作者 | 王瑋

2026 年的企業(yè) AI 市場(chǎng)，正在經(jīng)歷一場(chǎng)悄無(wú)聲息的敘事轉(zhuǎn)換。

兩年前，幾乎所有科技峰會(huì)的主角都是大模型：參數(shù)多少億、上下文窗口多長(zhǎng)、benchmark 排第幾。企業(yè)關(guān)心的問(wèn)題是 AI 能不能做。到了 2026 年，這個(gè)問(wèn)題已經(jīng)基本有了答案：能，而且做得比想象中更好。但當(dāng)技術(shù)可行性被驗(yàn)證之后，真正讓 CIO 和 CDO 夜不能寐的問(wèn)題變成了另一個(gè)：“AI 做錯(cuò)了，誰(shuí)負(fù)責(zé)？”

當(dāng)智能體開始自主查詢數(shù)據(jù)庫(kù)、調(diào)用 API、生成報(bào)告、觸發(fā)審批，甚至直接修改業(yè)務(wù)數(shù)據(jù)時(shí)，它就不再是一個(gè)輔助工具，而是一個(gè)具備行動(dòng)能力的數(shù)字員工。而數(shù)字員工犯錯(cuò)，代價(jià)可能比人類員工更高，因?yàn)樗梢砸院撩爰?jí)的速度，把錯(cuò)誤放大到整個(gè)組織。

正是在這個(gè)背景下，Snowflake Summit 2026 的 Platform Keynote 顯得意味深長(zhǎng)。Snowflake 聯(lián)創(chuàng) Benoit Dageville 和產(chǎn)品執(zhí)行副總裁 Christian Kleinerman 站在臺(tái)上，花了整整一個(gè)小時(shí)介紹新產(chǎn)品、新架構(gòu)、新性能指標(biāo)，但貫穿其中的一條主線非常清楚：當(dāng) Agent 開始進(jìn)入企業(yè)流程，平臺(tái)必須提供足夠可信的運(yùn)行環(huán)境。

Benoit Dageville 在現(xiàn)場(chǎng)的一句話，幾乎可以概括 Snowflake 對(duì) Agentic AI 的底層判斷：“最好的 Agent 平臺(tái)，必須建立在最好的數(shù)據(jù)平臺(tái)之上。” 這句話也解釋了為什么 Snowflake 反復(fù)強(qiáng)調(diào)數(shù)據(jù)、上下文、權(quán)限、治理和可審計(jì)性：當(dāng) Agent 開始行動(dòng)，企業(yè) AI 的可信度，最終仍然要回到數(shù)據(jù)平臺(tái)本身。

從 CoCo 的改名與桌面化，到 Snowflake CoWork 的正式登場(chǎng)；從智能體身份（Agent Identity）和數(shù)據(jù)流轉(zhuǎn)策略（Data Movement Policy）的推出，到語(yǔ)義上下文（Horizon Context）的增強(qiáng)，這些更新背后其實(shí)有一條更清晰的主線：當(dāng) Agent 開始進(jìn)入企業(yè)流程，平臺(tái)必須同時(shí)解決數(shù)據(jù)、上下文、權(quán)限、治理和可審計(jì)性問(wèn)題。

也正是在這樣的現(xiàn)場(chǎng)語(yǔ)境下，InfoQ 中國(guó)奇遇團(tuán)在 Snowflake Summit 26 的觀察，不再只是記錄一場(chǎng)產(chǎn)品發(fā)布，而是在追問(wèn)一個(gè)更現(xiàn)實(shí)的問(wèn)題：當(dāng) Agent 真的進(jìn)入企業(yè)流程，中國(guó)企業(yè)該如何理解這場(chǎng)從“能力驗(yàn)證”到“可信運(yùn)行”的轉(zhuǎn)變？更多現(xiàn)場(chǎng)判斷與一線討論，歡迎觀看「奇遇舊金山」系列 Vlog。

