Verdict

Add(逢回调加仓) — Snowflake 是企业 AI 时代的"数据底座",它真正坐落在我的人工智能平台之上;真正的论题不是它今天还在亏 13 亿美元,而是当全世界的企业数据被 AI 重新激活时,谁拥有跨云的、有数据重力的、可被 AI 直接调用的企业级数据平台。这是一个把成本曲线变成需求曲线的故事,不是一个估值故事。

Disruption Test(三条标准)

我先测三条官方标准,不看股价。三条全过才是真正的颠覆者。

• 成本下降 + 释放增量需求? —— Yes,但要点在"计算/智能成本",不在 Snowflake 自身定价。 Snowflake 本身不是一条经典的 Wright's Law 制造曲线(它不"生产单位")。但它骑在它脚下那条曲线上:AI 推理/训练的单位计算成本在持续坍塌,而 Snowflake 的消费型(按用量计费)模式意味着——单位查询/单位 AI 工作负载越便宜,客户跑的工作负载就越多。DATA.md 给出的关键事实:AI 相关工作负载增速为非 AI 的 3-4 倍,产品收入 Q1 FY2027 +34% YoY,这正是"成本下降→价格弹性→增量需求"循环在企业数据层的体现。机制成立。
• 跨行业、跨地域? —— Yes。 数据云不属于某一个行业。金融、医疗、零售、制造、公共部门都把核心数据放进同一个底座,并通过 Snowflake Marketplace 跨组织、跨云(AWS/Azure/GCP)、跨地域共享。这恰是我要的"不被困在单一行业里"。
• 能成为更多创新生长的平台? —— Yes,而且这是最关键的一条。 Cortex AI、Snowpark ML、Arctic LLM、AI Agents——别人在 Snowflake 的数据之上构建 AI 应用。数据重力(Data Gravity)+ Marketplace 双边网络 = 一个别人在上面盖楼的地基。NRR 126% 就是"地基上不断加盖"的量化证据。

三条全过。这是一个真正的颠覆者,不是一个被包装成科技股的普通软件公司。 我继续。

Platform & Convergence(平台与融合)

• 落在五大平台的哪一个: 主轴是 人工智能(Artificial Intelligence)。Snowflake 不是模型层,而是 AI 的"数据燃料层"——我反复说过:"在赢家通吃的世界里获胜的,是拥有最多、最高质量数据的公司。" Snowflake 是企业把自己专有数据交给 AI 的那个入口。
• 融合(它解锁谁 / 被谁解锁):
  • 被 AI 解锁: 大模型让沉睡的企业数据第一次变得"可被自然语言调用"。没有 LLM,Snowflake 只是个昂贵的数据仓库;有了 LLM,它变成企业智能的中枢。AI 平台的进步,直接放大 Snowflake 平台的价值——这正是 ARK 所说的"一个平台的性能跃迁解锁另一个平台的新能力"。
  • 它解锁谁: 高质量、被治理好的企业数据,是企业级 AI Agent 能真正可靠工作的前提。Snowflake 把"可信数据 + 治理 + 合规"这一层做好,反过来让 AI 在企业里落地。这就是融合红利产生超额回报的那个重叠区。
  • 与多组学测序(Multiomic)的微弱二阶融合:医疗/生命科学客户把基因/临床数据放上 Snowflake,AI+数据云加速药物发现。这是潜在的二阶杠杆,不计入主论题。

Wright's Law Cost Curve(学习曲线成本曲线)

我必须诚实:Snowflake 不是特斯拉那样能写出干净 Y=a·X^b 制造学习曲线的标的。它没有"累计生产单位"。所以我把曲线挂在它消费的那个投入品上。

• 估计学习率(每累计翻倍的成本下降%): 这里的曲线是 AI 推理/计算的单位成本曲线——业内可观察到每年数量级的下降(ARK 在 AI compute 报告中专门用 Wright's Law 处理,精确学习率需回链 ARK 原始研究,此处不杜撰具体百分比,记为定性)。Snowflake 的价值随这条曲线下移而上升:推理越便宜,企业在数据上跑的 AI 工作负载就越多,而 Snowflake 按工作负载消费收费。
• 需求弹性 → 采纳曲线后果: 这是自我强化的循环——单位 AI 计算成本下降 → 企业跑更多 AI 工作负载 → Snowflake 消费收入上升 → 更多客户把数据集中进来(数据重力)→ 更高的网络价值。DATA.md 的硬证据:AI 工作负载增速 3-4× 非 AI、NRR 126%、779 家 >$1M 客户(+29% YoY)、RPO $9.77B(+42%)。RPO 就是这条采纳曲线已经锁定的、可见的未来斜率。数据缺口声明:DATA.md 未提供 Snowflake 自身"每计算单位成本"的时间序列,也未提供 ARK 对 AI compute 的精确学习率,故学习率本节为定性,具体百分比保留。

