百億美金的平臺扳手腕，雲數據的生成式AI之爭

來源  /   硅兔賽跑  

作者 /   Vivek Ramaswami & Sabrina Wu 

Snowflake和Databricks一直是數據庫領域關注度非常高的兩家公司，雖然同在一個地盤，但各有特色，競爭一直沒有擺到臺面上。

而這一次的生成式AI浪潮，兩家公司非常積極的通過收購布局，Snowflake完成了對Neeva（企業級AI搜索引擎）的收購，Databricks 13億美金收購MosaicML（ML模型部署），並低調宣布對OmniML（模型壓縮）的收購。

兩家一改一直以來表面和睦、暗裏較勁的態勢，選擇同一天舉辦公司最重要的年會，亮明自家的生成式AI布局，野心藏不住了。 Snowflake 2020年上市，目前市值579.2億美金（2023.8.1），Databricks還未上市，根據上一輪融資，其估值已達到380億美金。在生成式AI的加持下，Databricks的估值/未來上市市值能否追上Snowflake？Snowflake又能否更上一層樓？ 作爲投資了Snowflake的基金Madrona的合夥人Vivek和投資人Sabrina分享了他們對兩家公司在生成式AI領域扳手腕的看法，以下，Enjoy。 上周對數據和人工智能領域從業者來說是重要的一周，兩個最重要的參與者——Databricks和Snowflake——分別在舊金山和拉斯維加斯舉辦了他們的年度會議（Databricks的Data and AI Summit和Snowflake的Summit）。這兩個巨頭決定在同一周舉辦他們的重要活動，這大概率不是巧合。

在過去十年中，Snowflake和Databricks一直是朋友也是對手，但這一周明顯表明，它們現在是彼此的主要競爭對手，而新的战場就是人工智能。

毫不奇怪的是，兩個會議上的討論和宣布大部分都圍繞生成式人工智能。所傳達的重要信息是，爲了建立生成式人工智能战略，每家公司都必須從數據战略开始。不出所料，Databricks和Snowflake都爲自己爲什么可以在這一旅程中爲客戶提供最佳支持進行了論證。

兩家公司從價值鏈的不同部分开始，曾經甚至是战略合作夥伴關系，爲何在這個人工智能的新時代演變爲如此激烈的競爭對手呢？

讓我們深入探討。

【快速免責聲明：Madrona曾投資Snowflake的C輪，並仍持有該公司的一些股份。】 硅兔編輯部翻譯

點擊下圖即可三步完成星標

· · ·

01

Snowflake：

從數據倉庫到數據雲

Snowflake由Benot Dageville和Thierry Cruanes於2012年創立。他們是兩位在Oracle工作多年的數據庫專家，他們敏銳地觀察到大多數數據倉庫“固化、昂貴且難以使用”。Dageville和Cruanes與Vectorwise的前首席執行官Marcin Zukowski合作，構建了基於三個關鍵前提的未來數據倉庫：

1）完全基於雲的架構；

2）將計算與存儲分離，實現近乎無限擴展；

3）在計算資源使用上具有彈性，從而實現查詢處理和靈活性方面的前所未有的速度。

如今，Snowflake已經從“僅僅”一個雲數據倉庫發展成爲一個“數據雲”，爲客戶提供訪問、構建、協作和變現其數據的單一平臺。

僅用十多年時間，Snowflake已發展成爲市值550億美元的上市公司，爲6000多家客戶和許多《財富》500強企業提供服務。Snowflake已與主要超大規模雲服務提供商（Azure、AWS和GCP）並肩作战，現在他們明確將目光投向人工智能領域以贏得更多關注。

爲了實現這一目標，他們在人工智能和機器學習領域進行了一系列收購和產品推出，包括：

1）Snowpark允許數據科學家使用其首選編程語言進行端到端的機器學習工作負載开發、部署和編排。通過Snowpark，客戶可以攝取、分析和轉換其數據，以訓練機器學習模型和運行更多的預測性分析。

2）Streamlit是一個數據驅動的應用程序構建工具，Snowflake於2022年3月以8億美元收購。Streamlit使客戶能夠僅通過幾行代碼开發數據密集型應用程序。Streamlit簡化了通過前端Web應用程序對數據分析任務和機器學習模型輸出進行上下文化的過程。

