Snowflake正以数十亿美元的投入全力推进其企业级AI战略。本周三,该公司宣布扩大与AWS的合作关系,未来五年将向这家科技巨头投入60亿美元的基础设施资金。此次投资聚焦于AWS Graviton处理器和AI基础设施,背后是企业客户对数据与AI工作负载日益增长的需求。
与此同时,Snowflake还通过收购Model Context Protocol平台Natoma,进一步强化其在企业智能体领域的战略布局。Natoma平台提供治理能力,将为AI智能体引入身份识别层,帮助企业有效监管AI系统之间的交互行为。此次收购的交易条款未予披露。
"在各行各业,企业正朝着员工与智能体协同工作的未来迈进,以加速决策、自动化复杂工作流程,并释放出全新水平的生产力与创新能力。"Snowflake首席执行官Sridhar Ramaswamy在本周三的公司财报电话会议上对投资者表示。Snowflake在2027财年第一季度录得13.9亿美元营收,同比增长33%。
Snowflake在AI基础设施和智能体能力上的持续投入,与客户希望借助AI技术重塑业务流程、个性化客户及员工体验的诉求高度契合。
全球金融服务公司纽约梅隆银行(BNY)已在其业务运营中部署了多个AI智能体,其中包括能够发现并修复低复杂度代码问题的数字工程师。零售巨头沃尔玛也推出了不同的智能体平台,使这项技术触达其运营的各个环节。
高德纳(Gartner)指出,智能体AI正推动企业重新审视自身的运营方式,八成CEO认为自主AI将对其运营能力带来实质性变革。
各大厂商也在竞相满足企业对这一技术的需求。谷歌本月初发布了面向智能体工作的Gemini 3.5系列模型;大语言模型服务商Anthropic同样于本月初为金融服务企业发布了AI智能体模板;OpenAI则于今年1月与ServiceNow达成合作,以增强其企业级AI能力。
Snowflake亦积极角逐企业级市场,并在过去数月间持续与多家公司建立合作伙伴关系,此次扩展AWS合作正是其中一环。去年12月,该公司还分别与Anthropic和埃森哲深化合作,以推动企业智能体和生成式AI的规模化落地。
Ramaswamy在本周财报电话会议上表示:"我们的平台汇聚了企业迈向智能体化所需的四大要素:统一且受治理的数据基础、顶尖AI模型的访问能力、跨企业应用与工作流程的连接能力,以及将意图转化为受治理行动的统一智能体控制平面。"
尽管智能体AI的浪潮正席卷各行各业,CIO们仍面临在技术、流程与人员之间寻求平衡的难题。本月早些时候,在MIT斯隆管理学院CIO研讨会上发言的技术领导者们强调,持续投资员工能力,是确保AI项目长期成功的关键所在。
Q&A
Q1:Snowflake收购Natoma的目的是什么?
A:Snowflake收购Natoma,是为了强化其在企业智能体领域的治理能力。Natoma是一个Model Context Protocol平台,能够为AI智能体提供身份识别层,帮助企业有效监管AI系统之间的交互行为,从而让企业在部署智能体AI时更加安全、可控。
Q2:Snowflake与AWS签署60亿美元协议,主要投向哪里?
A:这笔60亿美元的基础设施投资将在未来五年内分批投入,重点用于AWS Graviton处理器和AI基础设施建设。这一举措旨在满足企业客户对数据与AI工作负载处理能力日益增长的需求,也是Snowflake整体企业级AI战略的重要组成部分。
Q3:目前哪些大企业已经在使用AI智能体?
A:已有多家知名企业落地应用AI智能体。全球金融服务公司纽约梅隆银行(BNY)在内部运营中部署了多个AI智能体,包括能自动识别并修复低复杂度代码问题的数字工程师;零售巨头沃尔玛则推出了多个智能体平台,覆盖其业务运营的各个环节。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。