Snowflake正在通过资金投入和持续行动推进一个核心理念:让AI在其平台上发挥最佳效果。
无论是与OpenAI签署的2亿美元合作协议,还是即将收购Observe公司,以及新推出的Project SnowWork项目,Snowflake的合作伙伴Gary McConnell表示,这些努力使该平台在业界讨论中频频出现。
解决方案提供商VirtuIT的CEO McConnell告诉记者:"Snowflake近期行动的引人注目之处不仅仅在于金额数字,更在于其一致性。Snowflake在功能路线图上表现积极。他们还在可观测性方面进行投资,这应该有助于随着复杂性扩展而提供企业级支持。"
McConnell表示,Snowflake近期的举措重点关注帮助客户实现AI的真正投资回报,这是其企业客户中的一个重要话题。
"OpenAI合作关系、收购Observe的意向以及Project SnowWork都指向同一个论点:您的数据平台应该是AI工作实际发生的地方,而不仅仅是您导出数据的源头,"他告诉记者。"对我们的客户而言,这是一个有意义的转变。历史上,组织必须将数据仓库、特征存储和独立的AI/机器学习环境拼接在一起。Snowflake正在整合这个技术堆栈,我们看到客户对这种整合方案表现出真正的兴趣。"
McConnell说,Snowflake在功能路线图上表现积极,并将投资可观测性作为AI数据复杂性扩展的关键组件。
"客户对能够将AI工作负载引入数据而不是将数据移动到AI感到兴奋,"他说。"了解数据位置和谁接触过数据的治理策略在制药、法律和金融等受监管行业中也引起强烈共鸣。"
Snowflake每年都在增加数千名客户,从2023年1月的7,800名增长到今年1月的13,330名,三年内客户基础增长了70%。
在同一时期,它还增加了更多企业客户,从2023年《福布斯》全球2000强中的573家增长到2026年1月的790家。这些企业在最近财年为公司47亿美元收入贡献了43%。
Snowflake在年初宣布与Google建立合作关系,将谷歌的Gemini模型引入Snowflake的Cortex AI应用推理服务中。它还宣布计划收购Observe AI,工程师可以使用该技术检测异常、更快识别根本原因并提高运营韧性。
2月份,它宣布与OpenAI建立2亿美元的合作关系,为企业客户开发定制AI解决方案。它增加了语义视图自动驾驶功能,该服务为智能体提供共享的业务指标集,以获得更一致和可靠的数据结果。随后推出了由pg_lake驱动的Snowflake Postgres,这是一组开源PostgreSQL扩展,允许Postgres在组织的数据湖仓中工作。
上周,该公司宣布正在测试Project SnowWork项目,该项目使用基于角色的AI智能体,理解常见的业务工作流程、术语和关键绩效指标。其理念是将业务任务分配给匹配的业务智能体,Snowflake为财务、销售、营销和运营提供预配置的功能。
Snowflake开发者和AI体验副总裁Bala Kasiviswanathan告诉记者:"我们并不假设每个销售或营销团队都以相同的方式工作,但这些职能的运作方式有明确的模式——如何跟踪销售漏斗、如何衡量营销活动、如何建立预测。这些从数千客户中观察到的模式为我们提供了强有力的起点。"
他说,Snowflake正在内部与其销售团队使用Project SnowWork,现在可以从一个地方生成有数据支持的季度业务评估、演示文稿和客户邮件。高管们获得个性化的智能信息流,包含对他们重要且根据角色定制的指标。Snowflake表示,它已经开始使用SnowWork自动化财报准备工作,以减轻长达数周的跨团队工作负担。
"系统基于每个客户自己的数据、定义和工作流程,团队可以添加自己的逻辑,"Kasiviswanathan说。"随着时间推移,它还通过使用和反馈进行改进。因此,它不是固定的'智能体',而是一个起点,能够快速适应每家公司的实际运营方式。这也是我们在研究预览期间试图学习和编纂的关键部分。"
在安全方面,他说Project SnowWork采取的每个行动都自动继承基于角色的访问控制、数据政策和审计日志。这意味着它只能对用户被允许查看的数据进行操作,每个步骤都完全可追溯。
"企业可以检查步骤、验证输出,并保持对如何以及何时执行操作的控制,"他说。
Q&A
Q1:Snowflake与OpenAI的2亿美元合作主要做什么?
A:这项合作旨在为企业客户开发定制AI解决方案,体现了Snowflake"将AI引入数据而非将数据移至AI"的核心理念。合作将AI工作负载直接在数据平台上运行,而不是将数据导出到外部AI环境。
Q2:Project SnowWork项目有什么特色功能?
A:Project SnowWork使用基于角色的AI智能体,能够理解不同业务部门的工作流程、术语和关键绩效指标。它为财务、销售、营销、运营等部门提供预配置功能,可以生成数据支持的报告、演示文稿和邮件,同时通过使用反馈不断改进。
Q3:Snowflake如何确保AI平台的数据安全性?
A:Snowflake的AI功能自动继承基于角色的访问控制、数据政策和审计日志。系统只能访问用户被授权查看的数据,每个操作步骤都完全可追溯,企业可以检查步骤、验证输出并控制执行方式和时间。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。