Впервые Databricks превзошел Snowflake по выручке. Разбираем, как архитектура, изначально созданная для машинного обучения, оказалась важнее удобной аналитики в эпоху искусственного интеллекта.
3 мин
В индустрии больших данных произошла знаковая перестановка: компания Databricks впервые обошла своего главного конкурента Snowflake по объему выручки. Еще два года назад Snowflake опережал соперника на 220 миллионов долларов ежеквартально, но сегодня Databricks вырвался вперед на 120 миллионов долларов.
Это не просто колебание рынка, а сигнал фундаментального сдвига. Рост Databricks ускоряется даже при достижении масштабов в 5 миллиардов долларов выручки, что является аномалией для компаний такого размера. Причина кроется в архитектуре: подход Databricks оказался более приспособленным к эпохе искусственного интеллекта, чем классические хранилища данных Snowflake.
Чтобы понять причины, нужно вернуться к истокам обеих компаний.
Databricks выросла из академической среды Беркли. В 2009 году ее основатель Матей Захария создал Apache Spark — движок, предназначенный для быстрых итераций, экспериментов и сложной обработки данных. Это был инструмент для инженеров и ученых по данным, готовых к «хаосу» машинного обучения.
databricks_snowflake_quarterly
Snowflake, созданная выходцами из Oracle тремя годами позже, решала другую проблему. Компании тонули в данных и нуждались в понятной аналитике. Snowflake предложила архитектуру, где хранение и вычисления масштабировались независимо, а SQL-запросы выполнялись быстро и просто. Это был идеальный инструмент для бизнес-аналитиков: чистые таблицы, понятные дашборды, предсказуемость.
Долгое время эти два подхода существовали параллельно. Один помогал извлекать смысл из имеющихся данных (Snowflake), другой — создавать новые модели на их основе (Databricks).
Переломным моментом стало массовое внедрение искусственного интеллекта. AI — это не просто новая функция, которую можно добавить в существующий продукт, а смена архитектурной парадигмы.
Работа аналитика выглядит так: «Покажи мне продажи по регионам за четвертый квартал». Snowflake справляется с этим блестяще, выдавая чистую таблицу за секунды.
Работа специалиста по данным (Data Scientist) выглядит иначе: ему нужны кластеры GPU, которые быстро запускаются и отключаются, доступ к сырым, неочищенным логам и инфраструктура, позволяющая дешево проводить тысячи неудачных экспериментов при обучении модели. Архитектура Snowflake, заточенная под порядок и чистоту, создает здесь лишнее трение.
Databricks успешно вторгся на территорию конкурента. Их продукт Databricks SQL вырос с 100 миллионов до 1 миллиарда долларов выручки менее чем за три года. Параллельно их новые продукты для AI, такие как бессерверная база данных Lakebase, растут вдвое быстрее, чем традиционные хранилища данных.
databricks_snowflake_growth
Сейчас перед компаниями стоят разные задачи. Databricks нужно добавить «скучные» корпоративные функции: понятное ценообразование, налаженные процессы продаж и операционную зрелость. Это решаемые задачи, часто сводящиеся к найму правильных людей.
Snowflake же столкнулся с более сложным вызовом. Им необходимо перестроить свою архитектуру под мир, для которого она не создавалась: под работу с GPU, неструктурированными данными и итеративный процесс обучения моделей. Перестраивать фундамент, когда в здании уже живут люди (клиенты), крайне сложно.
Рынок уже оценил эту разницу. При схожих показателях выручки оценка стоимости Databricks на 45% выше, чем у Snowflake. Инвесторы ставят на того, чья платформа позволяет не просто анализировать прошлое, а строить будущее.
Snowflake осознает угрозу. Компания запустила платформу Intelligence, заключила партнерства с OpenAI и Anthropic на 200 миллионов долларов. Генеральный директор Шридхар Рамасвами заявляет, что Snowflake находится «в центре революции AI».
Однако главный вопрос остается открытым: что проще — научить сложный инженерный инструмент быть удобным для бизнеса или научить инструмент для бизнес-аналитики работать со сложными AI-нагрузками? Пока динамика на стороне тех, кто изначально строил систему для экспериментов и создания нового.
databricks_snowflake_projections
Databricks обогнал Snowflake по выручке благодаря архитектуре, изначально заточенной под хаотичную природу машинного обучения, что оказалось важнее удобной аналитики в эпоху AI.
Легче добавить корпоративную бюрократию и отчетность в инженерный продукт (задача Databricks), чем перестроить фундамент аналитической базы данных под хаос нейросетей (задача Snowflake).
