数据平台Snowflake正在其Cortex AI服务中整合Google的Gemini模型,旨在为客户提供在其数据环境边界内访问基础模型的能力,支持各种云平台环境。
Snowflake客户使用该平台存储几乎所有运营数据,包括ERP等财务记录、CRM记录(包括工单和交易)、物联网和传感器数据、API调用和响应、网站用户活动数据,甚至包括PDF、文档文件、图像、视频和音频等内容。Cortex AI允许用户选择他们偏好的模型,现在包括Gemini,来使用大语言模型处理这些海量信息以获得业务洞察。
跨云环境原生支持
Snowflake AI工程和研究副总裁Dwarak Rajagopal通过邮件向媒体表示:"通过在Snowflake中原生运行Gemini,客户可以通过跨区域推理在所有支持的云平台上使用Gemini模型,无论他们的Snowflake环境运行在AWS、Azure还是Google Cloud上。"
这一分阶段推出策略是Snowflake AI模型无关策略的一部分,该策略确保客户能够在Cortex堆栈中使用最佳模型,而无需重新架构数据或工作流程。
"我们的理念是提供无妥协的模型选择——客户不应该为了使用最佳可用模型而在创新、治理或简便性之间做出权衡,"Rajagopal说。
多模型生态系统扩展
Cortex AI已经支持OpenAI、Anthropic、Deepseek、Meta和Mistral等模型。通过Cortex AI,用户可以直接在SQL中或通过API访问这些模型,分析多模态数据,然后构建AI应用场景。
虽然公司没有披露具体定价信息,但显然与Snowflake的"更广泛的消费模式"保持一致。Rajagopal表示:"客户只需为实际使用的部分付费,这降低了风险,鼓励创新,并使AI从实验阶段转向生产环境变得更加容易。"
他补充说,Snowflake希望客户在平台内开始工作,"从小规模开始,自由实验,并基于真实价值而不是沉没成本来扩大AI使用规模"。
从周二开始,Snowflake客户可以通过Cortex AI Functions开始使用Gemini 3 Pro和Gemini 2.5 Flash的公开预览版。对Snowflake Intelligence和Snowflake Cortex智能体的支持即将到来,客户使用这些功能来构建能够利用公司数据的AI智能体。
Q&A
Q1:Snowflake Cortex AI现在支持哪些AI模型?
A:Cortex AI目前支持OpenAI、Anthropic、Deepseek、Meta、Mistral等模型,最新加入的是Google Gemini。用户可以直接在SQL中或通过API访问这些模型,分析多模态数据并构建AI应用场景。
Q2:Snowflake如何实现跨云平台使用Gemini模型?
A:通过在Snowflake中原生运行Gemini,客户可以通过跨区域推理在所有支持的云平台上使用Gemini模型,无论他们的Snowflake环境运行在AWS、Azure还是Google Cloud上,无需重新架构数据或工作流程。
Q3:Snowflake的AI服务采用什么样的收费模式?
A:Snowflake采用消费模式收费,客户只需为实际使用的部分付费。这种模式降低了风险,鼓励创新,并使AI从实验阶段转向生产环境变得更加容易,让客户能够从小规模开始并基于真实价值扩大使用规模。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。