一、NRR回升，Snowflake走出低谷

在连续 13 个季度下滑后，Snowflake 的净收入留存率（NRR）终于实现环比回升，从 124% 提升至 125%。这一数据不仅意味着老客户的持续扩张和粘性回归，也预示着 Snowflake 在向 AI 数据平台 转型的道路上初见成效。

财报显示，其产品收入增长率由 26% 加速至 32%，新客户增长保持在 18%，这让市场重新审视 Snowflake 的长期增长潜力。

二、“没数据，就没AI”的行业共识

摩根士丹利在报告中指出，Snowflake 的业绩改善并非偶然，而是企业客户开始正视一个核心事实：没有统一、高质量的数据基础，就没有可落地的 AI。

数据显示，Snowflake 客户中约 50% 每周都在使用其 AI 服务，AI 相关能力直接影响了其二季度一半的新客户获取。这意味着 AI 已不仅仅是产品的附加功能，而成为了客户选择平台的关键驱动力。

这一趋势也折射出行业的普遍痛点：

• 数据孤岛仍然严重，数据治理成本高；

• 企业希望同时兼顾数据仓库、数据分析、AI 开发等多种负载；

• 单一厂商绑定可能限制灵活性。

三、AI数据平台的价值演变

美银在研报中强调，市场对 Snowflake 的定位正在发生改变：从单一的数据仓库，逐步转变为一个能够 同时承载分析、数据科学、协作、AI 的综合数据平台。

客户最初可能因其核心分析能力而采用，但随着业务复杂化，他们更需要平台型能力，才能支撑未来的多样化工作负载。Snowflake 的成功转型，正是抓住了这一趋势。

四、对国内市场的借鉴

Snowflake 的案例对国内企业同样有启示。随着大模型的普及，企业往往首先关注模型效果，但很快会发现：如果数据基础薄弱，AI 应用再强大也难以落地。

在国内，类似 MateCloud 这样的 AI 技术解决方案提供者，正尝试帮助企业构建“AI 就绪”的数据底座：

• 针对不同业务需求，选择更合适的模型与算力环境；

• 提供多云与混合云的架构支持，避免企业被单一平台锁死；

• 在数据治理、AI 部署、应用生态之间建立完整链路。

这与 Snowflake 的思路异曲同工：数据不是附属品，而是 AI 战略的核心起点。

五、总结

Snowflake 的 NRR 回升，不仅是财务指标的改善，更是企业对 AI+数据平台化 需求日益迫切的体现。

从国际市场的 Snowflake，到国内服务商，趋势都在表明：

• 没有高质量数据，就没有可落地的 AI；

• 平台化、生态化 是企业建设 AI 基础设施的必由之路。

未来，AI 的竞争将不止于算法和模型，更取决于谁能帮助客户构建起 长期可演进的数据与AI基础设施。