「Databricks 不再視 Snowflake 為競爭對手」
Databricks 最近完成了一輪高達 100 億美元的融資，這是其歷來最大的融資之一。這家領先的數據和人工智能公司預計明年將會上市，這可能讓 AI 雲數據公司 Snowflake 感到不安。然而，Databricks 的 CEO Ali Ghodsi 認為公司已經遠遠領先於 Snowflake，並且不再將其視為競爭對手。在最近的訪談中，他表示：“我們曾經有一個名為 Snow Melt 的計劃來針對 Snowflake，但那已經是過去的事了。”
在另一個訪談中，Ghodsi 承認 Snowflake 現在已經不再讓他失眠：“曾經會，但現在不會了。”
今年早些時候，Databricks 收購了數據管理初創公司 Tabular，該公司開發了 Iceberg 存儲格式。隨後，他們將 Unity Catalog 開源，這是業界唯一的統一和開放數據治理解決方案，直接挑戰了 Snowflake 早前開源的 Polaris Catalog，這是一個針對 Iceberg 表的開源數據目錄。
有趣的是，Snowflake 也對 Tabular 表示了興趣。Ghodsi 表示：“多個供應商對此非常感興趣。我是說，你可以猜到誰是真正感興趣的。”這微妙地暗示了他們最大競爭對手的參與。
從數據上看，Databricks 預計到 2025 年 1 月 31 日結束的第四季度，年收入將超過 30 億美元的增長率。該公司在 2024 年第三季度報告了超過 60% 的收入增長。相比之下，Snowflake 預計 2025 年的產品收入為 34.3 億美元。
儘管 Snowflake 的收入更高，但對於這場競爭它相對低調，卻強調了成功吸引 Databricks 客戶的成就，並推出了數據工程和機器學習的競爭產品。
Snowflake 的 CFO Michael Scarpelli 在一次舊訪談中提到：“我不知道他為什麼如此迷戀 Snowflake，因為我對 Databricks 並不著迷。”
對 AI 的大力投入
這場始於數據倉儲的競爭現在擴展到了 AI。兩家公司都致力於將生成式 AI 服務納入其產品中。
例如，Snowflake 最近與 AI 安全和研究公司 Anthropic 簽訂了一項多年合作協議，以使用其 Claude 模型。這一合作將使 Anthropic 的 Claude 模型通過 Snowflake Cortex AI 向客戶提供，幫助全球企業從其數據中獲得更多價值。
越來越多的企業轉向 Snowflake 的雲數據，利用 AI 來組織數據。與 Salesforce 和 Microsoft 一樣，Snowflake 正在其 Snowflake Intelligence 平台上開發 AI 代理。
Snowflake 首席執行官 Sridhar Ramaswamy 認為，這將簡化企業從數據中獲得價值的方式。他說：“想象一下，問一個數據代理‘給我這個 Google 文檔的摘要’或‘告訴我上個季度在北美有多少交易’，然後立即使用同一代理跟進下一步。這正是 Snowflake Intelligence 將實現的——在一個地方無縫地訪問和處理你的數據。”
Ramaswamy 今年早些時候被任命為 Snowflake 的 CEO，旨在將公司轉向 AI 和機器學習。2019 年，他共同創立了 Neeva，一個無廣告且以隱私為重點的搜索引擎，並於 2023 年被 Snowflake 收購。如今，Neeva 的服務已整合進 Snowflake，為其搜索功能帶來生成式 AI，以改善數據發現和分析。
最近，Snowflake 收購了 Datavolo 以改善數據管道，並收購了 TruEra 以增強其 AI 雲數據中的 LLM 和 ML 可觀察性。
此外，Snowflake 還開發了一個名為 Artic 的內部 LLM，並與 Reka、Mistral、Meta、AI21 和 Anthropic 建立了合作關係。該公司最近發布了 Arctic Embed L 2.0 和 Arctic Embed M 2.0，這是更新的嵌入模型，支持多語言搜索。
類似地，Databricks 也在追求收購更多初創公司的策略，以增強和擴展其產品和服務。今年，該公司已經進行了四宗收購，包括在 6 月收購 Tabular 的 10 億美元交易。Databricks 去年 7 月收購了 MosaicML，並利用其技術推出了 Databricks 的數據智能平台。
該平台包括支持整個機器學習生命周期的 AI 解決方案。其核心產品 Mosaic AI 簡化了 AI 和 ML 模型的構建、部署和管理。該平台支持使用提示工程、RAG、微調和預訓練等技術的生成式 AI 和大型語言模型（LLMs）。
Ghodsi 認為，企業必須在開發 AI 策略之前先建立數據策略。“首先，你必須正確制定數據策略。許多公司現在想跳過這一步，直接進入 AI，”他說，並補充說如果數據組織得不好，AI 就不會成功。
他進一步闡述了 Databricks 在 AI 中的角色：“我們希望成為 AI 應用的基礎設施，幫助它們進行數據飛輪，讓它們的模型變得更聰明。”
2024 年 3 月，Databricks 推出了 DBRX，一種基於變壓器的模型，擁有 1320 億個參數和每個令牌在推理期間的 360 億個活躍參數。其專家混合（MoE）架構超越了開源模型，並與 GPT-3.5 和 Gemini 1.5 Pro 等封閉源模型相抗衡。
舊有的競爭
儘管 Databricks 和 Snowflake 在設計、架構和分析支持上有相似之處，但它們的用途卻有所不同。Snowflake 作為傳統數據倉庫的現代替代品，具備 ELT（提取、加載和轉換）能力，而 Databricks 提供一個基於 Spark 的數據處理引擎，補充數據倉庫。
Databricks 作為平台即服務（PaaS）運行，而 Snowflake 則作為軟件即服務（SaaS）運行。在數據結構方面，Databricks 支持所有數據類型，包括原始和非結構化數據，而 Snowflake 主要專注於半結構化和結構化數據。
最近，Ramaswamy 分享了他對 Snowflake 和他所稱的“基於 Spark 的 SaaS”解決方案的總擁有成本（TCO）比較，這是對 Databricks 的一個諷刺。
他表示：“Snowflake 在價格性能方面持續超越基於 Spark 的 SaaS，改善了 30%……幫助團隊專注於創新，而非複雜性。” Ramaswamy 的言論引發了激烈的辯論，特別是 Databricks 的支持者認為，Spark 中的附加管理控制對於定制化至關重要。
為了反擊，Databricks 最近加強了其 SQL 和商業智能能力，進入了 Snowflake 的傳統領域。同時，Snowflake 也推出了產品來與 Databricks 在數據工程和機器學習方面競爭，包括名為“SparkAttack”的舉措，以捕捉來自 Databricks 的機器學習工作流程。
Snowflake 和 Databricks 之間的競爭成為雲數據平台創新的推動力。兩家公司不斷挑戰彼此以改進，特別是在 AI 和成本效率方面。隨著我們步入 2025 年，他們的競爭將塑造全球企業數據技術的未來。
在這場競爭中，Databricks 和 Snowflake 不僅在技術上不斷提升自我，也在市場上持續尋找機會以擴大其影響力。未來，這種競爭將對整個數據科技生態系統產生深遠影響，企業必須靈活應對，才能在變化中保持競爭力。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
