Snowflake 押注 AWS Graviton：AI 代理落地唔止靠 GPU

圖：TechCrunch．原文連結

Snowflake 同 AWS 新簽嘅 5 年 60 億美元協議，表面係一單大型雲端採購，實際上係企業 AI 進入下一階段嘅信號。過去兩年市場講 AI 基建，幾乎句句都離唔開 GPU、NVIDIA、模型訓練同推理；但當 AI 由 demo 變成公司內部每日用嘅代理工作流，負責搬資料、查權限、排程、叫工具、寫 SQL、整報告嘅運算，未必全部都係 GPU 場景。Snowflake 今次加碼 AWS Graviton，值得留意嘅正正係呢個轉向：AI 落地唔係買最多 GPU 就完事，而係要將資料、CPU、治理、Marketplace 採購同雲端成本擺埋同一張圖去睇。

TechCrunch 報道指，Snowflake 呢份協議係為咗取得更多 AWS 自家 Arm 架構 CPU Graviton 嘅資源。呢點容易被簡化成 AWS 晶片挑戰 NVIDIA，但咁講會過火。Graviton 係 CPU，主要處理一般運算、資料處理、服務編排同大量平行請求；NVIDIA GPU 仍然係大型模型訓練、高吞吐推理同重型矩陣運算嘅主角。真正值得講嘅唔係邊個取代邊個，而係企業 AI 工作負載開始變雜：同一個 AI 代理可能一邊調用大模型，一邊查資料倉庫、一邊跑權限檢查、一邊寫入 CRM 或內部工單，成條鏈入面 CPU 佔嘅部分會愈來愈大。

CPU 變重要，因為 AI 代理唔只係出一句答案

AI 代理同普通 chatbot 最大分別，唔係識講嘢，而係識做一連串步驟。以一個公司內部銷售分析代理做例子，使用者問「今季邊類客戶續約風險最高」，系統可能要先理解問題，再查語義層定義，按使用者權限讀取客戶表、合約表、支援紀錄、產品使用量，之後叫模型總結，再將結果變成表格、圖表或跟進任務。模型生成答案嗰一刻可能用 GPU 或專用 AI 加速器，但之前同之後大量資料存取、API 調用、查詢優化、工作流編排、快取同安全檢查，好多都係 CPU、RAM、儲存同網上 I/O 嘅事。

AWS Graviton 正正食呢類雲端工作負載。AWS 官方介紹 Graviton5 時，話新一代 M9g EC2 instance 較上一代最高有 25% 效能提升、每粒晶片 192 核心、快取大 5 倍；呢啲係官方數字，唔等於每個 Snowflake 或香港公司 workload 都會同樣受惠。對 data engineering team 來講，關鍵唔係盲信一個百分比，而係問自己：查詢係 CPU bound、I/O bound 定係模型推理 bound？容器同依賴有冇 arm64 build？現有 pipeline 轉 Arm 後，效能、穩定性同成本係咪真係好過 x86？Graviton 可以係省成本工具，但一定要用自己嘅資料同查詢模式去試。

Snowflake 同 AWS 早已經綁得好深

Snowflake 最初就係建基於 AWS，雖然而家已經支援 Microsoft Azure 同 Google Cloud，但 AWS 仍然係佢最重要嘅雲端底座之一。Snowflake 2023 年同 AWS 擴大合作時曾披露，當時有超過 6,000 個共同客戶，約 84% Snowflake 客戶部署喺 AWS；同一份資料亦提到，Snowflake workload 跑喺 Graviton instance 可以帶來約 10% 效能提升，而且客戶毋須改動。到 2025 年底，Snowflake 又話透過 AWS Marketplace 單一曆年交易額已超過 20 億美元，按年翻倍。今次 60 億美元 5 年協議，就唔係一單孤立採購，而係將多年合作再推大一級。

