维度网讯，在2026年Snowflake开发者大会上，该公司明确宣告其战略定位正从云数据仓库和数据云向人工智能软件堆栈上层迁移，致力于构建整合企业数据、语义、治理、业务逻辑、行动、智能体痕迹与机构知识的“智能系统”，以支持人类和智能体提出更优问题、获取更佳答案并执行受控行动。Snowflake已构建大量AI功能，但问题在于能否在模型制造商、应用供应商、超大规模云厂商和本体论厂商宣称该领域之前，成为新兴AI堆栈中值得信赖的控制点。
Snowflake首席执行官Sridhar Ramaswamy在媒体与分析师的私人问答环节坦承，未来的完整技术堆栈尚不可知。他指出，模型提供商拥有前沿能力且无历史负担，应用供应商掌握深度流程知识，而Snowflake的核心优势在于数据引力、治理能力、业务上下文以及信赖其关键任务数据的客户群体。他强调产品创新与产品市场契合度将最终决定历史走向，历史会在事后被书写为显而易见之事，但当下并非如此。
根据theCUBE Research首席分析师George Gilbert设计的框架，智能系统被划分为五层。Snowflake目前在第一层和第二层部分领域实力最强，正积极进入第四层，并为第三层和第五层奠定基础。该框架将参与系统视为前端，人们在此与智能体交互并完成工作；智能系统作为后端，负责组织数据、规则、上下文、行动和业务逻辑，使人及智能体均可读并最终可执行。
Snowflake高管的战略表述指出，智能体企业需要四大组成部分：企业数据和上下文、AI模型、企业应用以及智能体控制平面。其产品Snowflake Intelligence与Cortex Code分别更名为CoWork和CoCo，被定位为智能体企业的基础构建模块。从产品架构看，Snowflake将参与系统、智能体系统、智能系统和数据基础四个层次结合起来，分别对应CoWork与CoCo、智能体及多智能体编排、Horizon与Cortex Sense以及Snowflake表与Iceberg等数据存储。公司高层现在讨论上下文、业务语义、模型无关性、智能体治理、身份与记忆等议题，词汇已超越以往的计算与存储分离概念，更贴近AI软件堆栈语言。
Snowflake的核心技术论点在于“上下文决定智能体质量”。AI副总裁Baris Gultekin指出，AI转型取决于AI对业务理解的深度：缺乏上下文的智能体会误解指标、浪费token重新发现模式并暴露治理风险。以季度合同价值计算为例，通用智能体可能得出数值上升的结论，但业务定义要求排除免费层活动，否则答案即错误。Snowflake的Cortex Sense旨在解决此类问题，通过从连接器、结构化与非结构化数据、语义视图、业务术语表、技能、智能体交互及元数据中获取信息来构建企业上下文托管运行时。Snowflake提供的对比数据显示，仅靠前沿编码智能体对硬结构化数据的回答准确率约为24%，使用语义模型提升至约47%，经过大量调整的内部语义模型可达约73%，而开箱即用的Cortex Sense约为86%。其核心结论是AI越接近受治理的业务上下文，答案越好且成本越低。
作为治理和目录基础的Horizon正沿互操作性、上下文和治理三个维度扩展。关键能力包括Iceberg表的开放共享、由Horizon实施的细粒度访问控制、Horizon实现Polaris API并将治理扩展到Snowflake之外、Select Star集成用于从Power BI、Tableau、Postgres和SQL Server等工具拉取元数据、Horizon Context构建沿袭与语义视图、意图驱动的治理以及AI治理用于监控智能体质量与敏感数据暴露。分析师指出，Horizon虽从目录迈向上下文，但尚未成为完整的智能系统，目录定义名词而完整的智能系统需要建模动词——即行动、前置条件、效果、异常、决策和工作流。同时，智能体创造的数据量呈爆炸式增长，如何在此范围内管理庞大数据量的费用可能成为客户成本障碍。
Cortex Sense被视作迈向智能系统的最重要一步。它明确关注上下文运行时，试图推断并组织企业语义，使智能体能更准确、更低成本地回答业务问题。该产品不仅收集技术元数据，还开始转向业务语义、技能、工作流上下文、智能体交互以及类似知识图谱的表示。目前，Cortex Sense在理解结构化数据、构建语义模型、减少token浪费、为智能体创建托管上下文以及提高结构化答案质量方面表现最强，但在跨SAP、Salesforce、Workday等应用捕获深度流程知识、协调跨领域业务逻辑、提取专家推理痕迹以及将观察到的模式提升为受治理流程规则等层面仍显薄弱。
Snowflake在数据基础层面推动开放表格式和零拷贝集成。Apache Iceberg的Snowflake Storage已正式发布；Horizon支持Iceberg和Polaris API以跨引擎应用治理；与SAP、Salesforce、Workday的零拷贝集成允许以分析形式查询数据而无需复制。Snowflake基于Datometry的虚拟化层允许客户将Teradata查询重定向至Snowflake，其AIM工作结合虚拟化、代码转换与智能体辅助迁移，目标是将迁移时间从18周压缩至约一周。分析师认为，旧系统中的Teradata工作负载、COBOL应用程序、存储过程与BI报告包含业务语义，迁移这些工作负载不仅是云迁移，更是提取和现代化智能体所需企业上下文的一部分。
CoCo是Snowflake面向数据工作的AI编码智能体，自推出以来已拥有超过7,000名客户。它具备超过100项领域技能，了解RBAC和环境状态，支持MCP且可针对Snowflake、dbt、Airflow、AWS Glue、Postgres和Spark等上下文运行。CoWork则被定位为面向业务用户的个人智能体，可通过Web、移动和Slack工作，支持自动化安排、生成工件、深度研究及通过MCP连接企业系统。公司正构建智能体身份识别、基于角色的访问控制、数据掩码与行访问策略、数据移动策略以及Trust Center风险扫描等差异化治理能力，但分析师指出未来还需发展针对智能体意图和行动的治理，平台必须知道智能体试图做什么、该行动是否被允许及其可能产生的下游影响。
Snowflake目前最大的差距在于业务流程逻辑。完整的智能系统需要建模业务规则、流程顺序、行动前置条件与效果、异常处理、审批机制、运营约束、机构推理以及业务状态。公司高管将上下文谱描述为语义、技能、工作流、业务术语表、知识图谱、连接器、业务流程和本体，但承认当前仍处于早期阶段。业务流程上下文通常存在于SAP、Salesforce、Workday、ServiceNow和Oracle等应用供应商的系统中，这些供应商不会自愿成为被动数据源，这将导致智能孤岛问题。Snowflake对于连接数据有较好的答案，但连接不同来源的智能方案仍较弱。
对首席数据官和首席AI官而言，必须将智能系统作为企业架构要求而非单纯的功能采用计划。企业应从最高价值的业务流程入手，使用通用身份、共享本体、业务术语表、沿袭、智能体身份、评估、可观测性、成本控制和可审计性，强制每个智能体、技能、语义模型和工作流进入受治理路径，避免形成新的智能孤岛。信息来源为theCUBE Research在Snowflake Summit 2026上的分析报道。
本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com
