Snowflake 和 Databricks 无疑是相似的公司。尽管各自的市场定位略有不同，但两者都在云环境中提供数据存储、处理和管理功能。本周两家公司都在举办客户会议，并且都在寻找帮助客户在这些平台存储的数据之上构建生成式 AI 和其他智能应用的方法。
如果此前这一点尚不明确，那么本周随着 Databricks 宣布以 13 亿美元收购 MosaicML，答案已十分清晰。对于一家初创公司来说，这是一笔巨款，即便像 Databricks 这样资金雄厚的公司也不例外。此举是在该公司几周前宣布发布开源大型语言模型 Dolly 以及收购 AI 治理工具 Okera 之后进行的。
Snowflake 上个月宣布收购 Neeva，这为其带来了一个搜索工具和一批高端 AI 工程人才。该公司去年还收购了 Streamlit，这使得公司能够利用存储在 Snowflake 中的数据构建应用程序。而在周三，它宣布了一项新的容器服务以及与 Nvidia 的合作，为客户提供了构建生成式 AI 应用并在 Nvidia GPU 上运行它们的方法。
所有这些举措都旨在实现一个目标：将存储在这些服务中的数据作为机器学习模型，尤其是大型语言模型的燃料。两家公司都希望帮助客户充分利用存储在其平台上的这些数据。
英伟达企业计算副总裁 Manuvir Das 在周三与 Snowflake 的合作伙伴关系宣布的背景下发表讲话，认为将数据用于更实际用途是 Snowflake 发展的合乎逻辑的进程。
“Snowflake 现在正迈向这一步，即他们表示，你不仅可以在此保留数据并进行一些明显的数据处理工作，而且这里是你构建驱动公司所有应用程序的地方，因为你的数据就在这里。这是一件非常强大的事情，”Das 对 TechCrunch+ 表示。
同样，Databricks 也越来越将自己定位为一个平台，用户不仅可以存储数据并执行与之相关的各种数据任务，还可以成为整个数据栈的一部分，在其之上构建应用程序。
Constellation Research 创始人兼首席分析师 Ray Wang 表示，本周收购 MosaicML 是这一更广泛战略的一部分，旨在让数据在 AI 背景下发挥作用。即使有 Dolly，这也是 Databricks 难以做到的。
“AI 的角度在于使获取、管理、训练和部署 LLM 变得容易，”Wang 说。
两家公司显然都在通过收购、合作伙伴关系和产品开发大力进军 AI 领域。但从潜在收入角度来看，这对这两家公司的未来意味着什么？其中一家已经上市，另一家迟早也会上市。
企业 AI 需求并非虚幻
Databricks 和 Snowflake 都在快速增长。来自 Databricks 的最新信息显示，在其最近的财政年度中，其收入超过 10 亿美元，增长率超过 60%。Snowflake 的表现同样令人印象深刻，在最近一个季度实现了 6.236 亿美元的营收，较去年同期增长 48%。
尽管这些数字近乎垂直上升，但随着公司规模扩大，其增长率往往会放缓。这很容易理解：想象一家年收入（ARR）为 10 亿美元的企业，每年增加 10 亿美元的 ARR。它将在第一年以 100% 的速度增长，第二年以 50% 的速度增长，第三年仅为 33%。为了维持同比增长率，公司必须扩大每年增加的营收规模，这是一个随着时间推移越来越难的任务。这就是为什么微软的增长是个位数，而 Salesforce 正拼命维持 10% 每年的增长率就像它的生命取决于此一样。
因此，对于 Databricks 和 Snowflake 来说，新的收入来源或提高现有服务收费的能力对于维持其增长率至关重要；如果它们找不到新的销售产品，可能会被投资者因看到其业务未来价值减少而重新定价。虽然 Databricks 和 Snowflake 迄今为止取得了令人印象深刻的收入增长，但如果它们有机会出售新的、大规模的产品包，值得押注。
因此，问题在于企业对生成式 AI 产品的需求是否真实。要回答这个问题，我们需要简要谈谈 MosaicML 如何融入其潜在的新母公司。尽管 Databricks 已致力于构建并发布自己的大语言模型（LLM），并拥有数据存储、管理和治理工具，但它缺乏一种简便的方法来帮助客户为自身用途预训练模型。Databricks 首席执行官 Ali Ghodsi 表示，MosaicML 填补了这一空白。