3）Neeva是Snowflake今年早些時候收購的公司，旨在加速企業與數據的交互和搜索，尤其是以更具對話性的方式進行。

02

Databricks: 

構建Lakehouse

Databricks成立於2013年，僅比Snowflake晚一年。

與Benoit和Theirry是行業從業者不同，Databricks是由一羣與學術界和开源社區有着深厚淵源的人士創立的。包括現任CEO Ali Ghodsi在內的七位創始人是UC Berkeley的AMPLab研究員，他們構思了Apache Spark，這是一個用於大規模數據處理的开源統一分析引擎。

Spark已經發展成爲最大且最常用的數據處理框架之一，在大規模數據工程、數據科學和機器學習方面起着重要作用。

Databricks最初的目標是商業化Spark，推出了企業級的Spark版本，提供了大型組織所需的所有功能（治理、支持、托管等）。Databricks隨後發展成爲創新的“Lakehouse平臺”，統一了數據、分析和人工智能。統一的Lakehouse概念將“集成、存儲、處理、治理、共享、分析和人工智能”融合在一個平臺上。

在過去的十年中，Databricks已成爲全球估值最高的私人公司之一，2021年估值達到380億美元，並於近期實現了10億美元的收入裏程碑。他們爲成千上萬的企業客戶和开源用戶提供服務，並被視爲最受矚目的IPO之一。

在所有這些增長中，他們越來越將自己定位爲人工智能領域的領導者，並最近進行了重要的收購和產品發布，包括以13億美元收購MosaicML（下文將更詳細介紹），並开源了Dolly，這是一種以低於30美元的成本訓練的指令調優LLM。

03

AI中的碰撞

Snowflake和Databricks都有良好的生態位，可以繼續利用長期的結構性趨勢，因爲企業正在爲生成式人工智能的轉變做準備。隨着生成式人工智能應用的廣泛應用，這兩家公司都試圖將自己定位爲战略性的多產品數據平臺。以下是各自會議中的一些重要公告以及我們對每家公司整體人工智能战略的看法。

Snowflake主要公告：

开發者公告

1）Snowflake的原生應用框架：通過允許开發人員創建、分發和變現應用程序，以新的方式利用數據，可基於Snowflake的數據雲擴展。

2）Snowpark容器服務：擴展數據可編程性和計算基礎架構，以支持編程語言、訪問第三方軟件，並爲托管全棧應用程序和LLM提供增強的安全性和治理。通過泛化Snowflake的計算平臺，提供進一步的靈活性，使客戶能夠從底層（數據層）一直到UI層運行完整的端到端應用程序。

3）其他重要公告：Snowpipe流式處理功能；動態表格（也稱爲材料化表格）；Document AI（一項新服務，用於提取文檔中的非結構化數據）；以及Iceberg Tables。

合作夥伴公告

Snowflake宣布NVIDIA、Microsoft和Weights & Biases等幾個重要合作夥伴。

1）與NVIDIA的合作計劃將其NeMo企業开發框架嵌入到Snowflake的數據雲中，這將使Snowflake的客戶能夠構建和部署LLMs和基於人工智能的應用程序，利用存儲在Snowflake中的專有數據。

2）與Microsoft的合作將擴展與Azure的合作夥伴關系，重點是圍繞Microsoft Azure的OpenAI和Azure AI/ML服務進行新產品整合。該合作有可能將工作負載和客戶引入數據雲。

3）與Weights & Biases這家領先的MLOps平臺的合作，Snowflake的容器服務使Weights & Biases能夠加速在Snowflake數據雲中進行ML模型、LLMs和LLM驅動應用的迭代开發。最終，這項合作將幫助企業和用戶更輕松地構建和利用生成式人工智能。

4）除了這兩家公司，Snowflake還宣布了與Alteryx、Hex、Dataiku、RelationalAI、Pinecone等公司的許多其他合作夥伴關系。

我們的看法：

直到最近，Snowflake沒有透露任何在現有能力上添加生成式人工智能的計劃，許多投資者對Snowflake在這個領域（尤其是與Databricks相比）的競爭能力表示擔憂。

然而，在2023年的峯會上，Snowflake展示了一個強大的愿景，將自己定位爲可信賴的數據雲提供商，並以此打造了一個與生成式人工智能相關的強大故事。

Snowflake與Nvidia的合作，以及Snowpark容器服務的宣布，使他們在AI數據堆棧中成爲一個更具可行性的參與者。他們想傳達的核心觀點是，他們可以讓客戶在Snowflake數據雲中安全地訪問、开發和部署LLMs和基於人工智能的應用程序，同時提供Nvidia GPU和AI軟件的加速計算。

雖然他們的故事和傳遞的信息令人印象深刻，但我們認爲他們在人工智能領域相對於Databricks仍然處於劣勢狀態...

