Snowflake 正在押注 AI 的未来不仅仅是分析数据,而是基于数据采取行动。这意味着公司战略重心将从聊天机器人转向能够真正完成工作任务的自主智能体。为了跟上这一趋势,Snowflake 正在加速重组——从推出数百项 AI 功能,到对团队架构进行全面调整。
在 TechCrunch 的 Equity 播客本期节目中,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路径,以及这一转型对 AI 未来走向所释放的信号。
收听完整节目,您将了解以下内容:
为何 Ramaswamy 认为聊天机器人时代正在落幕,智能体时代即将到来。
Snowflake 如何从数据仓库演进为 AI 与应用平台。
"随数据交付"在实际业务中究竟意味着什么。
公司为何正在进行重大内部变革以支撑其 AI 战略推进。
Q&A
Q1:Snowflake 的"随数据交付"具体是什么意思?
A:
"随数据交付"指的是 Snowflake 不再只是提供数据存储和分析服务,而是将 AI 能力直接嵌入数据平台中,让系统能够基于数据自主执行任务和决策。简单来说,就是数据不仅被"看到",还能被"用起来",驱动实际的业务行动,而不仅仅是生成报告或回答问题。
Q2:Snowflake 为什么要从数据仓库转型为 AI 平台?
A:
随着 AI 技术的快速发展,单纯的数据存储和查询已经无法满足企业需求。Snowflake CEO Sridhar Ramaswamy 认为,聊天机器人时代正在结束,能够自主完成工作的智能体时代正在到来。为了抓住这一趋势,Snowflake 正将自身定位从数据仓库升级为集 AI 能力与应用开发于一体的综合平台,以保持竞争优势。
Q3:Snowflake 在智能体方向上做了哪些具体改变?
A:
Snowflake 目前已推出数百项 AI 功能,并对内部团队架构进行了重组,以更好地支持智能体产品的研发与落地。公司的目标是打造能够自主执行复杂业务任务的智能体系统,而非仅提供对话式的聊天机器人工具,这也是其整体 AI 战略的核心方向。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。