Snowflake ($SNOW) – 财报回顾 – 2024 年 5 月 25 日
Snowflake 的总体平台称为Data Cloud。 这种基础架构能够以经济实惠的方式大规模存储、组织、查询和学习数据源。 它提供的这些服务具有弹性计算能力，可以灵活地扩大或缩小使用范围。 与传统的数据仓库解决方案不同，该架构自然地将数据存储和消费功能分开。 这意味着数据消耗能力不受公共计算资源的限制。 这消除了计算能力瓶颈，提高了数据存储的可扩展性。
在这个框架下，我可以随心所欲地存储数据，而无需立即进行处理。 这种处理利用了计算能力。 在 Snowflake 的案例中，存储是在 Snowflake 数据云的集中式数据存储库中完成的。 只在需要时才进行处理。 数据以虚拟方式使用，无需专用硬件。 这种可扩展（或 “弹性”）的现实限制了浪费和成本。 Snowflake 以管理的方式为客户完成所有这些工作，最大限度地减少客户对人才和基础设施的需求。 有几个关键产品需要了解和跟踪：
Snowflake数据仓库（Data Warehouse）是存储和（根据指令）处理结构化数据的地方。 结构化数据是格式化的数据。 它用于保存记录和创建报告。 数据可通过结构化查询语言（SQL）轻松获取。
Snowflake Data Lake的功能与非结构化数据仓库相同。 非结构化数据未经格式化，可用于发现新的见解和模式。
- 该产品在 2020 年首次亮相（Warehouse是在2014 年）。
- 生成式人工智能在很大程度上依赖于非结构化数据进行模型训练。 这意味着这种激增将直接支持 Snowflake 上的非结构化数据消耗。
“我们两年多前就宣布支持非结构化数据。现在，我们约有 40% 的客户正在 Snowflake 上处理非结构化数据。在过去 6 个月里，我们在这一领域新增了 1000 多家客户。- 首席执行官 Sridhar Ramaswamy
“Snowpark “是其应用程序构建平台。 它使开发人员可以使用任何源代码语言处理数据。 有了它，开发人员可以处理数据并将其可视化（通过 Snowpark 功能），还可以构建应用程序（通过 Snowpark 本地应用程序）。 Snowpark 是他们利用数据打造新事物的乐园。 GenAI 模型是贪婪的数据消费者。 Snowpark 容器服务允许 GenAI 模型在更接近所需数据的情况下运行。 这样既能提高性能，又能加快模型训练。 将应用程序、工作负载和开发人员的注意力从 Apache Spark 转移到 Snowflake 是增长的关键来源。
Snowflake 数据共享是其安全产品，顾名思义，它在 Snowflake 的其他用户之间共享数据。 随着越来越多的人选择加入，相关数据会产生引人注目的网络效应，Snowflake 的价值主张也会随之深化。
杂项工具：
- Snowflake Machine Learning 是用于在 Snowflake Data Cloud 中训练 ML 模型的套件。 这可用于自动查询和组织数据。
- Snowgrid 是一种全方位云工具，可在客户使用的各种云中统一客户的数据。
Snowflake 的收入模式以消费为基础。 这意味着，与 SaaS 业务模式相比，能见度没有那么高。 这也意味着客户可以在经济不景气时（或经济景气时）更容易地减少（或增加）用量。
需求
- Beat product revenue estimates by 5.6% & beat guidance by 5.7%.
- 不包括闰年在内的产品收入同比增长 32%。
- 收入超出预期 5.3%。 其 3 年收入复合年增长率（CAGR）为 53.6%，而上一季度为 60%，两个季度前为 66%。
- 如果不考虑分层存储（针对小客户提供更多基于数量的折扣）带来的不利因素，收入同比增长 34%。
- 产品收入在 100 万美元以上的客户同比增长 30%；全球 2000 强客户增长 8%。
- 剩余履约义务（RPO）同比增长 46%。 这是一个强有力的前瞻性需求指标。
- 其 10 大客户的使用逆风继续减弱。 在 10 个最大的客户中，有 7 个客户的收入贡献实现了季度增长。
Source: Brad Freeman – SEC Filings, Company Presentations, and Company Press Releases
利润与利润率
- 息税前盈利（EBIT）比预期的 2700 万美元高出 900 万美元，息税前利润率比预期的 3.0% 高出 140 个基点（bps，1 个基点 = 0.01%）。
- 每股收益 0.17 美元，低于预期 0.03 美元。
Source: Brad Freeman – SEC Filings, Company Presentations, and Company Press Releases
资产负债表
- 现金及等价物 35 亿美元。
- 无债务或可转换优先票据。
- 投资 9.27 亿美元。
- 员工人数环比增长 4.2%，同比增长 15.6%。
- 股本同比增长 3%。 该公司回购了 5.16 亿美元的股票，目前的回购计划还剩 8.92 亿美元。
年度指引与评估
- 将年度产品收入指引上调 1.5%，超出预期 1.5%。 需求指引仍不包括新产品的任何潜在贡献。
- 将息税前利润率从 6% 下调至 3%，超出预期 300 个基点。
- 将 FCF 利润率指引从 29% 下调至 26%，超出预期 300 个基点。
