Snowflake CEO最新访谈:当AI重新定义软件这门＂手工技艺＂
这场访谈对话对象是Snowflake的CEO斯里达尔·拉马斯瓦米。
拉马斯瓦米的履历本身就值得停留：谷歌广告业务核心建设者（15年时间把营收从15亿做到千亿级别），离职创业失败后被收购，两年后空降成为Snowflake的CEO，上任当天就把市场预期下调五个百分点、股价应声大跌，这是一个典型的”逆风接盘”故事。
访谈最有价值的部分，是他对AI如何重构软件行业底层经济逻辑的判断：他直言把Anthropic这类大模型公司视为最大竞争对手，原因不是云计算或者数据库层面的竞争，而是代码智能体正在把软件开发从一门依赖顶尖工程师的”手工技艺”，变成可以工业化量产的标准品。这个判断直接体现在Snowflake内部，通过”需求文档驱动开发”模式，部分工程师的效率被AI放大到普通程序员的50到100倍。
在AI热潮席卷一切的当下，这场访谈也提供了一个理解云计算这门生意的好切口。大家熟悉的是英伟达的GPU、OpenAI和Anthropic的大模型，但AI真正落地到企业经营里，离不开数据的存储、清洗、调取和分析这一整套基础设施，这正是Snowflake所在的位置。
理解云计算在这个产业链里的角色，能帮你看清AI热潮里哪些环节是真正的算力消耗大户，哪些环节是数据流转的隐形枢纽，也能更清楚地理解”算力”和”数据”在AI时代到底是怎样的协作关系，而不只是盯着芯片股看热闹。
主持人：各位大家好，我是尼古拉·唐根，挪威主权财富基金（简称：NBIM）的首席执行官。今天我们邀请到了斯里达尔·拉马斯瓦米，Snowflake的首席执行官来到现场。
Snowflake本质上是全球众多大型企业都在使用的数据平台。银行审批贷款、医院整合患者数据这类场景，背后的数据运算引擎往往都是Snowflake。
施里达曾在谷歌任职15年，一手将广告业务营收从15亿美元做到超千亿美元。之后他离开谷歌创办了自己的公司，两年后出任Snowflake首席执行官。
我们挪威主权基金NBIM既是Snowflake的投资方，也是重度使用者。我们在平台存储了2PB的数据，折合200万GB，每天向数据库发起约300万次查询。非常欢迎你，斯里达尔。
拉马斯瓦米：谢谢你，尼古拉。很高兴来到这里，非常期待本次交流。
主持人：首先，能否用简短的话，向完全不了解Snowflake的人介绍一下这家公司？
拉马斯瓦米：好的，我们是一家数据平台服务商。我们和亚马逊云AWS一样属于云计算平台，但我们的核心重心完全聚焦在数据领域。
我们可以完成全链路的数据工作：从各类异构系统接入数据、分析数据、挖掘数据洞察，再把分析结果同步到业务系统落地执行。因此，我们是面向数据分析的专用云平台。
拉马斯瓦米：范围非常广。全球2000强企业中，除中国企业以外，有半数都是我们的客户。金融、医疗、广告行业都有成百上千家合作客户，覆盖赛道数不胜数。我们业务落地25个以上国家，合作客户分布的国家数量则远多于这个数字。
主持人：公司2012年创立时，提出存储与计算分离的架构，在当时是极具颠覆性的思路，能和我们讲讲这套设计吗？
拉马斯瓦米：理解这个核心概念最简单的方式，就是回顾我们长久以来采购、使用计算机的模式。我常和别人说，过去五十年，个人或是企业有算力需求时，都会采购实体服务器。一台机器的存储、算力、内存全部是固定配置。采购完成后，这台设备通常要用上五年，配置无法灵活调整。
如果你后续需要更大内存，没有别的办法，只能干等扩容。反之，如果采购的CPU算力过剩，也无法拆分退还，资源只能闲置。这就是传统架构的核心痛点。顺带一提，你的手机也是一台固定配置的设备，只是体积更小。除此之外，跨设备迁移数据难度极高，往往要启动一整套数据集成项目才能完成。
Snowflake依托公有云重构了整套体系，云端相当于无限扩容的超大数据库，海量算力可以供给不同客户共享使用。我们将计算资源和存储资源彻底拆分成两套独立模块。
也就是说，用户可以按需取用对应体量的存储与算力。举个例子，假如NBIM内部研究员想出一套全新投资模型，需要遍历全部历史数据做深度分析。你可以在周末临时调用一千台算力节点完成运算，分析结束后直接释放资源，之后再落地对应的投资策略。这就是Snowflake架构模式的独到优势。
