Snowflake与Databricks之战”。
  
  Databricks的优势： 作为统一分析平台，Databricks在机器学习工作流和实时分析方面表现出色，并积极投资于Delta Lake等开源项目，并收购了Iceberg的主要贡献者Tabular，以增强其在云数据仓库领域的实力并避免供应商锁定。
  
  Snowflake的应对： Snowflake通过收购Neeva、Streamlit和Applica等公司，迅速扩展其在AI/分析和数据流水线领域的能力。同时，Snowflake也推出了基于Iceberg的开源项目 Polaris Catalog，以直接对抗Delta Lake和Iceberg的影响力。
  
  


• Snowflake为客户带来的价值目前有 12,062家 全球客户使用Snowflake，其中包含 751家 财富全球2000强公司。
  
  
  
  显著的业务成果：辉瑞： 数据处理速度提高4倍，TCO降低57%。
  
  洲际交易所（Intercontinental Exchange）和纽约证券交易所： 临时查询性能提高80%，监管报告工作负载成本节约超过50%。
  
  AT&T： 通过结果缓存，估计每年可节省84%的成本，90%的用户查询可在1秒内得到答复。
  
  Merkle： 数据开发周期加快64%，估计节省20%的成本。