呢種合作對雙方都有實際盤算。Snowflake 要確保自己有足夠底層 compute 去支撐 Cortex AI、Snowflake Intelligence、AI agent、資料工程同傳統分析 workload，亦要控制單位成本，否則 AI 用量愈高，毛利同客戶帳單都會受壓。AWS 就透過 Graviton、Marketplace、Bedrock、AgentCore 同自家基建，把企業 AI 使用量留喺自己平台入面。當 Snowflake 客戶透過 AWS Marketplace 買服務，採購流程、帳單同雲端承諾用量都可以合埋，呢種便利對大企業 IT procurement 好有吸引力，但亦會令供應商鎖定同雲端開支更難拆開比較。

Cortex AI 嘅價值，其實係資料唔使周圍搬

Snowflake 自己推 Cortex AI，核心賣點唔係再造一個通用 chatbot，而係將 AI 功能放近企業資料。官方文件形容 Snowflake Cortex 係一套用大型語言模型理解非結構化資料、回答自由文字問題同提供智能輔助嘅功能，當中包括 Cortex Agents、Cortex Analyst、Cortex Search、AI SQL functions、Snowflake Intelligence 同 Cortex Code。簡單講，企業已經將交易、客戶、產品、營運同文件資料放喺 Snowflake，就可以喺同一個治理邊界內加 AI 層，而唔係每次都將資料拋去另一個工具。

呢個方向對金融、零售、SaaS 同資料密集型公司特別現實。AI 代理要答得準，唔可以只靠模型記憶；佢要知道公司內部欄位點解、邊張表先可信、使用者有冇權睇某啲客戶資料、政策文件最新版本係邊份、以及答案可唔可以追溯。呢啲全部都係資料治理問題，多過係模型口才問題。Snowflake 嘅優勢係資料倉庫、權限、catalog、語義層同查詢引擎本來就喺同一個平台；但代價係，AI 用量會同 warehouse credit、Cortex consumption、跨區資料傳輸同 Marketplace 合約綁埋一齊，成本管理會比傳統 BI 更複雜。

雲端平台都想食更大段 AI 鏈條

AWS 今次用 Graviton 攞到 Snowflake 大合約，唔代表 NVIDIA 被踢出局。相反，Snowflake 近年亦有同 NVIDIA CUDA-X 做機器學習整合，反映資料平台會按 workload 揀唔同硬件。GPU 仍然適合大型訓練、密集推理同高吞吐 AI serving；CPU 則負責大量資料準備、任務編排、微服務、查詢、工具調用同系統膠水。當 AI 代理愈多、每次互動背後要跑愈多小步驟，雲端平台就有空間用自家 CPU、網上、儲存同服務組合去食更多價值。

行業大方向亦係咁。AWS 有 Graviton 同 Trainium，Google 多年投資 TPU，Microsoft 推 Maia 同 Cobalt，NVIDIA 亦用 Vera CPU 擴大自己由 GPU 去到整個 AI server stack 嘅版圖。呢場競爭唔係單一晶片規格戰，而係邊個可以提供最完整、最易採購、最容易被企業合規接受嘅 AI 工廠。Snowflake 呢類資料平台企喺中間：佢唔一定自己造所有晶片，但佢掌握企業資料同工作流入口，所以可以將底層硬件選擇包裝成上層服務體驗。對客戶來講，方便背後要付出嘅係透明度：到底每一類 AI 任務用緊咩 compute、點收費、點監控，唔問清楚好易變成新一代雲端帳單黑盒。

香港公司要先問 region，再問 AI 功能

香港角度最實際嘅問題係資料放邊。AWS 本身有 Asia Pacific (Hong Kong) region，API 名稱係 ap-east-1，而且官方 AWS region 文件列明香港 region 有 3 個 Availability Zones。不過，Snowflake 官方 supported cloud regions 文件列出嘅 Asia Pacific and China AWS regions 入面，有東京、首爾、大阪、孟買、新加坡、悉尼、雅加達、馬來西亞、泰國同中國寧夏，未見 AWS 香港 ap-east-1。即係話，本地團隊唔可以因為 AWS 有香港 region，就假設 Snowflake on AWS 都可以直接開喺香港；如果要用 Snowflake，實際上可能要揀新加坡、東京或其他亞太 region，具體可用性仍要同 Snowflake 或雲端供應商確認。

