北京
AI智能体很火，但为什么一到实际业务决策就掉链子？许多企业发现，即使接入了最先进的生成式AI，智能体给出的商业判断依然离谱——要么无视库存约束，要么推荐的定价方案根本落不了地。决策智能初创公司RelationalAI认为，根子在于智能体对企业业务逻辑缺乏深层理解。他们刚刚在Snowflake 2026峰会上甩出一系列更新，目的很明确：填上这块让AI难以落地的坑。
这次更新的靶心是“AI价值差距”——企业投入重金拥抱生成式AI，却卡在如何把它变成靠谱的业务决策能力上。RelationalAI的旗舰系统Rel（一个智能体决策智能系统）得到了三项关键增强，让工作在Snowflake平台上的“决策智能体”能在供应链管理、网络运营、资源分配、定价策略等领域，更自主地做出可执行的判断。
清单第一项：Rel应用。这是一个集中式的工具，用来把客户整个业务的概念、内部关系以及运营规则，映射成一个共享、受治理的语义表达。简单说，它就是一张活的企业“业务逻辑地图”。有了这张地图，业务专家就能用自然语言在Snowflake AI数据云里探索数据、顺着关联追问问题，并依据公司实际数据进行决策推演。每次交互都植根于真实数据，不再凭空拍脑袋。
第二项：智能体新增了两个关键推理技能——规定性推理器和预测性推理器，都已在同一天上线。规定性推理器专攻多领域推理及优化问题，它的办法是把大语言模型的推理能力与图数学融合起来，让推理准确度更高，算力成本更低。处理复杂的资源调度、排产时，智能体能够老老实实地认知各种业务约束，给出可行的方案，而非天马行空的建议。
预测性推理器则在Snowflake内部利用图基神经网络，预测资产故障、客户流失等业务走向。这让智能体能够直接从“可能发生什么”迈到“该干什么”，并代替用户去执行。预测不再是仅供观看的仪表盘，而是行动的起点。
这两项推理技能瞄准了当前AI数据栈的一个关键瓶颈。TheCUBE Research的分析师Dave Vellante和George Gilbert在一次分析中指出，像Snowflake Horizon这样的平台很擅长管理治理元数据——它能告诉你一个指标是什么意思、数据在哪里、谁有权访问。但一个真正意义上的“智能系统”需要的不止是目录。RelationalAI做的事情，是把活的业务逻辑、关系映射成可执行的企业本体，从而补上了从“数据目录”到“决策智能”之间最缺失的那一层。
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.