Six-Score Read(六维评分 + 各自降级触发)

1. 公司 / 人 / 文化(Company/People/Culture): 8/10。 CEO Sridhar Ramaswamy 是 AI 原住民(前 Neeva/Google 广告),上任后明确"AI 优先",这正是我要的领导画像——一个理解融合的人在掌舵。降级触发: 关键人物离职、招聘走弱、治理恶化。当前黄旗: 前 CEO Slootman 与多位 EVP/SVP 持续在公开市场卖出(DATA.md ⑮),无任何内部人公开买入——这不构成论题破裂,但拉低这一分的上限。
2. 执行(Execution): 8/10。 营收从 FY2019 的 0.97 亿做到 FY2026 的 46.8 亿(约 73% CAGR),经营现金流由 -1.44 亿翻正到 +12.2 亿,FCF FY2026 达 11.2 亿,Non-GAAP EPS 连续 4 季超预期(+20%/+16%/+11%/+29%)。执行无可挑剔。降级触发: 研发投入下滑、错误的运营模型、GTM 执行失误(新 CRO 2026-03 上任,需观察)。
3. 护城河 / 进入壁垒(Moat): 7/10。 数据重力 + 跨云互操作 + Marketplace 双边网络 + 企业级治理,这是真壁垒。但我不会给满分:降级触发(且正在发生)——Databricks(ARR ~$5.4B、+65% YoY、估值 $134B)增速比 Snowflake 快一倍,且 AI/ML 原生;开放表格格式(Iceberg/Delta)正在侵蚀闭源数据格式优势;超级云巨头既是供应商又是对手。这是我最警惕的一条。
4. 产品领导力(Product Leadership): 7/10。 Cortex AI / Snowpark / Arctic / AI Agents 显示有清晰的下一代愿景,且在变现。降级触发: 在 AI 原生数据/ML 领地丢失份额给 Databricks——目前 Databricks 增速更快,这一分有压力。
5. 估值(Valuation): 关键分,见下节,初判过线但安全边际有限。 降级触发(我唯一最硬的规则): 五年隐含年化回报跌破 15% → 减仓。
6. 论题风险(Thesis Risk): 中等。 降级触发: 监管(跨境数据主权)、技术采纳风险(消费型收入在宏观下行期波动)、竞争技术(Databricks/开放格式)。最实的论题风险是"消费模式 + Databricks 双重夹击"。

Five-Year Valuation(五年估值 — 价格锚,不是今天的市盈率)

我建一个五年营收模型,把五年后的股价倒推出来。今天没有市盈率,不重要——采纳曲线说了算。

关键输入(基于 DATA.md):

• 单位/营收增长: 起点 FY2026 产品收入轨道,FY2027 指引 $5.84B(+31%)。基准假设五年内增速从 ~31% 自然衰减(AI 工作负载 3-4× 加成抵消部分衰减):假设 FY2027→FY2031 产品收入 CAGR 约 25%(基准)/ 30%(牛)/ 18%(熊)。
• 成本下降(Wright's Law 驱动): AI 计算成本坍塌是顺风而非逆风——它扩大可寻址工作负载,而非压缩 Snowflake 单价(消费模式下,更便宜→跑更多)。
• 市场采纳与渗透: TAM 引用 $200B+ AI 数据云;若 FY2030/31 捕获 10-15%,产品收入 $10-12B,与上面 25% CAGR 自洽。
• 股数增长 / 稀释: 这是我必须扣分的地方。 SBC FY2026 $1.60B(占营收 34%、FCF 的 143%),稀释严重;回购($873.5M)只是对冲而非真正缩股。模型中假设净股数年增 ~1-2%。
• 未来倍数: 当前 P/S 15.57×。五年后一家增速降到 ~20%、且(我假设)开始释放 Non-GAAP 经营利润的数据平台,给 退出 P/S 8-10×(基准)、12×(牛)、6×(熊)。