CoCo 與 CoWork 雙引擎

Platform Keynote 上最有趣的細(xì)節(jié)之一，是 Christian Kleinerman 宣布的兩個(gè)改名決定。

第一個(gè)是 Cortex Code 正式更名為 Snowflake CoCo，有趣的是這個(gè)名字不是官方起的，是用戶叫出來(lái)的。”當(dāng)我們推出 Cortex Code 后，很快，很多人開始說(shuō)：‘哦，CoCo。’” Christian 在臺(tái)上笑著說(shuō)，“Denise 說(shuō)，我們干脆就別再叫 Cortex Code 了，直接叫 CoCo 怎么樣？”

一個(gè)多少帶著“被用戶叫出來(lái)”意味的名字，本身就說(shuō)明 CoCo 已經(jīng)形成了足夠高的使用辨識(shí)度。而更讓市場(chǎng)注意的是，CoCo 的演進(jìn)速度很快：它從命令行和 Snowsight 起步，六個(gè)月內(nèi)擴(kuò)展到 Airflow、dbt、Spark、MCP、ACP，再到 SDK 和 Agent Teams。Summit 上，Snowflake 又宣布了 Cloud Agents 即將 GA、本地開發(fā)沙箱、自動(dòng)化能力、自主智能體、技能目錄，以及 CoCo Desktop GA。

過(guò)去，Snowflake 最核心的交互方式仍然圍繞 SQL 和數(shù)據(jù)開發(fā)展開。用戶往往仍需要理解數(shù)據(jù)庫(kù)、表結(jié)構(gòu)和查詢邏輯，才能更充分地使用平臺(tái)能力。而 CoCo 的出現(xiàn)，改變了這一層交互邏輯。它讓開發(fā)者可以用自然語(yǔ)言與整個(gè)數(shù)據(jù)平臺(tái)對(duì)話。更值得關(guān)注的是劃選提問(wèn)（Snap and Ask）功能：演示者直接拖拽選中一張圖表的某個(gè)區(qū)域，點(diǎn)擊 explain，CoCo 就能基于視覺(jué)上下文給出分析。這種交互方式已經(jīng)不只是“使用數(shù)據(jù)庫(kù)”，而更像是在與數(shù)據(jù)協(xié)作。

CoCo 改變的是開發(fā)者與數(shù)據(jù)平臺(tái)的交互方式，而 Snowflake CoWork 指向的，則是更廣泛的業(yè)務(wù)人群：當(dāng) AI 不只幫助人寫代碼、查數(shù)據(jù)，而是進(jìn)入日常工作流，它與人的關(guān)系也需要被重新定義。

Snowflake Intelligence 最初被定位為企業(yè)員工的 AI 工作助手，但 Christian 坦承：“它的范圍已經(jīng)遠(yuǎn)遠(yuǎn)超出了我們最初的設(shè)想。它正在改變我們的工作方式。”于是，Snowflake Intelligence 被重新命名為 Snowflake CoWork。

這個(gè)名字的改動(dòng)意味深長(zhǎng)。Intelligence 強(qiáng)調(diào)的是智能能力，而 CoWork 強(qiáng)調(diào)的是協(xié)作關(guān)系。AI 不再只是工具，而開始成為企業(yè)工作流中的協(xié)作者。

Christian 對(duì) CoWork 的愿景描述得極為具象：“從 CEO 到每一位一線員工。如果你喜歡 F1，想象每個(gè)人都有自己的維修團(tuán)隊(duì)。如果你喜歡鋼鐵俠，每個(gè)人都有自己的 Jarvis。”這不是在賣功能，而是在賣一種工作方式的想象。未來(lái)的企業(yè)員工，每個(gè)人背后都有一個(gè) AI 團(tuán)隊(duì)，隨時(shí)待命。

為了讓這個(gè)愿景落地，Summit 上宣布了一系列 CoWork 的重大更新。個(gè)人工作引擎（Personal Work Engine）讓組織中的用戶不必再手動(dòng)選擇用哪個(gè) Agent，而是擁有一個(gè)個(gè)人 Agent，自動(dòng)執(zhí)行多 Agent 編排，根據(jù)請(qǐng)求類型路由到不同的能力模塊。用戶記憶（User Memory）讓 Agent 學(xué)習(xí)用戶的偏好、習(xí)慣和工作模式，越用越懂。個(gè)人技能（Personal Skills）和個(gè)人 MCP 連接器讓每個(gè)用戶可以連接自己的業(yè)務(wù)系統(tǒng)。定時(shí)任務(wù)（Scheduled Tasks）則讓用戶可以說(shuō)“這個(gè)分析我喜歡，你能每周或每月發(fā)給我一次嗎？”