主持人：绝大多数软件企业按账号席位收费，而你们按照客户实际资源消耗量计费。为什么选择这套模式？它的优势体现在哪里？
拉马斯瓦米：因为这套计费模式和价值创造完全匹配。我们拥有一万三千多家客户，能够精准预判整体资源需求，这是我们的一大优势。
我们可以自行平摊客户阶段性暴增的资源需求，给客户提供更稳定的使用方案。客户无需长期锁定固定额度的存储与CPU算力。简单说就是按需调用，用多少算多少。绝大多数数据分析任务都具备突发特性，即便是交易类数据运算，日间、夜间的资源需求差异也极大。
比如银行夜间交易流量大幅下滑，这类需求波动规律十分普遍。按量计费模式能摊平峰值资源成本，最终给到客户极具竞争力的定价。同时这套模式让企业收益与客户获取的价值深度绑定。
只有客户团队实际调用平台资源时，我们才确认营收。放到AI时代，这套模式的优势会更加凸显，客户只为自身实际消耗的资源付费。
为什么把Anthropic视为最大对手，而不是亚马逊和微软
主持人：确实。为什么如今你会把Anthropic这类大模型厂商视作竞争对手？
拉马斯瓦米：因为它们正在彻底改写软件行业的底层逻辑。深耕软件行业的从业者都能清晰感知到，软件行业的成本经济逻辑正在发生巨变。这点要和当下大家热议的大模型短期成本问题区分开看待。
过去五十年，软件开发更偏向一门手工技艺。需要顶尖工程师投入海量精力开发，开发难度高、系统集成难度也大。顶尖程序员就如同专业音乐会钢琴演奏家。这类人才无法批量复制，必须沉淀上万小时实操经验，拥有独特天赋，才能做到行业顶尖。软件工程师过去也是同样的成长路径。
但大模型的出现，让软件开发迎来前所未有的工业化量产时代。这也是我将大模型厂商、以及它们推出的代码智能体视作我们核心竞争对手的根本原因。正因如此，我们也自研了代码智能体产品。
代码智能体正在成为所有人访问算力、调取信息的第一入口。最先普及于程序员群体，后续会渗透到所有岗位人群。
主持人：说得没错。那亚马逊、微软这类同样推出同类数据平台产品的巨头，你如何看待？
拉马斯瓦米：客观来讲，我十分尊重这两家企业，但单论专业数据分析平台赛道，我们长期稳居行业头部。当然，这类体量庞大的巨头不容小觑，它们可以调动海量资源投入产品研发。
但在我看来，代码智能体才是所有传统软件厂商面临的最大挑战。如何让Snowflake在智能体时代持续生存、高速发展，是我当下首要攻克的难题。
存储与计算分离：一套颠覆了五十年硬件采购逻辑的架构
主持人：我们继续聊AI，这场技术变革从哪些维度给你们带来了增益？
拉马斯瓦米：看待AI对Snowflake这类软件企业的价值，我习惯简化梳理为两大板块。我们的核心业务分为两块：一是研发、运维优质软件，这是工程团队的工作；二是销售产品，协助NBIM这类客户落地部署我们的平台。因此我们大量资源投入，用于提升这两大业务板块的运转效率。
销售端：我们的销售配备专属AI工具，手机端内置销售智能体，一键调取全部客户信息。解决方案工程师仅需30分钟，就能基于模拟银行数据，为你定制专属产品演示。借助AI工具，团队服务客户、交付成果的效率实现质的飞跃。
研发端：AI彻底重构了代码开发模式。我刚开完一场会议，我们正在推动全员落地“需求文档驱动开发”模式。简单解释：开发者用自然语言撰写产品需求，剩余全部流程——初稿编码、测试、上线部署，都由AI自动化完成。
如今的软件开发工作，和两年前已经截然不同。如何让全体工程师熟练运用这套AI开发模式、吃透工具能力，是我们当前最大的内部挑战。但我们已经涌现出一批顶尖工程师，借助AI，他们的工作效率是普通程序员的50至100倍。
主持人：依托AI技术，大型企业的数据架构正在发生哪些变革？
拉马斯瓦米：主要分为两大变化。第一，AI大幅降低数据的使用门槛。我们的Snowflake Intelligence产品就是为此而生。它本质是对接企业数据的智能交互界面，你可以直接自然语言提问：我核心几笔投资表现如何？
