Sridhar Ramaswamy

Ramaswamy 用 18 个月完成的组织重置，将 Snowflake 在 AI 上的落后归因于组织速度问题：压缩工程师与客户之间的 7-10 层距离，任命对结果负责的产品负责人，并让他们与市场团队紧密协作。 他的运营准则是“速度取胜。持续迭代的能力永远胜过精心铺陈的战略”，尤其是在几乎无法预测 AI 下个月会变成什么样的时候。

Snowflake 意识到自己没有足够资本与 OpenAI 或 Anthropic 进行有意义的基础模型竞争后，放弃了基础模型研发，并从 Data Cloud 转向“AI Data Cloud”。 这场更聚焦的押注，是利用搜索、text-to-SQL 和代理处理已经存储在 Snowflake 中的高价值客户数据，复利放大其装机基础优势——符合条件的《财富》2000强公司中“大约一半”已经在使用。

Snowflake Intelligence 是一个有明确取舍的企业数据代理，不是通用代理框架，也不是 SAP、Salesforce、Tableau 或 Sigma 的替代品。 其销售助手 Raven 将合同、用量、对话和未解决问题整合到同一界面；同时，强制执行的评测机制会拒绝“YOLO AI”：模型发生变化，不能悄悄破坏既有答案。

护城河必须持续重建，因为基础模型公司是“尚未遇到海洋的帝国”，而云厂商拥有“无限预算”和“无限耐心”。 薄薄的提示词层看起来不堪一击；Snowflake 的防线是跨云、受治理的数据平台，以及与 Microsoft、AWS、GCP 和 SAP 更深的整合。正如 Ramaswamy 所警告的，仅仅领先还不够：无法持续领先，“你就会变成 Intel”。

Ramaswamy 认为，编码代理、客户支持和更便捷的数据访问，是 AI 近期最明确的企业回报来源。 但他反对一开始就下巨注：要“多打几次门”（shots on goal），在迭代中逼近产品与市场的匹配，并先让客户“一次花一千美元”，直到已经验证的价值足以支持扩大投入。

互联网广告会在聊天界面中继续存在，但随着聊天收窄呈现内容、商业影响变得更难察觉，披露和用户自主权会更加重要。 他设想的刻意令人不安的失败案例，是一名暗中偏向某种药物的精神科医生；对策则是让来源、引用清晰可见，并能在 Gemini 和 ChatGPT 等系统之间轻松交叉核验。

即使 LLM 变得更强，搜索和其他可靠的外部工具仍然重要。 Google 的优势已经从 PageRank 转向行为反馈，AI 产品同样可以通过评测循环持续改进；要求 LLM 把一切都内化，就像因为“不能聪明到不用电脑”而拒绝用两行 Python 做算术。

🔗 原始收听与视频来源： No Priors 第139期｜与 Snowflake CEO Sridhar Ramaswamy 对谈

最容易暴露的 AI 初创公司，是那些直接建立在基础模型提供商之上的公司，而后者的应用边界仍在不断外移。 Sridhar Ramaswamy 称，建立在 OpenAI 之上“令人恐惧”：OpenAI、Anthropic、Microsoft 或 Google 都可能进入任何有前景的编程、法律或工作流品类。真正的防御力来自既有客户关系、明确交付的价值，以及足够快地拥抱 AI，让颠覆者无法取代现有企业。

DeepSeek 可能戳破模型稀缺性的说法，但未必会取代 ChatGPT 的消费者分发。 Harry Stebbings 反驳称，DeepSeek 很快登上榜单第 1，且完全免费。Sridhar 回应：“它是产品，不是模型”：ChatGPT 集成了图像生成、文件上传和代码执行。Harry 还提出，OpenAI 完全可以托管 DeepSeek，为 ChatGPT 提供部分能力。

OpenAI 的护城河正在接近消费者平台的规模，而不是永久的模型领先。 据一些估算，ChatGPT 拥有约 5亿忠实用户，近几年几乎没有真正花钱做广告；Sridhar 将其触达范围与 Meta 和 Google 相提并论。OpenAI 未必永远能做出最好或最便宜的基础模型，但在消费者端，他押注专业模型创造的价值最终会流向现有入口。

成熟软件公司只要把嵌入式客户关系与快速自我颠覆结合起来，就能守住阵地。 Snowflake 的判断是，一个从零起步的 AI 原生公司不会比 Snowflake 更好，而 Salesforce 的 Agentforce 展示了同一套打法。但如果缺少这些优势，“全新的价值创造”看起来“非常模糊”。

企业 AI 已经在创造真实效用，只是采用速度应当比无摩擦的曲棍球棒曲线更温和。 Sridhar 提到，他把达沃斯 30场会议的 25页笔记压缩成一行摘要，也可以用自然语言查询结构化数据；建筑保险核保的部分环节，则可能通过结合结构化与非结构化信息实现自动化。他听到的 CEO 诉求是：“帮助我们创造效用，告诉我们什么是可能的。”

AI 资本开支军备竞赛最终会以泡沫破裂收场，但残余价值取决于建成了什么。 Harry 指出，Meta 将投资 650亿美元建设数据中心，Stargate 也宣布了 5000亿美元投资。Sridhar 区分了两种结局：一种是类似 1990年代、最终留下电力、建筑和光纤的生产性泡沫；另一种则是 Webvan 式烧钱，或硬件快速折旧，价值“顷刻间化为乌有”。

Snowflake 接受公开市场约束，因为问责可以强化创新，也能暴露叙事游戏。 私有公司 Databricks 可以更自由地花钱，其销售人数已经是 Snowflake 的 2倍，但 Sridhar 认为，约束会迫使公司保持清晰：“有富有的叔叔不总是好事。” 公开市场流动性、自由现金流现实，以及必须“展示你的工作”，都胜过转为私有公司的诱惑。

🔗 原始收听与视频来源： Sridhar Ramaswamy，Snowflake CEO：DeepSeek 并非 OpenAI 的威胁，OpenAI 胜过 Anthropic｜E1258