像一间厨房把烘焙交给大烤箱、切配交给桌面小机器，数据项目也未必该把所有任务塞进同一个系统。一份基于 dbt 2.0.6 的实测指南展示了这种分工：同一 dbt 项目里，部分模型由云端平台 Snowflake 构建，另一些交给本地分析数据库 DuckDB；两者读写的不是各自复制的数据，而是同一目录中的 Apache Iceberg 表——一种让不同计算系统共享数据文件、表结构和版本信息的开放表格式。
关键变化是，共享数据可以直接放在 Snowflake 管理的存储里，不再要求用户另建 S3 bucket、IAM role 和 external volume。Snowflake Horizon 充当数据目录，告诉两个引擎“表在哪里、现在是哪一版”，并向 DuckDB 发放只覆盖对应表文件的短期凭证。dbt 则用 --target snowflake 或 --target duckdb 选择执行引擎，连模型测试也在负责构建它的引擎上运行。
这还不是全自动的统一编排：用户仍要手动决定每个模型交给谁、安排运行顺序，并为 DuckDB 准备运行机器；而且本地执行仍需联网读取目录和数据文件。但它已经说明，dbt 有机会从“仓库里的转换工具”进一步变成多引擎共同工作的项目界面。