🗾ITmedia AI+ (日本)•最新收集於 3h
Snowflake 押注 AI 代理差異化策略
💡了解 Snowflake 執行長為何認為 AI 代理競爭可能讓差異化更容易而非更困難。
⚡ 30-Second TL;DR
有什麼變化
Snowflake 創下公司歷來最佳業績表現。
為什麼重要
Snowflake 的定位顯示，企業資料平台未來可能越來越依賴支援可靠 AI 代理工作流程的能力來競爭。開發者應關注公司如何將策略主張轉化為具體平台能力與客戶成果。
下一步行動
檢視以 Snowflake 為基礎的資料工作流程，先找出一個需要受治理企業資料存取的代理使用案例，再擴大代理策略。
誰應關注：Enterprise & Security Teams
關鍵要點
- •Snowflake 創下公司歷來最佳業績表現。
- •執行長認為競爭對手朝相同方向發展，反而創造更清晰的差異化機會。
- •AI 代理的興起正逐步塑造公司的策略重點。
- •相關看法是在 Snowflake 年度大會上提出的。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 17 個來源。
🔑 增強重點摘要
- •Snowflake 的 AI 策略核心是其 Cortex AI 套件，該套件將 AI 功能直接整合到 Snowflake Data Cloud 中，無需移動數據，從而解決了企業 AI 採用中的操作、安全和合規性挑戰。
- •Snowflake Cortex AI 包含多個整合組件，例如用於自然語言查詢的 Cortex Analyst、用於智慧檢索的 Cortex Search，以及用於跨結構化和非結構化數據協調任務的 Cortex Agents。
- •Snowflake 的旗艦 AI 代理產品 Snowflake Intelligence 已於 2025 年 11 月全面上市，它為業務用戶提供了一個對話式介面，可使用自然語言查詢結構化和非結構化數據。
- •截至 2026 財年第三季度，Snowflake 的 AI 業務年化收入已提前達到 1 億美元，這證明了其 AI 轉型策略的成功。
- •在 2026 年 Snowflake 年度大會上，公司推出了 Cortex AI Gateway 中的動態模型路由功能，該功能可根據品質、速度、客戶偏好和成本自動選擇最佳模型，以優化 AI 推理性能並降低不必要的 AI 開支。
- •Snowflake 於 2026 年 3 月推出了 Project SnowWork 的研究預覽，這是一個自主代理平台，旨在將自然語言的結果轉化為實際行動。
📊 競品分析▸ Show
| 功能/定價/基準 | Snowflake | Databricks | Google BigQuery | AWS Redshift | Azure Synapse Analytics |
|---|---|---|---|---|---|
| 核心平台 | AI Data Cloud，數據與 AI 融合，儲存與計算分離 | 統一數據與 AI 平台，Lakehouse 架構 | 完全無伺服器數據倉儲 | AWS 原生 MPP 數據倉儲 | 統一分析平台，SQL 與 Spark 引擎 |
| AI 代理策略 | Cortex AI 套件，Cortex Agents 協調任務，Snowflake Intelligence 提供自然語言查詢介面，Cortex AI Gateway 實現動態模型路由和成本優化 | Lakehouse 上的 AI/BI (Genie AI/BI)，強大的 ML/數據科學支援 | BigQuery ML，用於在數據倉儲內建構和執行 ML 模型 | 整合 AWS ML 服務，支援數據倉儲內的 ML | 整合 Azure ML，支援 Spark 和 SQL 池中的 ML |
| 數據治理 | 數據駐留、RBAC 控制、數據遮罩、統一治理和可觀察性 | Unity Catalog 提供統一的數據治理 | IAM、數據加密、行級安全性 | IAM、數據加密、列級安全性 | Azure Active Directory、數據加密、細粒度存取控制 |
| 模型靈活性 | 透過統一介面存取多個 LLM (Claude, GPT-4, Mistral, Llama, Gemini, Arctic)，支援私有數據微調 | 支援開源和專有模型，強調 Delta Lake 和 Spark 生態系統 | 整合 Google 的 AI/ML 服務，支援自定義模型 | 整合 AWS SageMaker，支援多種 ML 框架 | 整合 Azure Machine Learning，支援多種 ML 框架 |
| 定價模式 | 按使用量付費的信用點數模式 | 基於 DBU (Databricks Unit) 的使用量計費 | 按查詢和儲存量付費 | 按節點或無伺服器使用量付費 | 按計算和儲存資源付費 |
🛠️ 技術深入
- Snowflake Cortex AI 在 Snowflake 的安全邊界內運行，遵守所有現有的治理政策、RBAC 控制和數據駐留要求，並提供對來自 Google、OpenAI、Anthropic、Meta、Mistral 等領先模型的存取。
- Cortex AI 套件包含 LLM 函數用於文本處理、Cortex Analyst 用於自然語言查詢、Cortex Search 用於智慧檢索，以及 Cortex Agents 用於任務編排。
- Cortex AI 提供無伺服器工具，用於使用和微調 LLM（如 Arctic、Llama 3）在私有數據上，並提供一個 Copilot API 將自然語言轉換為 SQL。
- Cortex AI Functions 支援多模態分析，可從文件、圖像、音訊和視訊文件中提取特定結構化資訊，並可定義模型返回的精確模式。
- Cortex AI Gateway 支援動態模型路由，可根據品質、速度、客戶偏好和成本自動選擇最佳模型，以優化推理性能。
- Snowflake Intelligence 透過 Cortex Agents 協調 Cortex Analyst 和 Cortex Search，為業務用戶提供對話式介面，以自然語言查詢結構化和非結構化數據。
- Model Context Protocol (MCP) 被提及為 AI 代理就緒的關鍵，允許組織安全地將 AI 代理連接到企業數據和應用程式。
- Snowflake Horizon Context 是一項新功能，可將業務邏輯嵌入平台，確保所有 AI 代理、BI 工具和應用程式繼承相同且一致的定義。
🔮 前景展望AI analysis grounded in cited sources
Snowflake 將鞏固其作為企業 AI 代理領先平台的地位。
透過將 AI 代理直接整合到其受治理的數據雲中，並專注於安全、可擴展的執行，Snowflake 旨在彌合數據洞察與業務行動之間的差距。
對「受治理的執行層」和「智慧效率」的強調將推動企業更廣泛地採用 AI。
Snowflake 的策略解決了企業對數據安全、合規性和成本優化的關鍵擔憂，這些對於大規模部署 AI 至關重要。
人機協作技能將成為勞動力中日益重要的能力。
隨著 AI 代理處理更複雜的任務，重點將轉向人類與 AI 如何協同工作，這需要新的協調和批判性評估技能。
⏳ 時間線
2012-07
Snowflake 成立，旨在重新構想雲端數據平台架構。
2014-10
Snowflake 脫離隱身模式，推出其雲端數據倉儲產品。
2024
Snowflake 推出 Cortex，一套嵌入平台的生成式 AI 服務。
2024-02
Sridhar Ramaswamy 接任 Snowflake 執行長，引導公司轉向 AI 數據雲策略。
2025-11
Snowflake 的旗艦 AI 代理產品 Snowflake Intelligence 和 Cortex Agents 全面上市。
2026-03
Snowflake 推出 Project SnowWork 研究預覽，一個自主代理平台。
2026-07
Snowflake 宣布推出 Cortex AI Gateway，作為治理代理連接的統一基礎。
2026-08
Snowflake 宣布 Cortex AI Gateway 內部的動態模型路由功能，以優化 AI 成本和性能。
📎 來源 (17)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗
每週 AI 簡報
每週一封，可隨時退訂。