呢點對銀行、保險、券商、支付、零售會員系統同 B2B SaaS 都有影響。金管局對認可機構採用雲端有明確期望，重點唔係禁止用雲，而係要有治理、風險評估、外判管理、業務連續性、存取權同法律權利保障；涉及海外外判或資料存放時，亦要評估監管機構存取資料、海外司法管轄、客戶通知同合約安排。換句話講，用 Snowflake 加 Cortex AI 做客戶分析、風險模型或內部代理之前，IT team 唔應該只睇「有冇 AI 功能」，而要先畫清楚資料流：資料由香港 app 入倉、落邊個 region、邊啲模型或服務會跨區處理、log 留幾耐、邊個角色可以睇。

對無咁重監管嘅香港零售、媒體、電商同 SaaS 公司，問題會更偏成本同效能。假設網站或 app backend 跑喺 AWS 香港 region，但 Snowflake account 喺新加坡，資料同步、查詢延遲、出入流量費、備份同災難復原都要另外計。AI 代理如果要即時讀交易或客服資料，跨區延遲同 egress 未必一定致命，但唔可以靠感覺估；最好用真實查詢、真實批量同步同高峰流量做測試。官方未有香港 Snowflake AWS region 支援或香港定價資料，所以唔應該將今次美國新聞包裝成本地即時可用嘅新服務。

實務上，今次新聞可以化成幾條檢查清單。第一，先確認 Snowflake region 同公司資料駐留要求是否相容，尤其係受監管或有客戶合約限制嘅資料。第二，將 AI workload 拆開：模型推理、資料查詢、代理編排、文件搜尋、批量轉換各自用咩 compute，唔好全部叫做 AI 成本。第三，Arm 相容性要測試，包括容器 image、Python package、UDF、連接器同 CI/CD pipeline。第四，治理要早過代理上線，語義層、權限、審計、敏感欄位遮罩同答案追溯唔可以等出事先補。第五，帳單要睇全鏈，Cortex、warehouse、儲存、跨區傳輸、Marketplace 承諾用量同支援合約要一齊計。

Snowflake 60 億美元押注 AWS Graviton，最值得帶走嘅訊息唔係「CPU 打低 GPU」，而係企業 AI 開始由模型熱潮進入基建現實。模型只係其中一層；真正令 AI 代理可用、可管、可負擔嘅，是資料放邊、權限點控、查詢點跑、CPU/GPU 點分工、雲端合約點簽。香港公司如果已經用 AWS 或 Snowflake，呢單新聞值得睇，但唔係為咗追逐一個新名詞，而係趁早盤點自己嘅資料架構同雲端成本：AI 代理愈落地，底層帳單同資料治理就愈無得扮睇唔見。

參考來源

• TechCrunch — In more good news for Amazon, Snowflake signs $6B deal with AWS for AI CPU chips — original report
• Snowflake：AWS partner page — 確認 Snowflake 與 AWS 嘅產品整合、Marketplace、agentic AI 同共同解決方案脈絡。
• Snowflake：AWS Marketplace sales press release — 確認 2025 年透過 AWS Marketplace 銷售超過 20 億美元，以及 AWS/Snowflake 採購同整合背景。
• Snowflake：2023 AWS partnership expansion — 提供兩家公司長期合作、共同客戶、AWS 佔比同 Graviton 早期效能聲稱背景。
• AWS：Graviton5 official announcement — 確認 Graviton5 官方規格同效能聲稱，包括 192 核心、快取同上一代比較。
• Snowflake Docs：Supported cloud regions — 用嚟核實 Snowflake 亞太 AWS region 清單，並確認未見 AWS 香港 ap-east-1。
• AWS Docs：AWS Regions and Availability Zones — 確認 AWS Asia Pacific (Hong Kong) region 即 ap-east-1 及其 Availability Zones。
• HKMA：Guidance on Cloud Computing — 提供香港金融機構採用雲端時嘅監管期望、風險管理同外判考慮。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。