Snowflake砸60亿买算力,AI基建军备竞赛升级

Florx热点追踪 | Snowflake砸60亿美元买AWS算力，AI基础设施的军备竞赛进入新量级

📌 深度追踪：当Snowflake宣布与AWS签署60亿美元的AI芯片协议时，这不仅仅是一笔商业交易——它标志着AI基础设施的军备竞赛已经从「小打小闹」升级到了「国家级投入」的量级。60亿美元，够建一艘核动力航母了。

开篇：60亿美元，买的是什么？

2026年5月27日，数据云公司Snowflake宣布与AWS签署一项价值60亿美元的长期协议，将使用AWS的AI专用芯片和算力基础设施来支持其AI服务。

60亿美元是什么概念？

• 相当于一个小国一年的国防预算

• 比Snowflake 2025财年全年收入的6倍还多

• 约等于3台英伟达H100集群（按当前售价估算）的总成本——当然Snowflake买的不只是硬件，还有AWS的运维服务、网络带宽和全球基础设施

这笔交易的核心逻辑很简单：AI时代的数据分析需要算力，而且是需要「专用的AI算力」。 传统CPU已经不够用了，你需要GPU、TPU、或是AWS自研的Trainium/Inferentia芯片来训练和运行AI模型。

Snowflake一直是多云策略的支持者——此前它同时在AWS、Azure和GCP上提供服务。为什么这次把60亿美元的AI算力预算主要投给了AWS？

原因一：AWS的AI芯片生态最成熟。 虽然英伟达的GPU依然是AI训练的黄金标准，但AWS自研的Trainium和Inferentia芯片在推理场景下的性价比已经非常有竞争力。对于Snowflake这种需要大规模推理服务的数据分析公司来说，AWS的方案可能是综合最优选择。

原因二：深度绑定的商业利益。 Snowflake和AWS的联合销售模式已经运行多年。通过这笔大单，AWS不仅锁定了长期收入，还能以Snowflake为标杆客户来吸引更多AI算力买家。

原因三：竞争压力。 Snowflake最大的竞争对手Databricks在AI领域投入巨大，并已获得数轮融资。Snowflake需要快速补齐AI算力短板，才能在「数据+AI」的新赛道上保持竞争力。

Snowflake的60亿大单揭示了一个正在快速分层的市场结构：

层级	角色	代表公司	商业模式
芯片层	制造AI芯片	英伟达、AMD、Google、Amazon	卖硬件/授权
算力层	提供云算力	AWS、Azure、GCP	租赁（按量/预留）
应用层	用AI算力做产品	Snowflake、Databricks、OpenAI	SaaS/API

这三个层级之间的关系正在变得越来越紧密。芯片厂商自建云服务（如英伟达的DGX Cloud），云厂商自研芯片（如AWS Trainium），应用层公司开始向上延伸——OpenAI在研究自研芯片，Snowflake在投资基础设施。

说白了，每一层都想吃掉相邻层的利润。 这场「垂直整合」的竞争，最终赢家可能是拥有最大规模和最深护城河的玩家。

可以看出，AI基础设施的单笔交易规模正在快速攀升。从2024年的10-20亿美元级别，到2025年的20-30亿美元，再到2026年的60-100亿美元——几乎每年翻倍。

这种增长速度意味着什么？AI基础设施市场的规模可能远超预期。 如果OpenAI、Anthropic、xAI、Snowflake、Databricks这些公司每家每年都需要几十亿美元的算力投入，仅「AI算力租赁」这一个子市场的年规模就可能超过500亿美元。

表面上看，英伟达是AI芯片军备竞赛的最大受益者。但实际上，这场竞争正在威胁英伟达的长期地位。

云厂商自研芯片的威胁。 AWS的Trainium、Google的TPU、Microsoft的Maia——这些自研芯片正在蚕食英伟达在推理市场的份额。虽然训练市场短期内仍是英伟达的天下，但推理市场的规模可能更大。

客户向上整合的威胁。 当Snowflake这种客户开始直接投资基础设施，而不是纯买云服务时，中间层的利润空间就会被压缩。英伟达需要确保自己不会被「绕过」。

地缘政治的威胁。 英伟达CEO黄仁勋近日表示台湾应为「AI革命的中心」，计划在台湾投资1500亿美元。但美国政府的出口管制政策正在限制英伟达向中国等市场销售高端芯片——这直接影响了英伟达的潜在收入。

💬 互动问题：你觉得AI算力会像水电一样成为基础设施，还是像石油一样成为战略资源？

来源：TechCrunch / Ars Technica

编辑：Florx科技观察