SAP收购数据湖仓厂商Dremio，剑指企业AI数据整合

SAP周一宣布计划收购Dremio，收购金额未予披露。Dremio自我定位为一家智能体湖仓公司。此次收购因SAP现有合作伙伴Snowflake和Databricks提供类似产品而显得颇为复杂，但分析师指出Dremio具备明显差异化优势，尤其体现在其能够直接在企业内部环境中处理数据，而无需将数据迁移至外部平台。

SAP为此次收购给出的理由之一是，此举在理论上将使IT高管更容易将SAP数据与非SAP数据融合。但更核心的逻辑在于Dremio能够让复杂数据更具AI友好性，从而更快速、更高效地加以利用。

SAP在声明中表示："大多数企业AI项目未能产生价值，并非因为AI本身的问题，而是因为底层数据碎片化、被锁定在专有格式中，且缺失使其具有实际意义的业务上下文。由此带来的是一种常见且代价高昂的困境：概念验证项目难以规模化落地、新数据源集成缓慢、工程工作重复，以及当企业无法解释AI决策依据时面临的合规风险。Dremio有助于消除这种数据碎片化和集成摩擦。"

尽管SAP援引了数据质量方面的论据，但企业数据质量问题涉及诸多层面，包括数据过时、来源不可靠或缺乏有效上下文等情况，而这些问题并非Dremio所能全面解决。

SAP表示："借助Dremio，SAP Business Data Cloud将成为基于Apache Iceberg原生架构的企业级湖仓，统一SAP与非SAP数据，以企业级规模驱动智能体AI。Apache Iceberg是业界标准的开放表格格式，SAP Business Data Cloud将以其为原生基础。"这意味着无需进行数据迁移或格式转换，SAP与非SAP数据"可在同一开放基础上共存，并实现对所有企业数据源的联邦分析覆盖。"

分析师和顾问表示，将Dremio与SAP现有合作伙伴Snowflake和Databricks进行对比是一件复杂的事。例如，Dremio比Snowflake和Databricks更年轻、成熟度更低，这意味着其在企业级应用方面尚有差距。

荷兰Aarini Consulting首席执行官、SAP战略专家Harikishore Sreenivasalu表示，Snowflake和Databricks在多年前都会是理想的收购目标，但如今收购价格已高得难以承受。

"Databricks和Snowflake对企业IT而言无疑更好，因为它们拥有成熟平台，支持多云部署，而Dremio是市场新入局者，在企业级就绪方面还需要进一步成熟，其安全能力也有待提升，"Sreenivasalu说。

但他也补充称，SAP加大投入并与Dremio团队深度协作后，局面可能会很快改变。他建议CIO"保持现有部署不变，但密切关注技术整合进展，认真倾听SAP的产品路线图规划。"

在一篇领英帖子中，Sreenivasalu表示此次收购对SAP而言仍然是重大利好："这正是SAP缺失的那块拼图。SAP有Joule，有BTP，有业务流程，现在又有了开放数据架构，能够为AI智能体提供所需的业务上下文，让它们不只是回答问题，而是真正采取行动。对于我们这些在SAP BTP、Databricks和SAP BDC上构建应用的人来说，这是一个明确信号：湖仓世界与ERP世界正在快速融合。企业AI的未来变得前所未有地清晰。"

在周一上午的新闻发布会上，SAP高管着重阐述了此次收购如何有望解决大语言模型在处理企业数据时面临的一些关键局限，尤其是在预测分析方面。

SAP首席技术官Philipp Herzig指出，大语言模型存在多方面局限，"大语言模型在处理数字方面表现并不理想"，在应对"存在大量差异化信息"的结构化数据时也力不从心。

这一差距在系统尝试预测未来而非分析过去时尤为突出，例如预测某零售商未来10个月的产品销量，或预测可能出现的付款延迟及其对预期现金流的影响。"这正是大语言模型最为吃力的地方，"Herzig说。他还强调，Dremio能够在数据仍驻留于企业本地系统的情况下直接进行处理，这对于受严格监管的企业而言至关重要。

LexisNexis Risk Solutions Group首席信息安全官Flavio Villanustre同样认为本地化数据处理能力是最大的吸引力所在。

他指出，Databricks和Snowflake都提供了强大的功能，但用户必须将数据迁移至其平台并进行格式重组，完成后才能形成一个集中式数据湖来满足数据访问需求。"而Dremio则提供了便捷的去中心化数据访问方式，允许用户就地访问数据，"他说，"当然，这可能会以数据处理性能为代价，但易用性和灵活性或许足以抵消这一性能损耗。"他还补充道，数天内即可完成部署（而非数周乃至数月）是另一大优势，"这带来的好处不容小觑。"

Greyhound Research首席分析师Sanchit Vir Gogia对此表示认同，但程度有限。

"'Dremio允许数据原地驻留，而Snowflake和Databricks要求所有数据迁移'这一区分并不那么绝对，"他指出，"Snowflake和Databricks都在外部数据访问、数据共享、开放格式、治理层以及互操作性方面进行了大量投入，将两者描述为'先搬移一切'的老式平台是不公平的。"但他同时表示，更宏观的判断仍然成立。"Dremio的出发点是企业数据本已分散，而首要问题往往是访问、上下文、联邦和治理，而非整体迁移。对于SAP客户而言，这一点至关重要，"他说。

