Snowflake 与 Anthropic 宣布达成重要合作伙伴关系,将 AI 代理直接嵌入企业数据环境中,使企业能够在严格的安全控制下分析海量信息。
两家公司将把 Anthropic 的 Claude 3.5 Sonnet 模型整合到 Snowflake 的新型 Cortex Agents 平台中,让组织能够在现有安全框架内部署 AI 系统,以分析结构化数据库信息和非结构化文档内容。
Snowflake 的 AI 负责人 Baris Gultekin 在媒体圆桌会议上表示:"我们相信 AI 代理很快将成为企业工作中不可或缺的一部分。它们将提升客户支持分析和工程等团队的生产力,让员工有更多时间专注于更高价值的工作。"
Snowflake 借助 Anthropic 的 Claude 3.5 增强 AI 能力
该合作解决了企业 AI 应用的一个关键挑战 — 安全地大规模部署强大的 AI 模型。Claude 将完全在 Snowflake 的安全边界内运行,消除了向外部 AI 服务发送敏感数据的顾虑。
Anthropic 的首席产品官 Mike Krieger 在新闻发布会上表示:"在 Snowflake 的安全边界内运行 Claude,让客户能够在数据受控的情况下构建和部署 AI 应用。"
早期结果显示前景可期。Snowflake 报告称,在内部基准测试中,复杂文本转 SQL 任务的准确率达到 90%,显著优于以往方法。西门子能源已经建立了一个 AI 聊天机器人,可分析超过 50 万页的内部文档,而日产北美在分析经销商体验的客户情绪时达到了 97% 的准确率。
Snowflake 如何使用 AI 实现业务数据分析自动化
Cortex Agents 可以跨结构化数据库和非结构化内容编排复杂的数据任务。该系统包含两个关键组件:将自然语言转换为准确数据库查询的 Cortex Analyst,以及 Snowflake 声称在标准基准测试中至少领先竞争对手 11% 的混合搜索系统 Cortex Search。
Snowflake 的产品执行副总裁 Christian Kleinerman 表示:"让 Snowflake 客户能够使用如此先进的模型有助于提升使用体验。无需考虑使用哪个模型,需要多少提示才能让系统按照我想要的方式运行或回答我需要的问题...这是非常棒的。"
Snowflake 的 Cortex Agents 承诺更智能、更快速的企业 AI
这次合作标志着企业 AI 战略的转变。企业现在寻求将 AI 直接整合到现有数据基础设施中,而不是将其视为独立的技术。
"没有人只是在寻找一个将输入 token 转换为输出 token 的供应商,"Krieger 解释道。"他们在寻找能够帮助他们制定 AI 战略的合作伙伴,这种战略要与他们的价值观一致,而且他们相信这个合作伙伴能够保持在技术前沿。"
该平台包括全面的监控功能,并维持现有的访问控制和合规要求 — 这些特性在 AI 监管不断发展的情况下至关重要。
Kleinerman 在发布会上指出:"一定程度的监管明确性会有帮助。但我认为这取决于我们所有人,特别是那些深入了解细节的研究实验室,我们要参与帮助制定这些监管规则。"
为何 Snowflake 的 AI 战略关注安全和治理
这次合作为技术决策者提供了一条在保持安全和治理的同时大规模部署 AI 的潜在途径。成功与否可能取决于谨慎的实施和能够带来可衡量业务价值的明确用例。
对于正在应对日益增长的数据量和复杂性的企业来说,安全有效地部署 AI 的能力可能成为关键的竞争优势。该平台将先进的 AI 能力与强大的安全控制相结合,预示着智能代理将成为企业运营不可分割的一部分。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。