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
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。