利润率的削减与最新的图形处理器（GPU）投资 5000 万美元的计划以及对 TruEra AI Observability 的收购有关。 TruEra 通过指引数据使用的最佳实践来优化大型语言模型 (LLM) 的构建，同时提供异常检测和模型幻觉最小化（减少错误答案）。 这将有助于强化 Snowflake 以效率为先、成本最小化的模型构建优势。 作为收购的一部分，Snowflake 增加了 35 名员工。
斯诺今年的 EBITDA 和 EPS 分别约为 150 倍和 240 倍。 息税折旧摊销前利润（EBITDA）和每股收益（EPS）都将同比大幅下降，明年才会恢复预期的快速增长。
电话会与发布会
新任首席执行官 Sridhar Ramaswamy 的首要任务 – 完善市场推广：
Ramaswamy 的 3 个工作重点是：倾听和学习客户的意见，完善 SNOW 的市场推广流程，加快产品创新和开发。 他花了最多的时间谈论最后两项。 从进入市场的角度来看，公司正在实施销售流程和专用工作负载（如人工智能或数据工程），以推动产品与市场的契合。 Ramaswamy认为已经取得了稳步进展；同时，他也认为在提高效率方面 “还有更多收获”，以推动 “收入的进一步增长”。
新任首席执行官 Sridhar Ramaswamy 的首要任务 – 加快产品创新和开发：
Snowflake领导层最近对自己的创新步伐提出了批评。 他们直言不讳地告诉世界，他们需要加快步伐，而这种迹象已经显现。 其名为 Arctic 的中型语言模型（MLM）在某些基准测试中优于大型语言模型，如 Meta 较老的 Llama 2。 这是在 90 天内完成的，其培训成本仅为 “同等规模同行机型的八分之一”。 Arctic 专用于企业数据，并已开源，用户可以轻松构建模型和应用程序。 这就像所有开源模型一样，意味着第三方开发人员将通过自己的工作，逐步改善北极。 Arctic 在标准查询语言 (SQL) 生成和代码跟踪方面排名靠前。
在创新部分，我们不能不谈到人工智能。 对不起……规则不是我定的。 Cortex AI 就是雪花公司所说的 “人工智能层”。 这是一系列由 GenAI 驱动的工具，（正如 Snowflake 常说的）将人工智能、应用构建和分析直接 “带到客户的数据中”。 Cortex 可以从看似非结构化的文本中总结和提取意义，帮助初学者编写 SQL，从杂乱无章的数据中判断人类的情感，并帮助提高模式识别能力，从而加强预测。 目前有 750 名客户正在使用它。
- Snowflake 将数据迁移、清理、工程设计、SQL 编写和分析副驾驶视为 GenAI 的重点领域。
- 它并不认为自己需要像许多其他公司一样，投资数十亿美元购买 GPU 来构建 LLM。 Snowflake 相信，它所需要的大多数应用都可以由中小型机型提供动力。
“在我们的消耗模式中，Cortex AI 最酷的一点是，我们的客户不必进行大笔投资就能看到他们将获得的价值，因为他们不必承诺租用多少 GPU。例如，他们只需从 SQL 开始使用 Cortex AI。这意味着他们可以专注于价值创造”。- 首席执行官 Sridhar Ramaswamy
- Snowflake Unistore 是 Snow 的混合表产品，可以摄取和组织事务性和分析性工作负载。 这将在今年晚些时候全面发布。 它将以高效的方式解锁许多依赖于事务性工作负载的新型应用。 Snow迄今一直专注于分析性工作负载。
- 文档人工智能（Document AI）是其产品，可以从非结构化数据集中得出结构化的见解和模式。
- Snowflake 今年将首次推出容器服务，以管理应用程序的运行部署。 一半以上的 Snowflake 客户正在使用 Snowpark。
目前，Snowflake 正在完成对 Iceberg 桌面的支持，并将于今年晚些时候推出。 这些都是开源数据存储产品，通常具有较低的存储成本、开源集成灵活性和更强的数据控制能力。 数据存储和复制业务的激增导致收入减少，存储业务约占 Snowflake 全部业务的 10%。 Iceberg正在为企业创造更开放的数据访问途径。 随着一些数据从 Snowflake 表转移到 Iceberg 表，这是一个短期的不利因素，但领导层仍然认为这将是未来的加速因素。 采用这些开源表的客户通常有 90% 以上的数据已经在 Snowflake 之外。 现在，他们在使用 Snow 的所有其他应用程序和服务来处理大量数据时，将减少摩擦。 存储只占收入的 10%。 这个过程会伤害那 10%的人，但从长远来看，可能会帮助其他 90%的人。
数据共享：
33% 的Snow客户现在以某种方式与生态系统的其他部分共享数据，而去年同期和本季度分别为 24% 和 28%。 这就产生了一种引人注目的网络效应，使Snow的产品更具独特价值，潜在客户也更有动力签约。 本季度，通过与 Fiserv 的合作，网络效应使其赢得了 20 家客户。
观点
这是一个美好的季度。 有利有弊。 第一季度的业绩超预期无疑是最大的亮点，而较小的年度业绩增长可能只是出于对一些既定假设的谨慎考虑。 创新引擎正在加速，快速的业务流程外包增长为未来更快的收入增长埋下了伏笔。 相反，利润率的削减却相当可观，因为它需要加大资本支出，以支持其 GenAI 的雄心壮志。 从长远来看，这可能是一个正确的决定，但作为全球最昂贵的股票之一，投资者应该能够要求投资和持续的利润扩张。