更值得關(guān)注的是工作產(chǎn)物（Artifacts）的演進(jìn)。CoWork 中創(chuàng)建的不再是靜態(tài)報(bào)告，而是實(shí)時(shí)數(shù)據(jù)的受治理視圖，可以被共享、被協(xié)作、被持續(xù)更新的可信數(shù)據(jù)視圖。

這意味著 CoCo 和 CoWork 正在形成一條閉環(huán)：開發(fā)者在 CoCo 中構(gòu)建和認(rèn)證 AI 應(yīng)用，業(yè)務(wù)用戶在 CoWork 中消費(fèi)和協(xié)作，兩者共享同一套治理框架和安全策略。

要讓 CoCo 和 CoWork 真正發(fā)揮作用，Snowflake 還需要補(bǔ)上另一層能力：上下文。

Cortex Sense 承擔(dān)的正是這個(gè)角色。它會(huì)從 Snowflake 已有的數(shù)據(jù)和活動(dòng)中構(gòu)建信號(hào)，自動(dòng)增強(qiáng) Agent，讓 CoCo 和 CoWork 在回答問(wèn)題、生成代碼或執(zhí)行任務(wù)時(shí)更理解企業(yè)環(huán)境。Christian 在現(xiàn)場(chǎng)提到，在一個(gè)評(píng)估集中，搭配 Cortex Sense 后，CoCo 和 CoWork 的開箱準(zhǔn)確率從 24% 提升到 83%。

Natoma 的加入，則把這套能力繼續(xù)延伸到更多業(yè)務(wù)系統(tǒng)。借助超過(guò) 100 個(gè)業(yè)務(wù)系統(tǒng)連接能力，Snowflake 可以讓 CoCo 和 CoWork 更自然地觸達(dá)企業(yè)日常使用的應(yīng)用。也正是在這個(gè)意義上，CoCo 和 CoWork 更接近 Christian 所說(shuō)的 control planes：它們不是單純的數(shù)據(jù)引擎，而是連接數(shù)據(jù)、模型和應(yīng)用的工作入口，讓 AI 的分析、協(xié)作和行動(dòng)運(yùn)行在同一套治理框架下。

三星電子執(zhí)行副總裁 Jung Suh 在臺(tái)上分享了基于 Snowflake CoWork 構(gòu)建的 shopper’s insight action agent，也就是 SIA。Galaxy S26 發(fā)布時(shí)，SIA 不只是檢索數(shù)據(jù)，而是在數(shù)據(jù)之上推理和行動(dòng)：比較發(fā)布表現(xiàn)、規(guī)劃步驟、調(diào)和信號(hào)，并給出綜合答案。過(guò)去需要數(shù)小時(shí)的分析工作，現(xiàn)在可以在幾秒內(nèi)完成。

更關(guān)鍵的是，Samsung 全球大約有 1,000 名高管、銷售和營(yíng)銷人員正在使用這個(gè) Agent。他們不是數(shù)據(jù)科學(xué)家，而是直接負(fù)責(zé)區(qū)域目標(biāo)、促銷策略和產(chǎn)品路線圖的業(yè)務(wù)領(lǐng)導(dǎo)。Jung Suh 提到，過(guò)去這些人完全依賴分析師來(lái)回答問(wèn)題，而現(xiàn)在，數(shù)據(jù)團(tuán)隊(duì)不再是唯一入口，每位業(yè)務(wù)領(lǐng)導(dǎo)都可以在自己的工作流中獲得分析能力。

這正是 CoWork 想推動(dòng)的變化：不是讓業(yè)務(wù)人員多一個(gè)問(wèn)答工具，而是把原本集中在數(shù)據(jù)團(tuán)隊(duì)手中的分析能力，嵌入更廣泛的業(yè)務(wù)決策現(xiàn)場(chǎng)。

AI 時(shí)代沒(méi)有"慢數(shù)據(jù)"