这与许多SAP大型企业客户的数据现状密切相关。

"大多数大型SAP客户的数据环境并非干净、集中的，"他指出，"而是典型的存量系统格局：SAP数据、非SAP数据、遗留数据仓库、部门级数据湖、区域性存储库、并购系统、合作伙伴数据以及行业专用平台。"告诉这些客户AI就绪要从把一切数据迁移至一个中央平台开始，对厂商来说或许是好事，但对买家来说工作量极大。

Dremio为SAP提供了"一个更务实的叙事，"Gogia说，"它让SAP得以承诺：保留更多数据在原位，更快速地访问，施加更统一的目录和语义控制，并将数据纳入Business Data Cloud和AI工作流，而无需在前期强制推行大规模数据迁移项目。"

纽约科技咨询公司Tribeca Softtech首席战略官Aman Mahapatra指出，收购Snowflake或Databricks将彻底摧毁SAP的市场定位和销售主张。

"SAP买的不是数据仓库，而是在开放表格格式之争中争得一席之地，收购时机本身就说明了为什么Snowflake和Databricks从来都不是现实的收购目标，"他说，"收购其中任何一家都会立即瓦解SAP Business Data Cloud的中立性叙事，并将一半客户群推向对立面。SAP的战略定位依赖于凌驾于数据仓库层之上而非深陷其中，而Dremio正是那个能够与Snowflake和Databricks同时对话的联邦层，使SAP无需选边站队。"

Mahapatra提醒企业CIO保持高度谨慎。

"对于目前与Snowflake和Databricks有合同的IT高管而言，未来两个季度不会有任何变化，但到2027年上半年，预计SAP将把净新增AI工作负载引导至Business Data Cloud，无论今天的合作伙伴关系声明如何表述。现在就为这一趋势提前布局的CIO，将在谈判中占据主动地位，"Mahapatra说。

他表示，数据仓库厂商提供的计算与存储能力正在迅速商品化，企业AI领域的"可持续价值"正向语义层、数据目录、数据血缘图谱以及让智能体理解特定组织内"活跃客户"含义的业务上下文迁移。

"SAP刚刚买下了在所有以SAP为核心的企业中掌控这一层的工具集，"他说，"如果你是一家SAP重度用户，同时在Snowflake或Databricks上运行分析，你的数据仓库厂商即将感受到战略地位的下滑，逐渐沦为高性能计算后端。"

Moor Insights & Strategy首席分析师Jason Andersen指出，长期以来SAP一直在不遗余力地鼓励企业将所有数据托管于SAP系统之中，这一立场即便SAP有意改变也难以轻易逆转。

在他看来，收购Dremio实际上是为了解决一个现实问题——大量企业CIO，尤其是制造业和强监管行业的CIO，一直拒绝将部分数据交由SAP管理。Dremio的收购为SAP提供了一种体面的方式，得以覆盖客户更高比例的数据资产。

"制造业企业对上云心存抵触，制造业CIO对迁移上云强烈反对，"Andersen说，"此次收购让SAP得以访问大量尚未迁移至SAP的数据。"

Info-Tech Research Group首席研究总监Shashi Bellamkonda认为，SAP收购Dremio是在弥补多年前未能自主开发Apache Iceberg能力所犯的战略失误。

"Apache Iceberg是一种专为存储于数据湖中的大规模分析数据集设计的开源表格格式，是原始数据文件与分析工具之间的桥梁，"Bellamkonda说，"SAP本应更早采取行动，而不是等到2026年才亡羊补牢。"

Q&A

Q1：SAP为什么要收购Dremio而不是Snowflake或Databricks？

A：收购Snowflake或Databricks的成本极高，且会破坏SAP Business Data Cloud的中立性定位，导致大量客户流失。Dremio作为联邦数据访问层，能够同时与Snowflake和Databricks对接，让SAP无需在两者之间选边站队，同时以更低成本获得开放表格格式领域的核心能力。

Q2：Dremio和Snowflake、Databricks有什么区别？

A：Snowflake和Databricks通常需要用户将数据迁移至其平台并重新格式化，才能进行处理和分析。Dremio的核心优势在于支持数据就地访问，无需搬移数据即可直接在企业原有环境中进行联邦查询，部署周期也更短。不过Dremio相对年轻，平台成熟度和安全能力尚不及前两者。

Q3：大语言模型处理企业数据有哪些局限？Dremio能解决吗？

A：大语言模型在处理数字和结构化数据时表现欠佳，尤其难以胜任预测性分析任务，例如预测未来销量或现金流变化。Dremio通过统一SAP与非SAP数据、减少数据碎片化，为大语言模型提供更完整的业务上下文，有助于缓解这一局限，但并不能解决数据过时或来源不可靠等其他数据质量问题。