Acum trei ani, Snowflake și Databricks erau două filosofii diferite — data warehouse cloud-native versus lakehouse pe Spark. În 2026, după ce ambele Summit-uri din iunie și-au lăsat suficient timp anunțurilor să ajungă în mâinile clienților, granițele s-au estompat considerabil. Ambele platforme au lansat funcționalități care, până recent, erau argumentul de diferențiere al celeilalte. Cele patru luni scurse de la cele două conferințe sunt exact intervalul în care promisiunile încep să se separe de produsele utilizabile — și e momentul potrivit pentru o privire onestă, dincolo de zgomotul de keynote.

Acest articol nu inventariază fiecare anunț. Identifică schimbările care contează pentru deciziile de arhitectură.

Snowflake: Cortex AI și mutarea spre platformă completă

Snowflake Summit 2026 (San Francisco, iunie) a confirmat direcția anunțată în 2025 — Snowflake nu mai vrea să fie doar data warehouse. Cortex AI, suite-ul de capabilități AI integrate în platformă, a primit extinderi serioase.

Trei lansări notabile:

• Cortex Agents — agenți AI care rulează în mediul Snowflake, cu acces direct la date și la modele LLM (proprii sau externe). Pentru analytics conversațional fără infrastructură separată.
• Snowflake Native Apps Marketplace extins — peste 400 de aplicații third-party rulează direct în account-ul clientului, fără mișcare de date.
• Iceberg Tables ca format primar — Snowflake suportă acum nativ tabele Iceberg, cu performanță comparabilă cu formatul propriu. Decizie cu impact strategic: clienții pot deține datele în Iceberg pe storage propriu și pot folosi Snowflake doar pentru compute.

Ultima mișcare e cea mai interesantă. Câțiva ani Snowflake era criticat pentru „lock-in” pe formatul propriu. Adoptarea Iceberg ca cetățean de prim rang închide acel argument competitiv pe care Databricks îl folosea agresiv.

Databricks: convergența pe SQL și pe semantic layer

La Databricks Data + AI Summit (San Francisco, iunie), tema centrală a fost finalizarea convergenței între lakehouse și data warehouse. La patru luni distanță, anunțurile-cheie se văd cu mai multă claritate:

Databricks SQL Serverless a primit îmbunătățiri majore de performanță și o experiență mai apropiată de un EDW clasic. Pentru workload-uri BI cu utilizatori concurenți, performanța se apropie de Snowflake pe benchmark-uri standard. Blog-ul oficial Databricks a publicat numere care indică reducerea cold-start-ului de la 5-10 secunde la sub 1 secundă în multe scenarii.

Unity Catalog Metric Views — implementarea nativă a unui semantic layer în catalogul Unity. Metricele se definesc o singură dată, în SQL, și sunt disponibile pentru orice tool BI care se conectează. Acoperă teritoriul ocupat anterior de dbt Semantic Layer și Cube.

Mosaic AI Gateway a primit suport pentru routare automată între modele (open source și proprietare), pentru caching de prompt-uri și pentru observability. Devine infrastructură de producție, nu doar experimentare.

Direcția e clară. Databricks vrea să devină platforma pe care rulează nu doar pipeline-urile de date și ML, ci și aplicațiile AI ale companiei.

Punctul în care se întâlnesc

Decembrie 2025 părea încă să separe vizibil cele două lumi. La sfârșitul lui 2026, suprapunerea funcțională e suficient de mare încât o întrebare de tipul „de ce ai ales unul în loc de celălalt?” primește răspunsuri tot mai puțin tehnice și tot mai mult ecosistemice.

Echipele care aleg Snowflake în 2026 o fac, de regulă, pentru:

• Ușurința operațională. Snowflake rămâne mai simplu de administrat pentru echipe mici.
• Marketplace-ul de date externe — cel mai matur din industrie.
• Cazurile BI clasice cu echipe de SQL analyst.

Echipele care aleg Databricks o fac pentru:

• Workload-uri ML serioase și pipeline-uri AI integrate cu datele.
• Lakehouse-uri mari (peste petabyte) cu cerințe de cost-control granular.
• Flexibilitatea de a rula compute pe propriul cloud (BYOC).