Snowflake 過(guò)去最擅長(zhǎng)的是分析已經(jīng)發(fā)生的業(yè)務(wù)，而此次發(fā)布的 Datastream 指向的是另一個(gè)方向：讓平臺(tái)更接近正在發(fā)生的業(yè)務(wù)。

Snowflake 的崛起，很大程度上建立在"批處理"哲學(xué)之上。它將計(jì)算與存儲(chǔ)解耦，用彈性擴(kuò)展的方式處理海量結(jié)構(gòu)化數(shù)據(jù)，徹底擊敗了傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)。但在過(guò)去，流處理并不是 Snowflake 的強(qiáng)項(xiàng)，企業(yè)如果需要實(shí)時(shí)數(shù)據(jù)，往往會(huì)額外部署 Kafka 等系統(tǒng)來(lái)補(bǔ)充。

現(xiàn)在，Snowflake 親自下場(chǎng)做流了。而且不是做一個(gè)更好的連接器，而是從頭構(gòu)建一個(gè)原生流服務(wù)，兼容 Kafka Wire 協(xié)議，支持零拷貝流式處理，能夠以亞秒級(jí)延遲將數(shù)據(jù)流入和流出 Snowflake。

為什么？因?yàn)?AI 時(shí)代的數(shù)據(jù)消費(fèi)模式，已經(jīng)從“T+1 報(bào)表”變成了“實(shí)時(shí)決策”。

當(dāng) AI 智能體開始自主監(jiān)控業(yè)務(wù)信號(hào)、規(guī)劃行動(dòng)步驟、觸發(fā)業(yè)務(wù)流程時(shí)，延遲就變成了商業(yè)生死線。智能體不可能等批處理任務(wù)跑完再做決策，它需要的是持續(xù)流動(dòng)的數(shù)據(jù)血脈。

在 Agent 時(shí)代，沒(méi)有"慢數(shù)據(jù)"的生存空間。更重要的是，Snowflake 將其以"真正的 Snowflake 風(fēng)格"實(shí)現(xiàn)，存儲(chǔ)與計(jì)算分離、零拷貝、亞秒級(jí)延遲，這意味著它試圖把流處理也納入自己的經(jīng)濟(jì)模型和治理框架之內(nèi)。

值得一并關(guān)注的是智能體搜索（Agentic Search）的推出。它不會(huì)做傳統(tǒng) RAG 那種"給你 Top-K 結(jié)果"的模糊匹配，而是利用 AI 函數(shù)從非結(jié)構(gòu)化數(shù)據(jù)中提取信息，提取為結(jié)構(gòu)化信息，運(yùn)行精確的分析查詢，再返回基于非結(jié)構(gòu)化內(nèi)容的精確分析結(jié)果。這意味著，企業(yè)過(guò)去分散在文檔、郵件、合同中的"暗數(shù)據(jù)"，現(xiàn)在可以被智能體直接調(diào)用、解析、計(jì)算，而且結(jié)果精確到可以支撐業(yè)務(wù)決策。

安德瑪?shù)氖紫瘮?shù)據(jù)與 AI 官 Patrick Duroseau 在視頻分享中印證了這一趨勢(shì)："我們面臨的最大挑戰(zhàn)是數(shù)據(jù)是非結(jié)構(gòu)化的，而且歸因不像現(xiàn)在這樣一致。為了找到這些洞察，你真的必須對(duì)數(shù)據(jù)做大量人工操作。"使用 Snowflake 之后，"我們更容易把數(shù)據(jù)帶入平臺(tái)。我們擁有許多能力，可以支持傳統(tǒng) BI、高級(jí)分析，也可以在生態(tài)中共享數(shù)據(jù)，并且時(shí)間成本只是過(guò)去的一小部分。"

這正好解釋了為什么 Snowflake 要反復(fù)強(qiáng)調(diào)"all data"——結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化，甚至是實(shí)時(shí)流數(shù)據(jù)，全部納入同一個(gè)治理模型。在 Agent 時(shí)代，數(shù)據(jù)平臺(tái)的邊界正在被重新定義：它不再只是存數(shù)據(jù)的地方，而是讓智能體能夠理解和行動(dòng)的企業(yè)記憶中樞。

從"管數(shù)據(jù)"到"管行為"