据他所述，开箱即用的大语言模型在未经数据集微调之前实用性有限。这项工作有助于设定模型参数的权重，随后这些参数会被微调以用英语及其他有用领域进行对话。但如果没有强大的预训练方法，Databricks 的 LLM 堆栈就缺少了关键一环。
Snowflake 也在其自有平台内打造垂直领域的 LLM 堆栈，其中包括 Streamlit 和 Neeva。
Snowflake 产品高级副总裁 Christian Kleinerman 表示：“Streamlit 在构建机器学习模型前端方面的人气飙升。”但前端仅仅是前端——它需要后端的支持。得益于与 Nvidia 的合作，Snowflake 能够为其客户提供 NeMo 框架的访问权限，在其自有服务中帮助他们基于这些数据构建精炼的机器学习模型。
Snowflake 已解决数据和治理问题，它拥有 NeMo 来帮助客户基于其自有信息构建自有模型，并使用 Streamlit 使最终产品易于使用。Neeva 提供了搜索数据的能力以及工程团队的大量 AI 智能。
Kleinerman 认为，问题在于虽然大语言模型“演示效果很好”，但它们也可能产生幻觉。这正是收购 Neeva 的意义所在：“Neeva 团队的非凡之处在于，他们成功找到了将传统信息检索技术与大语言模型相结合的方法”，从而应对大语言模型在回答中过于发散的问题。
如果这两家公司通过补全其数据堆栈中的缺失环节，能够向企业客户销售生成式 AI 工具并创造大量新收入，那么它们的收购和结盟举措都将具有合理性。
因此，关于 MosaicML 交易及 Snowflake 相关收购的问题，重点不在于各自的购买价格，甚至也不完全在于它们如何嵌入现有产品矩阵；我们真正需要了解的是企业对由大语言模型驱动的生成式 AI 产品的需求有多强烈。这将告诉我们这些独立押注可能带来的回报程度。
现在断言完全有信心还为时过早。但 Ghodsi 提供了一些有用的背景信息，他表示在过去半年里，“literally”（字面上）他与客户的每一次对话“最终都围绕生成式 AI 展开”，客户们询问的问题包括：能否拥有自己的模型、能否自行训练、是否负担得起，以及最终产品效果如何。
Ghodsi 也强调了这一点，表示生成式 AI 如今已成为 CEO 的首要任务，其地位的提升堪比数年前数据在高管层中的崛起。从他的视角来看，Ghodsi 并不认为企业界对生成式 AI 的推动会放缓，也不会退化为大型公司中那些仅用于财报宣传、而非真正实用的低预算测试项目。
Databricks 证明，实力强劲的独角兽企业能够通过增长摆脱市场调整期
有时最好的防守是积极的进攻
如果你是一家帮助客户存储、管理和治理数据的公司，你就处于潜在的优势地位。通过在客户数据之上提供 AI 和 ML 工具等服务，Databricks 和 Snowflake 正努力确保其数据管理产品不会被商品化。
Box 和 Dropbox 的案例或许能说明，仅仅存储和索引企业数据是不够的。这两家公司都在努力超越其存储业务的根源，并取得了一定程度的成功。Databricks 和 Snowflake 则致力于在其收入增长放缓至类似水平之前，提前完成这些工作，这意味着它们的股价拥有更高的价值空间可供运作。
因此，为了避免被商品化，鉴于 Ghodsi 从其自身客户群体中观察到的情况，更深入地推进生成式 AI 服务是合理的；企业需要这项技术，并希望利用自己的数据来训练自己的模型。Presto、Snowflake 和 Databricks 将成为客户所需的 LLM 合作伙伴，这样客户就不必去别处寻找。
我们将能够追踪这两家公司在 LLM 领域发力所产生的影响。对于 Snowflake，我们有定期的财报电话会议和财务披露信息。而对于 Databricks，我们则需要稍作等待，但最终我们会获得这些信息。目前很明显，专注于数据软件的公司预计新 AI 市场将规模庞大且利润丰厚，并且它们正在为此投入时间和资金。
Snowflake 放弃了双重股权结构。你也应该这样做吗？