这笔投资收益小幅下滑，帮我拆解背后原因。是行业板块波动导致，还是其他因素影响？过去需要分析师耗费大量时间运算拆解的问题，现在用户随手提问就能得到答案。依托这种可快速编程调取数据的能力，企业未来的工作模式也会发生颠覆性改变。
第二大收益来源是平台原生内置的代码智能体。我很少能向客户承诺，把他们日常高频工作的效率提升十倍、二十倍，但代码智能体做到了。
这也是我们对内落地、对外交付给客户的核心价值。企业内的数据开发人员、数据使用人员，都能从AI中获得巨大增益。
主持人：我们NBIM在用一款叫MCP的工具打通双方平台，能否简短向听众解释MCP是什么？
拉马斯瓦米：好的，MCP全称是模型控制协议。它是一套交互标准，让大语言模型、代码智能体能够对接各类数据源。我们推荐客户优先使用Snowflake Intelligence这类原生开放数据接口的产品。
同时我们高度重视互通性，支持对接客户现有各类工具系统。在Snowflake中创建的所有智能体，都可以通过你们前端系统远程调用，这就是MCP协议的作用。它本质是一层跨系统互通标准层。
代码智能体、Skills与每周作战室：Snowflake内部的AI实验
拉马斯瓦米：这个问题很宏大，而且大众对“智能体”这个概念普遍存在误解。可以这样理解：智能体由大模型+配套代码构成，能够调用底层各类工具，并且自主判断何时、如何调用。
举个例子，如果你让它写一段小程序，它会自动新建文件、写入代码，再调用本地环境运行这段代码。查询投资组合表现也能使用同一套智能体逻辑。智能体会自动调取投资组合数据工具、完成分析，再反馈结果给用户。
由此可见，智能体正在重塑全层级的工作流程。大家听得最多的是代码智能体，但智能体这套通用架构拥有极强的拓展能力。
代码智能体本质是一层功能抽象智能体。哪怕完全不会写代码的人，也能借助智能体调取文档、读取Snowflake内结构化数据，完成各类基础工作。
举个例子，开通Snowflake Intelligence全部数据权限后，你对数据提出的任何问题，智能体都会生成完整执行方案并落地运算。这也是Snowwork这类云端协同工具广受期待的原因，它们彻底改变了人们对工作方式的认知。
所有业务流程均可编程自动化，所有系统全部互联互通。如果你做完数据分析后需要发送邮件，无需复制粘贴内容，直接告知智能体：把这份报告发给斯特凡，邮件就会自动发送。
主持人：确实。我想和你聊一个痛点：我们花了数年时间做数据清洗，这项工作枯燥又繁重。企业存量数据普遍杂乱，存在重复、缺失问题，还有数十年老旧遗留系统拼接形成的碎片数据。这类脏数据会对AI落地、平台使用形成多大阻碍？
拉马斯瓦米：过去，脏数据是挖掘数据价值的最大阻碍。但如今这个问题正在逐步简化，代码智能体恰好能解决数据治理难题，这是它的一大优势。
过去，在复杂数据集里新增一列数据、调整数据管道，程序员要耗费整整一周梳理全部细节。我们现在推出了Skills功能，相当于自然语言编写的自动化程序，全程自动完成数据管道改造。
程序员启动任务后，一小时回来核验，全部流程就已经自动完成。我们正在研发智能体驱动的数据迁移工具，老旧系统的数据迁移到Snowflake仅需数天至几周。
而过去这项工作往往要耗时数个季度甚至数年。在企业数据现代化转型全流程中，AI能发挥巨大作用，我们也在该领域持续重金投入。
主持人：真希望五年前我们就拥有这套工具。聊聊通用数据保护条例GDPR，这类个人数据保护法规是否限制了平台与AI的落地使用？
拉马斯瓦米：Snowflake的一大优势就是内置完善的数据合规管控功能。但对企业而言，满足合规要求确实会增加运营负担。
我是美国人，很多人都会批评GDPR，这项法规确实带来了一些意料之外的副作用。但不可否认，GDPR诸多条款具备极强的前瞻性。
主持人：GDPR整体对欧洲而言利大于弊还是弊大于利？
拉马斯瓦米：利弊并存。它催生了不少负面附带效应，这也说明监管条例的制定必须精准细分，立法者需要全方位考量后果。
拉马斯瓦米：我先说说GDPR的积极意义。得益于GDPR，消费者有权要求企业删除自身全部个人信息，这是巨大进步。这一点价值极大，倒逼所有企业完善数据管理体系。
