Sridhar Ramaswamy担任Snowflake首席执行官后的首个完整阶段，带来了投资者期待的增长提速和客户期望的战略扩张。2027财年第一季度，产品收入达到13.3亿美元，同比增长34%，总收入增长33%至13.9亿美元。净收入留存率为126%，滚动产品收入超过100万美元的客户达779家。Snowflake将全年产品收入指引上调至58.4亿美元，并将非GAAP营业利润率预期上调至13.5%。对于一个已具备相当规模的按使用量计费平台而言，这些数据表现强劲。
拉马斯瓦米面临的问题，已不再是Snowflake能否参与企业人工智能周期，而是公司能否成为一个控制平台，让智能体通过它安全地寻找数据、构建工作流并采取行动，同时保持大型组织日益要求的开放性。Snowflake在2026年Summit大会上发布的产品延伸至编程智能体、知识工作者智能体、治理、模型接入、开放表格式和应用连接。如此广泛的布局是有意为之。拉马斯瓦米正设法确保人工智能活动能够增加Snowflake的用量，而不是让价值流向模型提供商或独立的应用层。
处于商业转折点的产品领袖
Ramaswamy通往顶层职位的经历有助于解释这一战略。他在大规模计算和机器学习领域建立声誉，曾领导谷歌的广告业务，创办搜索公司Neeva，并在Snowflake收购该业务后加入公司。2024年出任首席执行官前，他领导Snowflake的人工智能工作。因此，他既具备技术判断，也深谙一个现实：卓越工程能力并不会自动造就可持续的业务。分发、经济效益和用户习惯与模型质量同样重要。
Snowflake的按用量计费模式使这一课题格外直接。客户承诺使用容量，但收入在其使用计算、存储和数据传输资源时确认。降低单次查询成本的产品改进，短期内可能放缓收入，除非降价能刺激更多工作负载。AI功能能够创造需求，但前提是它们从演示走向常规生产使用。拉马斯瓦米必须应对一种优化悖论：在让客户更高效地使用平台的同时，扩大其运行任务的数量、复杂度和频率。
2027财年的发展轨迹表明，二者之间的平衡正在改善。第一季度产品收入增长34%，超过上一年的增速，管理层预计全年增长31%。公司该季度还产生了2.655亿美元的调整后自由现金流。然而，Snowflake按美国通用会计准则计算仍录得巨额营业亏损，反映出股权激励及其他成本的影响。尤其是在收购和新产品团队不断拓宽产品组合之际，拉马斯瓦米必须证明，更快的产品增长可以与更精简的运营模式并存。
智能体需要受治理的上下文
Snowflake的核心观点是，企业AI受到的主要制约并非模型获取，而是可信上下文的获取。通用模型可以推理，但若没有权限、元数据和监控，就无法安全地处理公司的定价、客户、供应链或临床数据。Horizon Catalog旨在为Snowflake内部数据、外部数据湖和兼容引擎提供这层治理。Snowflake Intelligence和CoWork面向知识工作者，CoCo则为开发者提供用于数据工作流和应用程序的编程智能体。
如果这些产品能够协同运作，Snowflake就可以成为模型与业务系统之间的连接层。员工可以提出分析请求，智能体可以调取受治理的信息，工作流则可以生成或发起操作，同时避免原始数据越过政策边界。这一角色比单纯提供分析基础设施更具雄心，也意味着更大的责任。智能体串联工具时，访问控制必须保持一致；输出必须可追溯；管理员还需要了解哪些模型或服务接触过哪些数据。
因此，拉马斯瓦米对开放性的重视出于战略考量，而非表面姿态。对Apache Iceberg、Polaris和外部引擎的支持，有助于Snowflake回应客户对供应商锁定的担忧。企业需要统一的治理层，但不愿放弃使用不同计算引擎、云平台和AI模型的能力。Snowflake正试图让开放性成为客户在其平台上集中控制的理由。挑战在于既要保持真正有效的互操作性，又要避免竞争服务攫取价值最高的工作负载，却由Snowflake承担存储和治理成本。
合作经济是一把双刃剑
Snowflake与Anthropic、亚马逊云科技及其他技术提供商的合作扩大了其业务覆盖。未来五年承诺投入60亿美元采购亚马逊云科技的计算和人工智能服务，显示出其对工作负载增长的信心，也将深化双方联合开拓市场的活动。Cortex AI接入Anthropic模型，使客户能够在Snowflake治理框架下直接使用先进功能。与生态系统内其他提供商建立的类似连接，让采购方可以根据具体用途选择模型，无需为每家提供商重新搭建数据管道。