Databricks主要公告：

开發者公告

1）LakehouseIQ：基於LLM的自然語言接口，用於搜索和查詢數據，並強大地理解客戶的數據、內部行話和使用模式，以了解客戶的架構、文檔、查詢、系統等。

2）LakehouseAI：Databricks在Databricks ML方面宣布了許多新功能，包括一些關於LLMOps的能力，例如整合數據、爲機器學習準備數據集、微調和策劃機器學習模型，以及部署模型本身。Databricks還宣布了關於向量搜索、特徵服務和MLFlow Gateway的許多功能。

3）MosaicML：就在峯會开始之前，Databricks宣布以13億美元收購MosaicML，該收購在峯會期間定位爲“構建GenAI模型的機器”。

4）其他值得注意的公告：Delta Lake 3.0、MLFlow 2.5支持不同後端LLMs、Lakehouse Apps和Databricks Lakehouse Monitoring智能監控。

我們的觀點：

Databricks通過將數據、人工智能模型、監控和治理能力整合到Lakehouse平臺中，採取了統一的人工智能方法。因此，Databricks使客戶能夠更高效地开發他們的GenAI解決方案，並且客戶認爲Databricks是一個值得信賴的合作夥伴，平均而言，在機器學習开發方面更快速、更經濟、更易於使用。

雖然Databricks已經被視爲人工智能堆棧中的關鍵參與者，但通過對模型（如Dolly，一個开源的指令跟隨LLM）的投資以及對MosaicML的重大收購，Databricks在GenAI領域鞏固了其領導地位。Databricks繼續強調他們的Lakehouse是GenAI初創企業訓練和部署自己的人工智能模型的最佳方式，以成本效益的方式利用自己的專有數據，而不受大型科技公司的束縛。

04

展望未來，我們可以期待什么呢？

盡管生成式人工智能的熱潮已經持續了8個多月，但過去一周明確表明，Snowflake和Databricks正在展开競爭，爭奪這個領域的心智和市場份額。

那么，我們可以對這種加劇的競爭有哪些期待？

1.收購將繼續進行→Snowflake和Databricks都相對有良好的生態位來繼續收購與其整體战略相輔相成的小公司。Snowflake在其資產負債表上擁有約40億美元的現金，而Databricks則擁有可用於交易的高估值。同時，數百家AI和數據工具初創企業渴望在幹旱的IPO市場找到出口。我們不認爲Neeva和MosaicML會是這些巨頭最後一次收購，市場將出現整合。

2.客戶將受益→在Snowflake和Databricks之間逐漸升級的競爭中，最明顯的贏家應該是他們的客戶。這兩家巨頭正在快速爲他們的平臺添加新穎的產品和服務，構建“一站式商店”，供客戶構建數據應用程序並利用LLMs。這種平臺增強將有助於民主化訪問人工智能，並讓數據科學家、數據工程師和人工智能從業者能夠更有意義地進行合作。

3.Azure和AWS將賺取更多的利潤→ 隨着Snowflake和Databricks繼續在AI市場上進一步擴張，它們將需要大量的計算能力，主要由Azure和AWS提供。數據工程師Anant Packidurali敏銳地觀察到這一點。與Nvidia在AI中受益一樣，爲Snowflake和Databricks的計算需求提供基礎設施的超大規模雲服務提供商無論誰在AI競爭中獲勝，都將獲得利益。

隨着企業對數據的依賴程度越來越高，以支持其生成式人工智能战略，我們相信Snowflake和Databricks都處於良好的位置，可以利用這一代的轉變。盡管它們來自價值鏈的不同部分，並且它們的關系在過去十年的發展中發生了變化，但它們現在正處於一場獎勵巨大的競賽中。

本文作者可以追加內容哦 !