Snowflake正在押注一个判断:AI的未来不只是分析数据,而是基于数据采取行动。这意味着行业重心将从聊天机器人转向能够真正完成工作的自主智能体。为跟上这一趋势,Snowflake正在加速重组——从推出数百项AI功能,到对内部团队结构进行全面调整。
在TechCrunch《Equity》播客的最新一期节目中,主持人Rebecca Bellan与Snowflake首席执行官Sridhar Ramaswamy深入对话,共同解析这家公司的转型历程,以及这一转变对AI未来走向的深层意义。
完整收听本期节目,你将了解以下内容:
为何Ramaswamy认为聊天机器人时代正在落幕,而智能体时代即将全面开启。
Snowflake如何从一个数据仓库平台,逐步演进为AI与应用程序综合平台。
"与你的数据一同交付"在实际业务中究竟意味着什么。
为支撑AI战略的深入推进,Snowflake正在进行哪些重大内部变革。
《Equity》播客现已在YouTube、Apple Podcasts、Overcast、Spotify及各大播客平台上线,欢迎订阅收听。你也可以在X和Threads平台通过@EquityPod关注《Equity》的最新动态。
Q&A
Q1:Snowflake为什么要从数据仓库转型为AI平台?
A:Snowflake认为AI的未来不仅仅是分析数据,更重要的是基于数据采取实际行动。随着聊天机器人时代逐渐走向尾声,能够自主完成任务的智能体时代正在到来。为了抓住这一趋势,Snowflake正在将自身从传统数据仓库升级为AI与应用程序综合平台,并通过推出数百项AI功能以及内部团队重组来支撑这一战略转型。
Q2:Snowflake CEO所说的"智能体时代"是什么意思?
A:Sridhar Ramaswamy认为,以聊天机器人为代表的AI交互模式正在逐步退出主流,取而代之的是具备自主行动能力的智能体。这类智能体不只是回答问题,而是能够真正执行任务、完成工作流程。Snowflake正围绕这一方向重新定位自身产品和平台能力,押注智能体将成为企业AI应用的核心形态。
Q3:Snowflake"与数据一同交付"在实际中是怎么运作的?
A:根据本期播客内容,"与你的数据一同交付"指的是Snowflake将AI能力直接嵌入企业现有的数据环境中,让AI应用在数据所在的地方运行,而非将数据搬移到外部系统处理。这种方式有助于提升数据安全性、降低迁移成本,并让企业更高效地将数据转化为可执行的业务智能。
好文章,需要你的鼓励
Converge Bio完成550万美元种子轮融资,由TLV Partners领投。该公司专为生物科技和制药行业打造LLM应用平台,提供数据增强、模型微调及可解释性分析等功能,帮助企业将通用生物基础模型转化为可实际落地的研发工具。以抗体研究为例,平台可将抗体LLM精调至氨基酸级别的结合亲和力预测,并生成优化序列。公司计划用于扩充团队、拓展客户,并发布抗体设计科研论文。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
ChatGPT高级语音模式的创造者Alexis Conneau离开OpenAI后,创办了音频AI初创公司WaveForms AI,并获得由a16z领投的4000万美元种子轮融资。该公司专注于训练自有音频大语言模型,计划于2025年推出与OpenAI、谷歌竞争的AI音频产品。Conneau深受电影《Her》启发,致力于开发具备情感感知能力的语音AI,同时警惕AI伴侣化带来的社会问题,强调技术应服务于人而非取代人际关系。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。