如果說(shuō) CoCo、CoWork 和性能優(yōu)化是 Snowflake 在"能力層"的布局，那么 Summit 上關(guān)于治理和信任的密集發(fā)布，則是它在規(guī)則層的深層設(shè)計(jì)。

Christian 在臺(tái)上非常直接地表達(dá)了 Snowflake 的立場(chǎng)："在智能體時(shí)代，我們希望確保大家能夠保護(hù)自己的 Agent，并擁有多層防護(hù)。"

這句話聽起來(lái)像是常規(guī)的安全表態(tài)，但結(jié)合隨后發(fā)布的一系列功能，你會(huì)發(fā)現(xiàn) Snowflake 的治理邏輯正在發(fā)生一次根本性的升維——從"管理靜態(tài)數(shù)據(jù)"轉(zhuǎn)向"管理動(dòng)態(tài)智能體行為"。

首先是智能體身份（Agent Identity）。Snowflake 推出了智能體身份的概念，讓你可以知道某段代碼或某項(xiàng)活動(dòng)是否發(fā)生在 Agent 上下文下。在脫敏策略或行級(jí)策略中，你可以針對(duì) Agent 上下文設(shè)置不同的可見性權(quán)限。這意味著，同一個(gè)數(shù)據(jù)庫(kù)表，人類查詢和智能體查詢可以被施加不同的安全策略。

其次是數(shù)據(jù)流轉(zhuǎn)策略（Data Movement Policies）。你可以規(guī)定帶有某個(gè)標(biāo)簽的數(shù)據(jù)不得移動(dòng)到 stage，也不得通過(guò) Snowsight UI 下載。在 keynote 的 demo 中，當(dāng)一名 Tour Ops 員工試圖讓 CoWork 導(dǎo)出 VIP 客戶數(shù)據(jù)到外部 stage 時(shí)，數(shù)據(jù)流轉(zhuǎn)策略直接阻止了這次數(shù)據(jù)外泄——即使智能體本身有能力查看那張表。

第三是 Horizon AI 護(hù)欄，防止提示注入和越獄攻擊；多方審批（multi-party approvals），要求高度敏感操作必須有兩個(gè)管理員同意；以及信任中心（Trust Center）中的 AI 安全巡檢和檢測(cè)包，持續(xù)監(jiān)控異常數(shù)據(jù)傳輸。

這些能力單獨(dú)看是安全特性，放在一起，則指向 Snowflake 對(duì) Agent 治理邊界的重新定義：在 Snowflake 的設(shè)想中，未來(lái)的企業(yè)數(shù)據(jù)平臺(tái)不僅要回答"誰(shuí)能訪問(wèn)什么數(shù)據(jù)"，還要回答"智能體在什么情況下可以做什么操作""AI 的行為如何被審計(jì)和回溯""當(dāng)智能體犯錯(cuò)時(shí)，責(zé)任邊界在哪里"。

湯森路透首席數(shù)據(jù)官 Caitlin Halferty 在臺(tái)上說(shuō)了一句點(diǎn)睛的話："有些人認(rèn)為治理是一種約束，是會(huì)拖慢你的東西。但對(duì)我們來(lái)說(shuō)，治理是一個(gè)賦能者。"她解釋道，Thomson Reuters 按照受托級(jí)標(biāo)準(zhǔn)（fiduciary-grade standard）構(gòu)建產(chǎn)品。這意味著內(nèi)容、數(shù)據(jù)隱私、安全、透明度和可驗(yàn)證性，全部達(dá)到受信托責(zé)任約束的最高標(biāo)準(zhǔn)。他們的旗艦 AI 能力 CoCounsel 每天有超過(guò) 100 萬(wàn)專業(yè)人士使用，而在財(cái)務(wù)和業(yè)務(wù)部門中有超過(guò) 15,000 名內(nèi)部用戶每天使用語(yǔ)義智能進(jìn)行最關(guān)鍵的業(yè)務(wù)和財(cái)務(wù)決策。"我們已經(jīng)從試點(diǎn)走向生產(chǎn)環(huán)境，"Caitlin 強(qiáng)調(diào)，"每一個(gè) AI 能力在進(jìn)入市場(chǎng)之前，都會(huì)經(jīng)過(guò)負(fù)責(zé)任 AI 的流程。"