当年我在谷歌广告业务团队时，法规要求我们能够完整检索、删除单一用户的全部数据。我认为这是无可替代的正面价值。但另一方面，随处弹出的海量隐私授权弹窗，用户最后只能麻木点同意，这是负面副作用。
GDPR大幅抬高了欧洲本土企业的经营合规成本。最终从中受益的是大型科技巨头，它们有充足资金搭建合规体系、满足全部监管要求。而欧洲初创企业刚成立，就要耗费大量资源适配繁杂法规，生存压力陡增。
主持人：换个无关话题，未来人类会在太空建设数据中心吗？（全场轻笑）
拉马斯瓦米：坦白说，我没有足够专业知识回答这个问题。单从成本运算来看，这套方案的投入高到难以落地。
主持人：量子计算会为Snowflake解锁哪些全新能力？
拉马斯瓦米：这个问题非常有价值。首先，和大模型一样，量子计算会带来严峻的数据安全风险，保障客户数据安全是我们的首要准则。但量子计算能为数据优化、检索运算提供全新的底层算法思路。
我们有能力适配、运用量子计算相关技术。即便进入量子计算时代，我们的核心数据基础设施依旧具备不可替代的价值。
主持人：我们聊聊你的早年经历。你现在年纪尚轻，但离开谷歌后，你创办了NEA搜索引擎公司，这次创业失败带给了你哪些感悟？
拉马斯瓦米：我内心深处一直怀揣理想主义，憧憬一个更美好的互联网世界。创办NEA正是源于这份初心，我坚信打造一款更优质的搜索引擎会是极具价值的事业。
这次失败给我的核心教训：面向C端的消费产品，只有体验实现碾压级提升，才能获取用户。我明知搜索引擎还有优化空间，但没有落地方案，让我们的信息检索体验做到现有产品的十倍、百倍优秀。
这正是创业失败的根源：我们的产品仅小幅优化体验，优势只体现在隐私保护层面。这次经历让我认清一个现实：大众嘴上看重隐私保护，但实际使用产品时并不会为此妥协，就像人人都知道运动有益，却很难长期坚持。
这段经历教训深刻，但我当时拥有一支非常优秀的团队。我们当年研发的核心技术，如今成为Snowflake人工智能板块的底层支撑。因此这次失败最终转化成了宝贵的资产。
主持人：在美国，失败的创业经历会被视作宝贵学习经验，但欧洲市场对失败的包容度会更低。确实如此。之后你加入Snowflake并出任首席执行官，当时资本市场股价反应并不乐观。能否讲讲你刚上任那段艰难时期？
拉马斯瓦米：我接手CEO时，Snowflake正处在关键转折点，公司营收增速明显放缓。上任当天，我们发布下一年业绩指引，增速较市场一致预期下调整整五个百分点。这是股价大幅下跌的核心诱因。
雪上加霜的是，我此前从未担任过首席执行官，接替行业传奇创始人弗兰克·斯鲁特曼，市场自然充满质疑。但我始终认为，直面逆境才是成就卓越的必经之路。我们沉下心埋头做事，我发自内心看好这家企业。
好在我入职公司已有半年，熟悉内部业务。我们重新聚焦核心：打磨极致产品，这才是扭转局面的根本。外界总会热议资本、增速等各类话题，但软件行业的本质只有一件事：你能否打造用户真正喜爱的产品。一心一意创造价值，推动公司走出低谷，Cortex Code这类AI代码产品也由此诞生。
你可以去查阅行业评价，这款产品收获了大量开发者的认可与好评。这是所有程序员期盼的工具，也为公司创造了长期商业价值。
拉马斯瓦米：AI时代来临前，软件开发需要两种能力结合：既能从顶层宏观设计解决方案，又能极致抠住每一处细节。两种能力缺一不可。编程是容错率极低的工作。代码里漏写一个逗号，编译器不会主动修正，程序直接报错。
所有微小疏漏都需要开发者手动排查修复。但AI彻底改变了这套工作模式。如今依托AI的工程师，更多聚焦顶层概念设计。他们本质是统筹管理一批代码智能体。他们负责判断哪些问题值得解决、解决方案是否契合企业与产品定位，输出专业判断。
优秀的新型工程师能快速吃透前沿AI工具，高效落地业务需求。软件开发行业的工作模式每周都在迭代，一年之后会和现在截然不同。
我举一个亲身实例。我的小儿子今年24岁，三四年前从顶尖院校软件工程专业毕业。他曾经十分引以为傲，深耕底层系统开发，能设计延迟仅3至5毫秒的流式数据系统，精通全部底层细节。这是他当年的核心专长。