Pe partea de cost, comparațiile directe rămân dificile pentru că modelele de pricing sunt structural diferite. Snowflake taxează pe credite de compute, cu suspend automat. Databricks taxează pe DBU, cu cost diferit pe tipul de cluster. Pentru un workload identic, diferența ajunge frecvent în zona de 10-25% într-o direcție sau alta, în funcție de pattern-ul de utilizare. Cine îți spune cu certitudine că „X e mai ieftin decât Y”, nu a făcut calculul pe propriul use case.

Ce trebuie să urmărești în Q4 2026 și Q1 2027

Trei direcții care vor cântări la deciziile de anul viitor.

Integrarea cu agenți AI. Atât Snowflake (prin Cortex Agents), cât și Databricks (prin Mosaic AI) construiesc infrastructură pentru analytics conversațional la nivel enterprise. Care va avea cea mai bună experiență dezvoltator e încă deschis. Beta-urile lansate în Q3 2026 sunt promițătoare dar imature.

Semantic layer ca standard. Atât Snowflake cât și Databricks au făcut pași pentru a defini metrici la nivel de platformă. Trecerea de la „semantic layer e un tool extern” la „e parte a platformei de date” schimbă peisajul tool-urilor BI care până acum își justificau existența parțial prin acest strat.

Iceberg ca format universal. Cu Snowflake susținând Iceberg nativ și Databricks construind compatibilitate completă, formatul devine standardul de facto pentru tabelele open lakehouse. Înseamnă portabilitate reală a datelor între platforme. Pentru companiile care voiau alternativă la vendor lock-in, devine fezabil ce era teoretic.

Tema se leagă natural de discuția despre Microsoft Build, unde am intrat în detaliu pe pattern-urile pe care le observăm în piață. În fond, Snowflake Databricks nu e doar un concept tehnic — este o decizie de business cu impact direct pe productivitatea echipei.

Ce înseamnă pentru o decizie reală

O companie mid-market care evaluează în Q4 2026 nu mai trebuie să aleagă „filosofic”. Trebuie să răspundă la trei întrebări concrete: ce ecosystem deja avem (Microsoft, AWS, GCP), ce tip de workload e dominant (BI clasic versus ML versus mix), și ce competențe are echipa.

O echipă cu trei data engineers și 12 analyst SQL — Snowflake e calea cu cel mai mic risc.

O echipă cu cinci data scientists, două ML engineers și pipeline-uri ETL custom — Databricks oferă mai mult pe verticala AI/ML.

O echipă mare care vrea ambele lumi — în 2026, e perfect rezonabil să folosească ambele, pe straturi diferite. Vremea în care alegerea trebuia să fie exclusivă s-a încheiat în liniște, fără anunț de presă. Dar asta e tocmai ce s-a schimbat cel mai mult în 2026: nu lansările individuale, ci faptul că alegerea între cei doi giganți a devenit o decizie de portofoliu, nu de credință.

În practică, Snowflake Databricks a trecut de la subiect de roadmap la prioritate operațională pentru echipele care livrează rezultate de business — exact tipul de tracțiune pe care o vedem reflectată în deciziile reale de buget. Pentru cititorii care lucrează zilnic cu Snowflake Databricks, articolul rămâne deschis pentru update-uri pe măsură ce piața evoluează.

Întrebări frecvente

Ce a anunțat Snowflake în 2026?

Summit-ul din iunie a confirmat direcția din 2025: Snowflake nu mai vrea să fie doar data warehouse. Trei mișcări — Cortex Agents, agenți AI care rulează în mediul Snowflake cu acces direct la date și la modele LLM; extinderea Native Apps Marketplace, cu peste 400 de aplicații terțe care rulează direct în contul clientului, fără mișcare de date; și adoptarea Iceberg Tables ca format primar, cu performanță comparabilă cu formatul propriu.

Ce a făcut Databricks?

A finalizat convergența dintre lakehouse și data warehouse. Databricks SQL Serverless a primit îmbunătățiri majore de performanță și o experiență apropiată de un EDW clasic, Unity Catalog Metric Views a adus un semantic layer nativ în catalog, iar Mosaic AI Gateway a primit rutare automată între modele open source și proprietare, caching de prompt-uri și observabilitate.

De ce alege cineva Snowflake în 2026?

Pentru ușurința operațională — rămâne mai simplu de administrat pentru echipe mici — pentru marketplace-ul de date externe, cel mai matur din industrie, și pentru cazurile BI clasice cu echipe de analiști SQL.