Snowflake公司今日宣布Snowflake Intelligence正式上线,这是该公司最新一波人工智能驱动产品的核心,旨在让不同技能水平的员工都能从企业数据中获得洞察。
Snowflake Intelligence于2025年6月在Snowflake Summit大会上首次发布,该平台允许用户使用自然语言提出复杂的商业问题,同时利用来自Snowflake和第三方数据源(如Salesforce的Data 360)的结构化和非结构化数据。Snowflake表示,该平台在测试阶段已被超过1000家客户使用,并已部署超过15000个AI智能体。
用户可以通过自然语言界面查询数据,无需编写代码。该产品能够自动解释业务语义,生成并执行SQL查询。Intelligence与Snowflake的Horizon目录集成,确保跨云、区域和格式的访问控制。
增强数据理解能力
Snowflake表示,其底层模型集成了来自Anthropic和OpenAI等合作伙伴的AI服务,能够合成多模态数据(如物流记录和内部通信),以识别趋势、根本原因并推荐行动。响应结果由经过验证的查询和语义视图支持,并通过"绿色盾牌"图标标示使用了认证数据源。
Snowflake Cortex AI智能体负责人Jeff Hollan表示,Intelligence被定位为"组织理解正在发生什么的战略组件"。他说:"这不仅仅是获取基本信息,而是要理解趋势发生的原因。"
为了提高可靠性,Snowflake的AI研究人员引入了一个名为智能体目标、计划、行动的新评估框架,据报告在测试期间能捕获高达95%的错误。该公司还声称,文本转SQL的性能现在比以前快了三倍。
Hollan表示,智能体功能不仅限于回答查询,还能执行操作。他演示了一个场景,其中公司的物流供应商被自动更改,并通过Slack通知团队。
开发者工具增强
Snowflake还在本周的Build大会上宣布了一套面向开发者的增强功能,旨在支持企业级AI开发。这些功能包括Cortex智能体的正式上线,允许开发者定义自定义数据智能体,以及模型上下文协议服务器,促进Snowflake与外部AI工具之间的安全通信。
开发者可以使用动态表和Cortex AISQL在Snowflake内构建和测试AI管道。即将推出的功能AI Redact将帮助识别和删除非结构化数据中的敏感信息。
该公司还推出了Cortex Code,这是一个直接集成到Snowflake界面的AI助手,帮助完成查询优化和系统导航等任务。为了支持版本控制和协作,工作空间现在包括Git和Visual Studio Code集成。
扩展数据湖仓支持
Snowflake正在扩展对数据湖仓的支持,通过更新Horizon目录和Snowflake OpenFlow数据集成服务,使组织能够使用Apache Iceberg和Apache Polaris目录等开源元素跨系统摄取、治理和共享数据。
产品执行副总裁Christian Kleinerman表示,目标是使AI智能体能够安全访问所有企业数据,无论格式或位置如何。现已正式上线的交互式表和数据仓库提供亚秒级查询响应时间,为实时仪表板和应用程序提供支持。
PostgreSQL集成
Snowflake还引入了完全托管的PostgreSQL数据库引擎版本,允许组织在单一平台上同时运行事务性工作负载和分析任务。Postgres开发者可以使用名为pg_lake的新扩展直接从Postgres读写Iceberg表,无需提取、转换、加载过程。
Kleinerman表示,Snowflake已缩短产品发布周期,比以往任何时候都更快。该公司计划继续解决采用障碍,这些障碍往往源于数据访问和治理的碎片化,而不是AI模型本身。
Q&A
Q1:Snowflake Intelligence是什么?它有什么功能?
A:Snowflake Intelligence是Snowflake公司推出的AI驱动产品的核心,它允许用户使用自然语言提出复杂的商业问题,自动解释业务语义并生成SQL查询,已被超过1000家客户使用,部署了超过15000个AI智能体。
Q2:Cortex Code有什么作用?
A:Cortex Code是一个直接集成到Snowflake界面的AI助手,帮助用户完成查询优化和系统导航等任务,帮助用户理解Snowflake使用情况,优化复杂查询并微调结果以降低成本。
Q3:Snowflake如何支持PostgreSQL数据库?
A:Snowflake引入了完全托管的PostgreSQL数据库引擎版本,允许组织在单一平台上同时运行事务性工作负载和分析任务。开发者可以使用pg_lake扩展直接从Postgres读写Iceberg表,无需传统的数据处理流程。
好文章,需要你的鼓励
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。