Snowflake подписала с Amazon Web Services пятилетний контракт на $6 млрд, и это не просто крупная облачная закупка. Сделка Snowflake и AWS показывает, куда смещается экономика ИИ: помимо дефицитных GPU, в центре внимания оказываются CPU, на которых держится повседневная работа AI-сервисов, агентов и корпоративной автоматизации.
О соглашении 27 мая сообщила TechCrunch. Для масштаба: по данным AWS, с момента основания Snowflake в 2012 году компания продала через AWS Marketplace сервисов примерно на $7 млрд. Новый контракт почти дотягивается до этой суммы в одиночку. И это, пожалуй, лучший индикатор того, насколько быстро корпоративные клиенты переводят свои ИИ-нагрузки в режим постоянного потребления, а не пилотов и презентаций для совета директоров.
Формально ничего сенсационного в самом партнерстве нет: Snowflake изначально строилась на AWS, хотя теперь работает также в Microsoft Azure и Google Cloud. Важнее другое: соглашение завязано на расширенный доступ к собственным ARM-процессорам Amazon семейства Graviton. Если несколько лет назад разговор об инфраструктуре для ИИ почти целиком сводился к Nvidia и ее GPU, то теперь облачные провайдеры все настойчивее продают заказчикам идею, что не все AI-задачи требуют самых дорогих ускорителей.
Логика здесь довольно приземленная. GPU по-прежнему критичны для обучения моделей и значительной части инференса, но вокруг этого есть большой слой рутинной работы: orchestration, вызовы сервисов, обработка данных, API-обвязка, выполнение агентных сценариев, подготовка запросов и последействия после ответа модели. Именно на этом фоне сделка Snowflake и AWS выглядит особенно показательной. Чем больше компании переходят от экспериментов с генеративным ИИ к ежедневному использованию, тем важнее становится стоимость каждого вспомогательного вычислительного шага. А это уже территория CPU.
Snowflake прямо связывает рост закупок с ускорением AI-нагрузок. По словам компании, расходы ее клиентов на AWS удвоились в 2025 календарном году и достигли $2 млрд только за этот период. Драйвером выступает Cortex AI, набор инструментов Snowflake для работы с ИИ поверх корпоративных данных. Продукт решает довольно понятную задачу: данные у крупных компаний уже лежат в Snowflake, значит, логично запускать ИИ-функции там же, а не вывозить все в отдельный стек. Отсюда и сценарии, которые бизнес охотнее покупает: текстовые запросы к базам на естественном языке, автоматические сводки, генерация отчетов и более широкая автоматизация поверх хранилища данных.
Для российских разработчиков и продуктовых команд здесь интересен не сам размер чека, а архитектурный сдвиг. Корпоративный ИИ все меньше похож на отдельную модель и все больше на цепочку сервисов вокруг данных. В такой схеме выигрывает не только тот, у кого самый мощный GPU-кластер, но и тот, кто умеет дешево и массово обслуживать фоновые операции. Поэтому ставка AWS на Graviton выглядит не маркетинговым украшением, а попыткой закрепить за собой кусок AI-рынка, который растет быстрее, чем принято замечать в публичных обсуждениях.
Amazon эту линию продвигает давно и довольно агрессивно. Глава компании Энди Джесси в апреле говорил, что собственные ИИ-чипы Amazon дают более выгодное соотношение цены и производительности, чем предложения Nvidia. При этом AWS не отказывается от ускорителей Nvidia и продолжает использовать их в облаке: речь не о разводе, а о торге за маржу и контроль над инфраструктурой. Когда спрос на AI-вычисления остается настолько высоким, что мощности разворачивают «настолько быстро, насколько могут», даже частичное смещение нагрузки на собственные процессоры превращается в очень хорошие деньги.
Snowflake тут не исключение. Месяцем ранее AWS заключила сделку с Meta на поставку миллионов чипов Graviton для растущих ИИ-потребностей компании. Для Amazon это был особенно приятный эпизод, потому что несколькими месяцами ранее Meta подписала соглашение с Google Cloud на $10 млрд. Иными словами, крупнейшие заказчики уже не делают ставку на одного поставщика и не привязываются к одному типу железа. Они собирают инфраструктуру по цене, доступности и профилю конкретной нагрузки. Для облачного рынка это означает усиление конкуренции не только между провайдерами, но и между их собственными кремниевыми стратегиями.
На этом фоне Nvidia, конечно, никуда не исчезает и в ближайшее время не превращается в «еще одного игрока». Практически все крупные разработчики моделей и большая часть AI-сервисов оптимизированы под ее экосистему. Это огромный барьер для быстрого передела рынка. Но сигнал читается ясно: гиперскейлеры больше не хотят оставаться просто витриной для чужих чипов. Google много лет развивает собственные AI-процессоры, Microsoft в январе запустила Maia, а Amazon наращивает продажи Graviton как экономически разумной базы для части ИИ-задач.
Jensen Huang на прошлой неделе ответил в своем стиле: заявил, что новый CPU Nvidia Vera открывает для компании «совершенно новый» рынок объемом $200 млрд, и добавил, что на $20 млрд таких решений уже продано. Это важный штрих. Даже Nvidia теперь говорит не только про GPU, но и про CPU в контексте ИИ. Значит, спор уже не о том, нужен ли процессорный слой в AI-экономике, а о том, кто снимет с него основную выручку: производители универсального железа или сами облачные платформы, которые продают все в составе сервиса.
Для бизнеса вывод довольно жесткий. Если ваша AI-стратегия по-прежнему сводится к выбору модели и поставщика GPU, вы смотрите на проблему слишком узко. Реальная стоимость ИИ все чаще живет в интеграции данных, в постоянном инференсе, в агентных сценариях и в том самом «неинтересном» compute, который раньше считался второстепенным. Именно поэтому сделка Snowflake и AWS выглядит не разовой корпоративной закупкой, а маркером новой фазы рынка: крупные игроки начали заранее бронировать не просто облако, а конкретный тип вычислительного ресурса под долгий цикл AI-эксплуатации.
Следующий вопрос уже не в том, ослабит ли это позиции Nvidia завтра утром. Важнее, насколько быстро корпоративный ИИ окончательно разделится на два слоя: дорогие ускорители для модели и массовые CPU-кластеры для всего, что делает эту модель полезной в реальной работе. Если этот сценарий закрепится, самые большие контракты ближайших лет будут выигрывать не только те, кто умеет обучать ИИ, но и те, кто научился дешево обслуживать его рутину.