北京
同一份PPT，前二十页写的是“AI会让所有软件脱胎换骨”，后二十页变成了“AI会吃掉所有软件”。SaaS公司们捧着这份PPT，不知道该笑还是该哭。
Sridhar Ramaswamy站在Snowflake Summit 2026的台上，没跟着市场一起焦虑。他手里握着一张牌，牌面上写着：模型会过时，数据不会。
这不是什么新发现。但过去两年，Snowflake把这张牌打出了新玩法——不做AI的大脑，改做AI的神经系统。
把Claude接进来，把GPT接进来，推出Cortex AI、Cortex Agent，现在又加上了Openflow。乍一看像是在攒一个模型超市，但Sridhar说清楚了自己的逻辑：“Agentic企业需要四大核心组成，分别是企业全量自有数据、多类AI大模型、现有业务应用、Agentic控制平面。”
其中他点名的是最后一项——Agentic控制平面。翻译成人话就是：一个坐在所有数据、模型和应用之上的调度中心，确保每个决策都经过治理、被信任、并且扎根在企业的业务上下文里。
Snowflake给这个调度中心配了两个入口。面向知识工作者的叫Snowflake Intelligence，是个人的工作Agent，访问数据、操作日常应用，全部用自然语言搞定。面向开发者的叫Cortex Code，内部绰号CoCo，一个AI驱动的Coding Agent，让开发者把想法直接变成可运行的管道、应用或代理——同样是自然语言驱动的。
这套说辞有一个隐藏前提：数据不该拖慢业务。用Sridhar的原话是，“当问题跑得比答案快时，你需要能够打破孤岛、添加上下文的AI。”
换句话说，Snowflake想做的不是帮企业再建一个数据仓库，而是成为所有企业Agent共享的“记忆层”。企业从传统平台迁移、持续数据同步、数据治理、安全审计到AI分析，全部跑在同一个底座上。
这个野心不小，但有人在旁边递了个极其扎实的背书。
埃森哲董事会主席兼CEO Julie Sweet在大会开场直接把话题从“AI能做什么”拽到了“AI怎么进利润表”。她的判断很直白：过去两年企业们已经把AI试点跑完了，现在真正的问题是AI如何进入运营体系，反映到收入、利润和生产率上。
她还补了一句更狠的：AI本身不会自动创造价值，真正创造价值的是人。企业领导者必须亲自推AI的采用过程，明确责任归属。所有AI项目如果不能影响收入增长、成本下降或运营效率提升，再先进也难以为继。
她的结论是两个支柱撑起一个智能体企业：一个是AI能力，另一个就是统一的数据平台。缺任何一个，企业级AI都落不了地。
埃森哲高级董事总经理Anish Sharma随后给出了一个活生生的案例。两个月前，埃森哲刚完成一次涉及全球75万名员工的大规模组织重构，整个公司围绕七类核心高管角色重新设计了职责体系。支撑这场变化的底层能力之一，正是统一的数据平台。
他甩出了一组让在场技术人都沉默的数字：85%的客户问题不是AI问题，是数据问题。
Anish举的例子很具体。一家大型金融服务机构，长期积累的Legacy系统数据散落在多个部门和平台里，过去想拿到一个完整业务视图，需要大量人工协调。现在通过统一数据底座，管理层能实时获取业务洞察。“这样的事情放在三四年前几乎无法想象。”他反复强调一个合作原则：所有项目都必须绑定具体业务成果。
Snowflake在这场峰会里没发新模型，也没秀多少花哨的AI能力。但它的整个叙事在重新定义一件更底层的事：Agent时代最大的瓶颈不是模型能力，是数据基础设施。
当市场还在争论哪个模型更强时，Snowflake已经在尝试把所有模型变成自己数据网络上的插件。模型可以换，数据入口只有一个。Token卖得再疯，挣的也是小钱。真正贵的资产，是谁掌握了数据的记忆权。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
