Snowflake Agentic Enterprise — 迈向可信的 Agent 平台¶
Ch04.057 Snowflake Agentic Enterprise — 迈向可信的 Agent 平台¶
📊 Level ⭐⭐ | 21.5KB |
entities/snowflake-agentic-enterprise-summit-2026.md
概述¶
Snowflake 在 Summit 2026 通过 Platform Keynote 发布 CoCo / CoWork 双引擎、Cortex Sense、Agent Identity、Data Movement Policies、Datastream、Agentic Search 等一系列产品，核心主张是从 "can we" 走向 "shall we"——大模型已证明能不能做，但企业真正要决定的是敢不敢用。Snowflake 把 AI 的复杂性收进底层，把可信度带到业务前台。
Benoit Dageville 的核心判断："最好的 Agent 平台，必须建立在最好的数据平台之上。" 当 Agent 开始行动，企业 AI 的可信度，最终仍要回到数据平台本身。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
核心叙事转换¶
| 阶段 | 关心 | 状态 |
|---|---|---|
| 两年前 | 参数多少亿、上下文窗口多长、benchmark 排第几 | "能不能做" |
| 2026 | AI 做错了谁负责 / 智能体执行可信度 | "敢不敢用" |
当智能体开始自主查询数据库、调用 API、生成报告、触发审批、修改业务数据时，它就是具备行动能力的数字员工。数字员工犯错代价可能比人类员工更高——它可以以毫秒级速度把错误放大到整个组织。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
CoCo + CoWork 双引擎闭环¶
CoCo（Cortex Code → 改名）¶
改名由用户驱动——"Denise 说，我们干脆就别再叫 Cortex Code 了，直接叫 CoCo 怎么样？" ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
演进路径：命令行 + Snowsight → 6 个月内扩展到 Airflow / dbt / Spark / MCP / ACP / SDK / Agent Teams → Summit 26 新增 Cloud Agents GA / 本地开发沙箱 / 自动化能力 / 自主智能体 / 技能目录 / CoCo Desktop GA。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
关键创新 — Snap and Ask（划选提问）：拖拽选中图表某区域，点击 explain，CoCo 基于视觉上下文给出分析。"这种交互方式已经不只是'使用数据库'，而更像是在与数据协作。" ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
CoWork（Snowflake Intelligence → 改名）¶
- Intelligence 强调智能能力
- CoWork 强调协作关系 — AI 不再只是工具，而是企业工作流中的协作者
F1 / 钢铁侠愿景："从 CEO 到每一位一线员工。如果你喜欢 F1，想象每个人都有自己的维修团队。如果你喜欢钢铁侠，每个人都有自己的 Jarvis。" ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
关键能力： ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
| 能力 | 作用 |
|---|---|
| Personal Work Engine | 不必手动选择 Agent；自动多 Agent 编排，按请求类型路由 |
| User Memory | 学习用户偏好、习惯、工作模式，越用越懂 |
| Personal Skills / Personal MCP | 每个用户连接自己的业务系统 |
| Scheduled Tasks | "这个分析我喜欢，你能每周或每月发给我一次吗？" |
| Artifacts | 不再是静态报告，而是实时数据的受治理视图——可被共享、协作、持续更新 |
双引擎闭环：开发者在 CoCo 中构建和认证 AI 应用，业务用户在 CoWork 中消费和协作，两者共享同一套治理框架和安全策略。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
Cortex Sense — 24% → 83% 开箱准确率¶
Cortex Sense 从 Snowflake 已有数据和活动中构建信号，自动增强 Agent。在评估集上，搭配 Cortex Sense 后 CoCo 和 CoWork 的开箱准确率从 24% 提升到 83%。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
Natoma 收购 — 100+ 业务系统连接器延伸触达范围。Christian 把 CoCo / CoWork 定位为 control planes——连接数据、模型和应用的工作入口，让 AI 的分析、协作和行动运行在同一套治理框架下。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
标杆案例¶
Samsung SIA（shopper's insight action agent）¶
- Galaxy S26 发布时 SIA 不只是检索数据，而是在数据之上推理和行动：比较发布表现 / 规划步骤 / 调和信号 / 给出综合答案
- 过去数小时的分析工作 → 现在几秒内完成
- 全球约 1,000 名高管、销售和营销人员正在使用 SIA — 他们不是数据科学家，而是负责区域目标、促销策略、产品路线图的业务领导
- "数据团队不再是唯一入口，每位业务领导都可以在自己的工作流中获得分析能力"
Thomson Reuters CoCounsel¶
- 每天 1,000,000+ 专业人士使用
- 财务和业务部门15,000+ 内部用户每天使用语义智能做最关键的财务决策
- "我们已经从试点走向生产环境，每一个 AI 能力在进入市场之前，都会经过负责任 AI 的流程"
AI 时代没有"慢数据" — Datastream¶
Snowflake 亲自下场做流（过去流处理不是强项，企业要额外部署 Kafka）： ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
| 能力 | 特性 |
|---|---|
| Kafka Wire 协议兼容 | 不需要重写生产者/消费者 |
| 零拷贝流式处理 | 减少序列化开销 |
| 亚秒级延迟 | 数据流入流出 Snowflake |
| 存储与计算分离 | Snowflake 经济模型延续到流 |
为什么？ AI 智能体开始自主监控业务信号、规划行动步骤、触发业务流程时，延迟就变成了商业生死线。在 Agent 时代，没有"慢数据"的生存空间。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
Agentic Search — 不是 Top-K，是精确提取¶