如今他在一家人工智能实验室任职。他最近和我说：爸爸，我在校和毕业后学的全部底层技术，对现在的工作几乎毫无用处。我需要从头学习一整套全新的工作逻辑。这就能直观体现行业变革的速度有多快。
主持人：太了不起了。Snowflake内部有个叫“每周作战室”的机制，这是什么？
拉马斯瓦米：这个机制我们很早就落地推行了。Snowflake内部职能拆分非常细化。我的意思是，从产品研发到客户落地使用，中间每一环都分化成独立的专业岗位。
我们有软件工程师、产品经理、设计师、产品营销经理、技术项目负责人等等。职能链条越拉越长。如果产品已经成熟稳定，只需要规模化优化交付，这套分工体系运转没问题。
但如果行业、产品需求发生剧烈变动，这套体系就会失灵。研发全新产品时，我们需要研发团队和使用方之间形成更紧密的反馈闭环。我们需要每周、每日和客户团队同步沟通，通过协同群实时对接，快速解决问题。
坦白说，作战室就是干这件事的：把所有负责新业务板块的负责人集中到一起沟通。我也会亲自参会，大家同步本周项目进展。每周作战室能大幅缩短冗长的沟通链路。
管理架构分横向扁平化、纵向层级制，两种模式各有优劣。作战室相当于虚拟纵向统筹，只为高效拿到业务结果。直到现在我们仍在坚持这套机制，我们设立多个作战室：周一统一规划AI相关项目，周五就要看到阶段性成果。这就是我们当下迭代变革的超快节奏。
拉马斯瓦米：我日常工作一大半时间都在处理邮件（笑）。
拉马斯瓦米：但邮件本质是信息流转的载体。我看待管理、看待生活的态度是：我愿意踏实苦干。我既能深耕细节，也能梳理顶层核心准则，协助团队做出关键决策。
因此我会吸收海量信息。所有信息积累，都是为了建立全局认知与行业直觉，支撑你每年做出两三个足以深刻影响公司走向的重大决策。
在我看来，首席执行官的核心职责就是吃透业务全貌，推动关键成果落地。顺带一提，我不认为CEO的工作是独自构思新创意、独自拍板。
真正核心是搭建开放环境，让优质创意自然涌现，而我只充当协调推动者。当团队拿出可行方案，我代表团队敲定前进方向。比如我们敲定推出Cortex Code代码智能体，这项产品能保障公司长期发展，我的工作就是全力支撑团队落地。
拉马斯瓦米：我分两层来讲，先说基础底线准则。待人礼貌、彼此尊重、机会均等，这些是底层底线。任何企业都该守住这些底线，我执掌的公司更是如此。任何违背这些准则的行为我都无法容忍。
公司内无论职级高低，当众争吵、大吼大叫的行为绝不被允许。筑牢这套基础文化至关重要。除此之外，我最看重开放文化：所有观点只凭价值优劣评判。员工不必顾虑反驳我、反驳其他同事。
大家可以公开辩论、坦诚交流。辩论结束后迅速敲定统一方向，全员协同落地执行。坦诚开放的沟通、团队协作，是重中之重。放眼各行各业，太多人不敢说出自己真实的观察与想法。
主持人：你在印度泰米尔纳德邦长大，这段成长经历塑造了你哪些特质？
拉马斯瓦米：我在泰米尔纳德邦长大，上大学前还在邻近的班加罗尔生活过。我出身普通工薪中下阶层社区。小时候一家四口挤在一套房子里，只有一间客厅、一间卧室。但我的家人始终坚信教育是改变命运的出路，全家人都保有旺盛的求知欲。
我的父母都没读过大学，只完成了高中学业。但他们极度重视教育，愿意倾尽所有供我和妹妹读书，争取更好的人生。
从小根植在我心里的价值观：学识与智慧十分珍贵，踏实奋斗就能创造更好的生活。这些品质我至今始终坚守。
另外，我的父母思想十分开明、懂得变通。当年我想报考离家300英里外的大学，父母起初十分犹豫。但最终他们尊重我的选择，包括我后来选择的人生伴侣，他们也全然接纳。这种包容变通的特质同样十分重要。
如果把成长收获提炼成三点：重视教育、坚持实干、顺应变化保持变通。这三条我铭记于心，也时常讲给我的孩子们听。
第一，踏实努力至关重要。深耕自己的领域、练就专业能力同样关键。
第三，拥有面对失败的韧性，这点尤为重要。要勇于尝试新事物，同时坦然接受大部分尝试都会失败，失败并不可怕。一次成功、一次失败都定义不了你的全部。保持清醒稳定的自我认知，十分关键。
主持人：今天的交流到此收尾，内容非常精彩。非常感谢你抽空参与访谈，也祝你事业顺利。
夜雨聆风