五年目标价(概率加权,粗略):

• 营收路径:产品收入 FY2031 基准 ~$14-15B,牛 ~$18B,熊 ~$11B。
• 配退出倍数与稀释后股数(~360-370M):牛 ≈ $450-500 / 基准 ≈ $300-340 / 熊 ≈ $170-200。
• 概率加权(基准 50% / 牛 25% / 熊 25%)期望值 ≈ $310-330。

隐含五年年化回报: 现价 $226.59 → 基准期望 ~$320,五年年化 ≈ 7-8%;只有牛市路径($450-500)才给出 ~15-17% 年化。这条线很关键:基准情形落在我的 15% 硬线之下,只有牛市路径过线。

交叉验证(reverse_dcf.py):今天的价格隐含未来 10 年 FCF 须以 ~28%/年 复合增长。DATA.md 自己的判语是"进取(20-30%/年),低于公司自身历史 74%,留有安全边际"。这告诉我:价格不算疯狂透支,但也绝不便宜。 这与我上面五年模型的结论一致——基准回报低于 15%,需要牛市路径(AI 变现真正放量)才能赚到我要的回报。

结论: 估值分勉强过线但安全边际有限。这不是 2022 年那种"-70% 后遍地是 75% 隐含回报的废墟"式深度价值;这是一个已经被市场部分定价的优质 AI 数据平台。因此我的动作是 Add 而非 Aggressive Buy——在回调中分批,而不是在 $226 一把梭。

Winner-Take-Most Read(赢家通吃)

• 它是平台/领导者吗?谁拥有最多、最高质量的数据? Snowflake 是企业数据云的领导者之一,但坦率说,在"赢家通吃"这条我最看重的轴上,它不是无可争议的唯一赢家——Databricks 在 AI/ML 原生这条赛道上增速翻倍(+65% vs +31-34%)。我的原话是"拥有最多、最高质量数据的公司赢得这场游戏"——Snowflake 的优势在于它托管着海量企业专有数据(数据重力 + 779 家百万美元客户 + RPO $9.77B),这是真实的数据规模飞轮。但它面对的是一个双头(Snowflake vs Databricks)向超级云巨头共生竞争的格局,而非单一平台垄断。这是我对这个论题最大的保留:它是平台领导者,但未必是赢家通吃里的那个"most"。

Why the Market Is Wrong(市场错在哪)

传统分析师用旧框架给 Snowflake 定价:他们盯着 GAAP 净亏损 $1.33B、盯着"没有市盈率"、盯着 P/S 15.57× 喊"太贵"、盯着内部人卖出与 Databricks 竞争喊"见顶"。他们在用一台"看后视镜"的机器,给一个"关于未来"的资产定价。我的 alpha 来自:他们把消费型 AI 数据平台当成传统 SaaS 订阅软件来估值,因而系统性低估了"AI 工作负载 3-4× 增速 + RPO $9.77B 锁定能见度 + 数据重力复利"这三件事的复合效应。当 AI 真正在企业里规模化落地,Snowflake 的消费曲线会以传统模型算不出来的方式向上弯。

但我必须对自己诚实: 这一次市场的"错"没有 2022 年那么离谱。$226 的价格已经部分计入了 S 曲线(reverse_dcf 隐含 28%/年增长就是证据)。市场不是完全瞎,只是还没有给融合红利和 AI 变现加速度足够的权重。我的边缘存在,但比典型的"创新打折"案例要薄。

Conviction & Sizing(信念与仓位)

