Snowflake 60亿“赌注”背后：CPU 如何成为 AI 大战新主角

这不仅是一个巨大的数字，更代表着 Snowflake 在 AWS 上支出的急剧升级。该公司在 2020 年首次公开募股时，与 AWS 的五年期支出承诺为 12 亿美元，2023 年增至 25 亿美元，如今则达到了 60 亿美元。这种急剧增长与整个行业在 AI 领域资本支出的爆炸式增长相呼应，仅 2026 年，几大云服务商的资本支出总额预计就将达到数千亿美元。

CPU 在代理式 AI 时代的悄然崛起

这笔交易中最具技术启示性的部分是其对计算能力的明确聚焦。尽管协议也包括对云端 GPU 的使用权，但最引人注目的还是其对 AWS Graviton 处理器的承诺。Graviton 是亚马逊自研的、基于 Arm 架构的 CPU 芯片。这一焦点，正是对 AI 工作负载演变方式这一关键转变的认可。

随着 AI 应用从单一的模型训练，转向能执行多步骤推理、代码生成和实时任务的“代理式”系统，所需的计算性质也随之改变。这类代理式工作负载通常对 CPU 密集型任务要求更高，它们依赖通用处理器来完成复杂的编排和推理工作。这一转变意义重大，预计到 2026 年底，推理工作负载将消耗高达 80% 的 AI 基础设施总支出，而在 2025 年这一比例还仅为约 50% 。

Graviton 的经济吸引力显而易见。据报道，基于 Arm 架构的 Graviton 迁移，可将 AI 推理和生成式 AI 管线的基础设施成本降低多达 40%，另有报告称其推理性能提升 20%，功耗降低 23% 。这些效率上的提升，充分说明了只要条件允许，将 AI 推理从更昂贵、更耗电的 GPU 转移到 CPU 上极具说服力。

定制芯片成为战略性的替代方案

Snowflake 的协议本身并不能证明英伟达的市场主导地位已被打破。然而，它提供了一个强有力的证据：来自云服务商的自研定制芯片正成为一种重要的战略替代选项，尤其是在企业级大规模支出承诺方面。就在几年前，我们还很难想象“AWS 的定制 Graviton 处理器，已成为一笔价值 60 亿美元、为期五年的企业级 AI 基础设施承诺的核心”。

这笔交易并非孤立事件，一个行业趋势正在形成：

• 2026 年 4 月： Meta 与 AWS 签署了一项价值数十亿美元的多年期协议，部署“数千万”颗最新款的 Graviton5 处理器核心，明确用于驱动其代理式 AI 工作负载 。
• 更广泛的趋势： 谷歌正积极推进其自研 TPU 芯片的商业化，其最新的第八代芯片正是为“代理式 AI 时代”设计的 。微软也在开发其 Maia 芯片。这股全行业的投资浪潮，预计将推动定制化专用集成电路在 2026 年的出货量同比增长 44.6% 。

正如科技媒体 TechCrunch 对 Snowflake 交易的评论：“这些芯片正在吸引着价值数十亿美元的新交易” 。AWS 的 Graviton，一个最初为解决通用计算问题而生的方案，如今已成为 AI 平台战争中的一项战略资产。

更广泛的竞争格局

现有资料清晰地勾勒了 AWS 及其 Graviton 芯片的成功，但无法完全证实更广范围的竞争格局。例如，英伟达 CEO 黄仁勋关于其新款 Vera CPU 代表 2000 亿美元市场机遇的说法，无法从现有信源中得到核实，不应被视为既定事实。同样，关于微软 Maia 芯片的具体信息，以及与英伟达市场份额变化的具体竞争态势，有待更详尽的数据分析。然而，趋势是明确无误的：AI 芯片市场正在从单一供应商主导走向碎片化，而 CPU 正是其中一个关键的战场。

结论已经十分清晰： AI 驱动的云计算支出，不再是一个关于‘购买尽可能多的高端 GPU’的简单故事。Snowflake 与 AWS 的交易明确了一个新现实：未来的基础设施投入将变得更加专业化，围绕定制芯片和代理式 AI 的特定需求而构建。AWS 的 Graviton 已经从一个节省成本的选项，升级为一个能够承载数十亿美元级企业承诺的战略性芯片平台。CPU，正重回这场计算机领域最重要对话的中心。