❄️ Snowflake本周因 Q2 FY26 财报约 +22% 上行。但这只是结果。更值得深思的是：它用一组强劲的用户与财务数据，清晰回答了市场的核心问题——企业是否在为 AI 真实付费并持续消费？

财报要点：Q2 产品收入 $1.09B（+32% YoY），NRR 125%，$1M+ 客户 654，并将全年产品收入增速上调至 ~27%。支撑这一切的，是三类关键的 AI 使用信号。

📌三类关键用户信号

📶 强度：强度：AI 工作负载已成常态。 每周 6,100+ 个账户活跃使用 AI 功能（上季约 5,200，环比 ~17%）。由于一个客户可拥有多个账户，且官方未披露总账户数，所以还无法精确计算“AI 周活账户渗透率”。

📶 广度：AI 正在覆盖真实业务。 平台上约 25% 的已部署用例涉及 AI，反映其在企业核心场景的覆盖面。

📶 拉新：AI 成为增长核心因子。 近 50% 的新签客户受 AI 能力影响，说明 AI 不仅激活存量，也在创造增量。

📌 一套可复用的“行业标尺”

这三类信号不仅解释了 Snowflake 的成功，更重要的是，它们构成了一套评估所有 AI Infra的“五维基准线”：

📏 Baseline 1｜强度：看AI周活跃账户数（绝对值 + 环比趋势）。

📏 Baseline 2｜广度：看AI用例占比，反映其覆盖了多少核心业务场景。

📏 Baseline 3｜拉新：看AI对新签客户的影响占比，验证其市场吸引力。

📏 Baseline 4｜消费弹性：看产品收入增速 / NRR / $1M+ 客户数 / 业绩指引，确认财务指标是否与使用指标同向共振。

📏 Baseline 5｜前瞻性：看 RPO（剩余履约价值），观察客户未来已签约的预算。

❄️ 在企业级 AI 领域，关键不在于哪一个模型更聪明，而在于谁的工作负载被真实地跑了起来。用“强度、广度、拉新、弹性、前瞻”这五维基准线，我们才能在喧哗之中，分辨出真正的确定性。这或许是当下评估所有 AI 基础设施公司最有效的罗盘。