这些联盟也使拉马斯瓦米面临棘手的利润率平衡。云基础设施是一项主要投入成本，模型推理可能费用高昂，而客户期待性价比持续改善。Snowflake必须以适当方式打包智能体服务，使客户价值的增长快于自身算力账单。公司可以通过优化、用量承诺、高端治理服务以及日益丰富的原生服务来维护经济效益，但不能认为AI使用量上升必然会带来可观利润率。
收购进一步拓展了业务版图。Observe将Snowflake的业务延伸至可观测性领域，而拟议收购Natoma则旨在为智能体提供安全连接。每笔交易都可能提升平台的实用性，但每新增一项能力也会争夺工程资源，并可能令产品定位变得模糊。拉马斯瓦米必须将这些能力纳入统一的治理、计费和开发者体验体系。单纯汇集收购而来的工具并不能形成控制平面。客户从数据到智能体再到实际运营的转换衔接，必须比使用多个专业产品时更为顺畅。
企业采用才是真正的衡量标准
Snowflake的大客户增长提供了令人鼓舞的基础。年支出超过100万美元的机构有所增加，制药、金融服务、零售及媒体等行业正将AI工作负载迁移至受治理的数据环境。拉马斯瓦米需要推动这些客户从分析进一步拓展至开发和运营工作流。决定性指标不是有多少用户试用助手，而是智能体运行的频率、其访问受治理数据的规模，以及由此完成的工作能否改变营收、成本或服务成效。
这一转变需要采用不同的销售沟通方式。数据团队了解数据仓库和湖仓一体架构；企业领导者关注的是周期时间、风险和投资回报。Snowflake的销售人员及合作伙伴需要把平台能力与损益项目联系起来，同时避免夸大承诺。拉马斯瓦米主张，AI项目应与可衡量的商业价值挂钩。他的组织必须把这一标准落实到运营层面，帮助客户优先选择具备足够数据质量和可重复性、足以支持生产部署的工作流程。
亚洲既提供规模，也带来摩擦。银行、制造商、电信集团和数字平台拥有丰富数据，却面临数据主权规则、碎片化云环境和不均衡的AI准备程度。Snowflake已扩大在该地区的业务与合作，但仍须推进治理、支持体系和行业方案的本地化。Ramaswamy的印度背景增加了个人能见度，真正的执行却取决于区域工程能力、渠道深度，以及监管者和企业买家的信任。全球产品仅凭架构无法取胜。
Snowflake对自家产品的使用也将是一项有价值的检验。一家向大型组织销售智能代理的公司，理应能够展示其财务、工程、支持和销售团队如何按照提供给客户的同一套治理标准重新设计工作。内部部署可以在权限缺口和薄弱交接环节进入市场前将其暴露出来，也能为销售人员提供可信的运营证据。拉马斯瓦米应审慎公布成果指标，将真正缩短周期或提升质量的成效，与仅仅把工作量从一个团队转移到另一个团队的活动区分开来。
速度不能以牺牲协调一致为代价
2026年峰会的大量发布展示了产品推进速度，也暴露出这一阶段的领导风险。Snowflake同时是数据仓库、数据平台、应用环境、治理系统、AI服务和智能体界面。客户或许欢迎整合，但需要一条清晰的产品组合路径。Ramaswamy必须建立明确的产品层级，简化商业定价方案，并确保每个新名称都对应一个客户能够识别的问题。
他还必须维护信任。智能体不仅能回答问题，还能采取行动，因此权限设置不当和上下文错误的后果会被放大。Snowflake记录访问、执行政策和隔离数据的能力可能成为优势。一次备受关注的数据泄露或失控行动，就可能拖慢整个领域的采用进程。因此，安全、评估和可观测性必须与模型及界面功能同步推进。在智能体驱动的企业中，治理是产品体验的一部分，而不是事后附加的合规层。
拉马斯瓦米已推动Snowflake从讲述AI愿景转向落实AI运营议程，而财务上的强劲势头也为其投资提供了空间。下一项验证将来自消费质量：更多生产环境工作负载、更强的客户留存、不断扩大的利润率，以及在智能体的新鲜感消退后依然持续的客户成果。如果Snowflake成为受治理数据转化为可重复行动的平台，拉马斯瓦米将同时扩大公司的市场空间和战略影响力。如果使用仍集中于分析，而智能体创造的价值落在其他平台，Snowflake平台的扩张速度就会超过其经济效益的增长。
