夜雨聆风Snowflake 年营收增长 33%、市盈率 112 倍。 Datadog 年营收增长 25%、市盈率 98 倍。两家公司做的是同一件事——帮企业管数据。
2026 年 7 月 1 日，花旗集团 AI 投资研究主管希思·特里（ Heath Terry ）发布研判： AI 行业焦点正在从"模型训练"转向"数据基础设施"，下一批头部企业将诞生在"数据清洗规整层"。
国内主流媒体都在关注大模型排名、芯片流片、融资新闻。
然后呢？ 但真正关键的结构性变化，没人写。
都在炒算力和模型，"数据层"才是今年最大的预期差
先看发生了什么。
过去 18 个月， AI 行业的叙事一直聚焦在三件事上：更大的模型（ GPT-5.6 、 Claude 4 、 DeepSeek V4 ）、更强的芯片（ H100→B200 、英伟达年入 2160 亿）、更多的融资（ OpenAI 400 亿、 Anthropic 还在融）。
这套叙事撑起了英伟达 3 万亿市值、 OpenAI 3000 亿估值。但在花旗看来，这套逻辑正在触顶。
凭什么？ 不是因为 AI 泡沫要破，而是因为基础设施的瓶颈从"算力不够"变成了"数据不通"。
企业花了上百亿美元买 GPU ，建了数据中心，部署了大模型——然后发现模型跑起来了，但数据喂不进去。不是数据量不够，是数据太乱。企业内部的数据分布在几十个系统里，格式不统一、质量参差不齐、权限混乱。大模型在干净的测试集上表现惊艳，一接入真实业务数据就频繁出错。
Terry 的原话："AI 正从'GPU 阶段'进入'智能体阶段'。智能体的核心瓶颈不是计算，而是对真实世界数据的接入和理解能力。"
这个判断只有六七成把握，但趋势方向不会错。
Snowflake 和 Datadog 的估值在告诉你什么
Snowflake 是做云数据仓库的——帮企业把所有数据集中到一个平台上。 Datadog 是做云监控的——帮企业实时追踪系统运行数据。
两家公司的共同点：不在 AI 风口中心，但受益于 AI 带来的数据需求爆发。
Snowflake 2026 财年营收预计超 50 亿美元，同比增长 33%。市盈率 112 倍——不是传统软件的估值倍数，是市场在给"AI 时代的数据底座"定价。企业要做 AI ，得把数据搬到 Snowflake 上。不是可有可无，是先决条件。
这感觉就像——你辛辛苦苦考了满分，老师说这次大家都考得不错。
Datadog 年营收约 30 亿美元，增长 25%，市盈率 98 倍。 AI 应用越多，微服务越复杂，需要监控的数据量越大。 Datadog 的客户正在把 AI 应用的性能监控纳入标准配置。
这跟 2015-2017 年云计算基础设施公司的故事很像。当时 AWS 、 Azure 的营收持续高增长，但真正超额收益在"卖铲子"的公司——Snowflake （当时还没上市）、 Datadog 、 Cloudflare 。它们不直接做云，但吃到了云化带来的数据迁移红利。
AI 的下半场正在重演这个剧本。
AI 基础设施的"三层结构"正在重新划分
结果呢？ 花旗的框架把 AI 基础设施分为三层：
底层——计算层（ Compute Layer ）。 GPU 、 TPU 、推理芯片。英伟达、 AMD 、 Etched 。这个层面的故事已经讲得很充分了。英伟达年入 2160 亿美元，市场预期打得很满。
中间层——数据清洗规整层（ Data Layer ）。 数据工程、数据治理、特征存储、模型路由。 Snowflake 、 Datadog 、 Databricks 、 MongoDB 。这个层面正在高速增长，但公众认知还停留在"数据库公司"的标签上。
应用层——AI 应用层（ Application Layer ）。 AI Agent 、 Copilot 、垂直 AI 应用。这个层面最热闹，但商业化路径最不清晰。 ChatGPT 的月活还在增长，但 OpenAI 的利润率远不如英伟达。
讲真，花旗的核心判断：未来 12-18 个月，中间层的投资回报率将超过底层和应用层。
逻辑是：底层（算力）的边际回报在递减——H100 到 B200 的代际提升从"10 倍"缩到"2-3 倍"；这都什么事儿。应用层的商业模式还没跑通——大部分 AI 应用仍在烧钱换增长；只有中间层——数据基建——同时享有确定性的需求增长和健康的利润率。
被忽视的赛道：模型路由
花旗报告里最值得单独拎出来的，是"模型路由"这个子赛道。
模型路由做什么？当企业调用 AI 时，不同的任务需要不同的模型。真够呛。写营销文案用 Claude ，写代码用 GPT-5.6 ，图片识别用专用模型，数据分析用 DeepSeek 。模型路由就是一个智能调度器——判断任务类型，路由到最合适的模型，在保证质量的同时控制成本。
坦白讲，这个赛道的玩家： Not Diamond 、 Martian 、 OpenRouter 。全部是未上市的初创公司。它们的核心价值不是做模型，而是做"模型之间的交通指挥系统"。
为什么这个赛道会爆发？想想都觉得离谱。因为模型品类在爆炸。 OpenAI 有 3 个版本（ Sol/Terra/Luna ）， Anthropic 有 5 个版本（ Opus/Sonnet/Haiku/新款）， Google 、 Meta 、开源社区各有几十个。企业面对的不是"选哪个模型"的问题，是"怎么让 25 个模型协同工作"的问题。
模型路由就是 AI 时代的"交换机"——你不一定知道里面怎么走的，但你一定需要它。
6 个月内， AI 投资逻辑会发生切换
三个判断：
第一，二级市场的资金会从硬件向数据基建迁移。 Snowflake 、 Datadog 、 MongoDB 、 Elastic 的估值倍数还没有充分反映 AI 数据需求。相比之下，英伟达的市盈率已经包含了未来 2-3 年的高增长预期。资金的边际增量会向"估值还没打满"的赛道流动。
第二，一级市场的热点从"基础大模型"转向"数据中间层"。 2025 年一级市场最大的融资是基础大模型公司。 2026 年下半年，数据标注、数据治理、特征工程、模型路由赛道的融资将加速。花旗的研究团队已经开始覆盖这个方向的标的。
第三，对国内来说，这是个结构性机会。 美国有 Snowflake 和 Datadog ，中国的对标公司——用友网络、金蝶国际、星环科技、 PingCAP——在 AI 数据基建的投入上还远没到美国的水平。如果趋势成立，国产数据基建公司的估值中枢会系统性上移。
AI 的上半场是"谁能造出最大的模型"。下半场是"谁能把数据喂得最顺"。
不是模型不重要了，是模型之间的差距在缩小。当 GPT-5.6 和 Claude 4 的差距从"碾压"变成"各有优劣"，企业的选择逻辑就从"选最强的模型"变成了"用好手里的数据"。
数据比模型更稀缺。模型可以花钱买，数据只能自己建。