這句話精準(zhǔn)地概括了 Snowflake 的治理哲學(xué)。在 Agent 時(shí)代，治理不再是合規(guī)部門的"攔路虎"，而是業(yè)務(wù)創(chuàng)新的"通行證"。沒(méi)有治理，企業(yè)就不敢把 AI 放進(jìn)生產(chǎn)環(huán)境；沒(méi)有生產(chǎn)環(huán)境，AI 就永遠(yuǎn)只是演示。

這種治理升維還有一個(gè)容易被忽略的技術(shù)支撐：語(yǔ)義上下文（Horizon Context）。Christian 解釋說(shuō)，僅有智能是不夠的，很多時(shí)候真正缺少的是上下文。語(yǔ)義上下文作為 Horizon Catalog 的組成部分，幫助收集信號(hào)、豐富這些信號(hào)，并將它們提供給 CoCo、CoWork 或 Cortex Agent。通過(guò)語(yǔ)義視圖和元數(shù)據(jù)連接器，Snowflake 試圖讓 AI 不僅"能訪問(wèn)數(shù)據(jù)"，而且"能理解數(shù)據(jù)的業(yè)務(wù)含義"。這恰恰是智能體從"工具"升級(jí)為"協(xié)作者"的關(guān)鍵一躍，只有當(dāng)智能體理解"這張表里的收入是毛利還是凈利"，它給出的答案才是可信的。

與此同時(shí)，意圖驅(qū)動(dòng)治理（intent-driven governance）的提出降低了治理操作的技術(shù)門檻，也讓治理更容易進(jìn)入實(shí)際業(yè)務(wù)場(chǎng)景，而不是只停留在安全團(tuán)隊(duì)后臺(tái)。企業(yè)管理者不需要再寫復(fù)雜的策略腳本，只需要用自然語(yǔ)言表達(dá)自己的意圖——比如"把我的數(shù)據(jù)庫(kù)中所有個(gè)人敏感信息找出來(lái)，并確保它受到保護(hù)"——系統(tǒng)就會(huì)自動(dòng)觸發(fā)分類、找出個(gè)人敏感信息、創(chuàng)建正確的策略，并持續(xù)監(jiān)控。治理的民主化，意味著它不再是少數(shù)安全專家的專利，而是每個(gè)業(yè)務(wù)負(fù)責(zé)人都可以直接施加的控制力。

越開放，越不可或缺

在 Summit 上，Snowflake 展示了它在開放方向上的大量投入：從 Apache Iceberg v3 的廣泛實(shí)現(xiàn)，到將 Apache Polaris 的 Iceberg Catalog interfaces 納入 Horizon Catalog；從牽頭創(chuàng)建 Open Semantic Interchange Group，到 reshare data 的 GA，再到 open sharing 進(jìn)入 public preview，Snowflake 試圖傳遞一個(gè)明確態(tài)度：它不希望自己被看作一個(gè)封閉的數(shù)據(jù)平臺(tái)。

這種表態(tài)并不只是姿態(tài)問(wèn)題。企業(yè)在進(jìn)入 AI 深水區(qū)之后，對(duì)供應(yīng)商鎖定的警惕會(huì)更強(qiáng)。Agent 天然需要跨系統(tǒng)行動(dòng)：數(shù)據(jù)可能在不同平臺(tái)，業(yè)務(wù)流程可能在不同 SaaS 應(yīng)用，模型也可能來(lái)自不同廠商。一個(gè)平臺(tái)如果不能證明自己足夠開放，就很難成為企業(yè) AI 的長(zhǎng)期底座。

Open sharing 的意義正在這里。借助 Iceberg 和 Iceberg REST Catalog，Snowflake 可以把數(shù)據(jù)共享給非 Snowflake 用戶，讓還沒(méi)有使用 Snowflake 的組織也能成為數(shù)據(jù)消費(fèi)者。站在企業(yè)客戶角度，這降低了跨組織協(xié)作門檻；站在 Snowflake 角度，它也讓平臺(tái)更容易進(jìn)入更多數(shù)據(jù)交換和協(xié)作關(guān)系中。