• 集中度立场: Snowflake 属于 AI 平台的"使能者/受益者"层,值得在以人工智能为核心的组合里持有一个中等偏核心的仓位——但不是 SpaceX/Tesla 那种最高信念的旗舰级权重,因为(1)赢家通吃的归属未定(Databricks),(2)基准五年回报勉强过线,(3)SBC 稀释拉低现金流品质。
• "创新打折"加仓反射: 我的反射是有条件的,不是盲目的。先问 file 07 的问题:论题破了,还是只是价格? 如果 SNOW 因为一次软件板块的整体回调(DATA.md 新闻里"Software Is Under Pressure Again")而跌向 52 周低位附近($121 那种区域),而六维评分仍然完好(AI 工作负载继续 3-4×、NRR 仍 >120%、RPO 继续增长),那就是"创新打折",我加。但如果是评分降级——具体说,如果 Databricks 开始系统性抢走 Snowflake 的份额、或 NRR 跌破 110% 显示客户加购停滞——那同样的下跌就是卖出信号,与价格无关。纪律在评分里,不在 K 线里。
• 跨基金重叠: 它会同时出现在 AI/数据主题的多个表达里,这会放大单名暴露——这是我刻意的选择,也是我的组合波动远高于市场的根源之一,我接受。

Honest Risks(诚实风险,最多 3 条,不神化)

1. Databricks 与开放格式的双重侵蚀(论题级风险): Databricks ARR +65% vs Snowflake +31-34%,在 AI/ML 原生赛道上跑得更快;Iceberg/Delta 开放表格格式正在削弱 Snowflake 闭源数据格式的锁定。如果"赢家通吃"的天平倒向 Databricks,我的整个平台论题的核心(数据规模飞轮)就被削弱——这会触发护城河与产品领导力的双降级,届时我会减仓,不论价格。
2. 估值安全边际薄 + 我自己 15% 硬线的压力: 基准五年回报落在 ~7-8%,低于我唯一最硬的规则(15%);只有牛市路径过线。这意味着 SNOW 是"押注 AI 变现加速兑现",而非"价格已经给了厚安全垫"。若 AI 工作负载增速放缓、消费收入在宏观下行期波动(它是按用量计费,不如订阅稳),估值会被快速重估(P/S 15.57× / P/FCF 67× 留给失望的空间很大)。
3. 方法本身的残酷现实(反神化): 我必须把这句话放进每一份风险里——我的方法能在一年里造出神话(2020 年 ARKK +153%),也能在下一年让普通投资者血流成河(2021 约 -23%、2022 约 -67%,峰值回撤近 -70%)。 Morningstar 估算 ARK 在约十年里"摧毁"了约 140 亿美元投资者财富,因为钱在高点涌入、在低点赎回——"基金回报"与"投资者回报"严重背离。SNOW 的 Beta 1.39-1.48,52 周区间 $118-$285(波动超过 2 倍),任何照搬我这个 Add 判断的人,必须有真实的 5 年以上持有期和承受 -70% 回撤的胃;否则你实现的回报会远低于这个策略所标称的回报。信念不等于正确;决定信念是否最终兑现的,是仓位和时间窗口。

In My Voice

投资是关于未来的,Snowflake 的未来很清楚:当每一家企业都要用 AI 重新激活自己沉睡的专有数据时,它们需要一个跨云的、有治理的、AI 可直接调用的数据底座——Snowflake 正是这个平台,它真正坐落在我的人工智能平台之上,享受 AI 解锁数据、数据反哺 AI 的融合红利。三条颠覆标准全过,这不是一只被包装成科技股的普通软件公司。

但我不会因为爱一项技术就放弃纪律。两件事让我把判断定在 Add 而非重仓买入:第一,在我最看重的"赢家通吃"那条轴上,Databricks 用一倍于它的增速在追赶,Snowflake 是领导者却未必是那个唯一的"most";第二,我的五年模型给出的基准年化回报落在 15% 硬线之下,只有 AI 变现真正放量的牛市路径才让我赚到要的钱——这不是 2022 年那种遍地 75% 隐含回报的"创新打折",市场这次没那么瞎。

所以我的动作是:在以 AI 为核心的组合里给它一个中等偏核心的仓位,逢软件板块的非论题性回调分批加,把 NRR 和 Databricks 的份额动态当作我的两个降级开关盯死。如果它跌向 $121 那种区域而六维评分依然完好——那就是创新打折,我加;如果 NRR 跌破 110% 或 Databricks 开始系统性夺单——那同样的下跌就是卖出,与价格无关。给我五年,这是一个我愿意持有的 AI 数据底座;但请记住,我的方法波动是市场的好几倍,没有五年的耐心和承受 -70% 回撤的胃,就不要照抄我。

基于 2026-06-23 共享数据;本分析为单一大师框架的演绎,非投资建议。