Multi-party collaboration 則把這種協(xié)作進(jìn)一步推向復(fù)雜場(chǎng)景。多個(gè)參與方可以在同一個(gè)安全環(huán)境中協(xié)作，不同角色擁有不同權(quán)限：有人貢獻(xiàn)數(shù)據(jù)，有人負(fù)責(zé)分析。Christian Kleinerman 在現(xiàn)場(chǎng)提到，Netflix 正在用這類 collaboration technology 構(gòu)建與多個(gè)合作伙伴協(xié)作的 team rooms。這個(gè)案例說(shuō)明，Snowflake 想做的不只是數(shù)據(jù)共享，而是讓多方數(shù)據(jù)合作在可控環(huán)境里發(fā)生。

開放并不意味著 Snowflake 放棄平臺(tái)中心位置。相反，它正在通過(guò)更深的生態(tài)協(xié)同，把自己放到更多數(shù)據(jù)和 AI 工作流的交匯處。

在業(yè)務(wù)系統(tǒng)側(cè)，Snowflake 正在擴(kuò)大與 Salesforce、Workday、SAP、IBM mainframe/Db2 data、Veeva 等系統(tǒng)和數(shù)據(jù)源的連接合作。query across 能力則讓 Snowflake CoWork 可以在可能位于 Redshift、Postgres 或其他數(shù)據(jù)源中的數(shù)據(jù)上，提供 Snowflake 和 Snowflake AI 的能力。也就是說(shuō)，Snowflake 一方面允許數(shù)據(jù)以更開放的方式流動(dòng)，另一方面也在讓自己的 AI、治理和協(xié)作能力進(jìn)入更多外部系統(tǒng)。

這背后體現(xiàn)的是一種“開放底座、深度協(xié)同”的生態(tài)策略。

它的邏輯是：數(shù)據(jù)格式和訪問(wèn)協(xié)議需要足夠開放，企業(yè)才會(huì)放心把關(guān)鍵數(shù)據(jù)和流程接入平臺(tái)；但當(dāng) Agent 真正進(jìn)入業(yè)務(wù)流程，價(jià)值就不只來(lái)自數(shù)據(jù)本身，還來(lái)自圍繞數(shù)據(jù)不斷沉淀的上下文、權(quán)限體系、行為歷史和業(yè)務(wù)語(yǔ)義。

換句話說(shuō)，數(shù)據(jù)可以保持開放流動(dòng)，但圍繞數(shù)據(jù)形成的智能協(xié)作經(jīng)驗(yàn)，會(huì)逐漸沉淀為新的平臺(tái)價(jià)值。當(dāng)銷售、客服、財(cái)務(wù)等不同 Agent 都在 Snowflake 的治理框架下運(yùn)行了數(shù)月甚至數(shù)年之后，遷移成本就不再是數(shù)據(jù)遷移的成本，而是“智能遷移”的成本。

信任競(jìng)爭(zhēng)剛剛開始

2026 年，企業(yè) AI 的問(wèn)題正在改寫。大模型已經(jīng)證明了“能不能做”，但企業(yè)真正要決定的是“敢不敢用”。當(dāng) Agent 開始查詢數(shù)據(jù)、調(diào)用系統(tǒng)、影響業(yè)務(wù)流程，可信度就不再是安全團(tuán)隊(duì)的后臺(tái)議題，而是 AI 能否進(jìn)入生產(chǎn)環(huán)境的前提。

Christian 在 Keynote 最后說(shuō)，Snowflake 正從 “can we” 的時(shí)代走向 “shall we” 的時(shí)代。它對(duì)應(yīng)的正是這個(gè)轉(zhuǎn)變：企業(yè)不再只需要能力展示，而需要一套能承接責(zé)任的運(yùn)行體系。

Snowflake 此次展示的性能、治理、上下文、開放生態(tài)和 Agent 行為管理，都在指向同一個(gè)方向：把 AI 的復(fù)雜性收進(jìn)底層，把可信度帶到業(yè)務(wù)前臺(tái)。企業(yè) AI 的下一場(chǎng)競(jìng)爭(zhēng)，也會(huì)從這里真正開始。

更多 Snowflake Summit 26 精彩內(nèi)容，歡迎點(diǎn)擊【閱讀原文】前往大會(huì)專區(qū)查看。