不做传统 RAG 的"Top-K 模糊匹配"： ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 利用 AI 函数从非结构化数据中提取信息 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 提取为结构化信息 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 运行精确的分析查询 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 返回基于非结构化内容的精确分析结果 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
企业分散在文档、邮件、合同中的"暗数据"，现在可被智能体直接调用、解析、计算，结果精确到可支撑业务决策。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
治理升维：从"管数据"到"管行为"¶
五大治理能力¶
| 能力 | 作用 |
|---|---|
| Agent Identity（智能体身份） | 知道某段代码 / 某项活动是否发生在 Agent 上下文下；脱敏策略 / 行级策略中可针对 Agent 上下文设置不同可见性权限。同一个数据库表，人类查询和智能体查询可被施加不同安全策略 |
| Data Movement Policies（数据流转策略） | 规定带某个标签的数据不得移动到 stage、不得通过 Snowsight UI 下载。Keynote demo：Tour Ops 员工试图让 CoWork 导出 VIP 客户数据到外部 stage，数据流转策略直接阻止——即使智能体本身有能力查看那张表 |
| Horizon AI 护栏 | 防止提示注入和越狱攻击 |
| Multi-party approvals | 高度敏感操作必须两个管理员同意 |
| Trust Center AI 安全巡检 | 持续监控异常数据传输 |
Snowflake 对 Agent 治理边界的重新定义¶
未来企业数据平台不仅要回答"谁能访问什么数据"，还要回答： ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"] - "智能体在什么情况下可以做什么操作" - "AI 的行为如何被审计和回溯" - "当智能体犯错时，责任边界在哪里"
语义上下文（Horizon Context）¶
仅有智能是不够的，很多时候真正缺少的是上下文。Horizon Context 作为 Horizon Catalog 组成部分：收集信号 → 丰富信号 → 提供给 CoCo / CoWork / Cortex Agent。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
关键洞察：通过语义视图和元数据连接器，让 AI 不仅"能访问数据"，而且"能理解数据的业务含义"。只有当智能体理解"这张表里的收入是毛利还是净利"，它给出的答案才是可信的。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
意图驱动治理（Intent-Driven Governance）¶
降低治理操作的技术门槛——企业管理者不需要写复杂策略脚本，只需要用自然语言表达意图： ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
"把我的数据库中所有个人敏感信息找出来，并确保它受到保护。"
系统自动触发：分类 → 找出个人敏感信息 → 创建正确策略 → 持续监控。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
治理的民主化——不再是少数安全专家的专利，而是每个业务负责人都可以直接施加的控制力。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
越开放，越不可或缺¶
开放标准投入¶
- Apache Iceberg v3 广泛实现
- Apache Polaris Iceberg Catalog interfaces 纳入 Horizon Catalog
- 牵头创建 Open Semantic Interchange Group
- Reshare data GA + Open sharing public preview
生态合作¶
- 业务系统侧：Salesforce / Workday / SAP / IBM mainframe/Db2 / Veeva
- Query across：Snowflake CoWork 可在 Redshift / Postgres / 其他数据源上提供 Snowflake 和 Snowflake AI 能力
- Multi-party collaboration（Samsung / Netflix 案例）：多个参与方在同一安全环境协作，不同角色拥有不同权限
"开放底座、深度协同"的逻辑： ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"] - 数据格式和访问协议需要足够开放，企业才会放心把关键数据和流程接入平台 - 当 Agent 真正进入业务流程，价值就不只来自数据本身，还来自围绕数据不断沉淀的上下文、权限体系、行为历史和业务语义 - 数据可以保持开放流动，但围绕数据形成的智能协作经验会沉淀为新的平台价值 - 迁移成本 = "智能迁移"的成本（而非数据迁移成本）
关键判断："Can we → Shall we"¶
| 时代 | 关注点 | 含义 |
|---|---|---|
| Can we | 能力展示 | 大模型证明能不能做 |
| Shall we | 责任承接 | 企业真正要决定的是敢不敢用 |
企业 AI 的下一场竞争——把 AI 的复杂性收进底层，把可信度带到业务前台。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
关键数字¶
| 指标 | 数值 | 来源 |
|---|---|---|
| Cortex Sense 准确率提升 | 24% → 83% | Summit 26 评估集 |
| Samsung SIA 内部用户 | ~1,000 名高管/销售/营销 | Jung Suh |
| Thomson Reuters CoCounsel 外部用户 | 1,000,000+ 专业人士/天 | Caitlin Halferty |
| Thomson Reuters CoCounsel 内部用户 | 15,000+ 财务/业务 | 同上 |
| Natoma 连接器数 | 100+ 业务系统 | Snowflake |
深度分析¶
1. "Can we → Shall we" 是企业 AI 的临界点叙事¶
过去两年，企业 AI 关注 benchmark 排名 / 上下文长度 / 推理速度等技术维度。但当智能体开始真正执行任务（查询数据库 / 修改业务数据 / 触发审批），出错代价的归责问题就出现了。Snowflake 的价值定位是把"信任问题"压回数据平台——通过 Agent Identity / Data Movement Policies / 治理护栏，让智能体在企业边界内"敢"行动。这与 AWS Bedrock AgentCore / Anthropic Managed Agents 走的是同一条路径，但 Snowflake 的差异化在于从数据平台出发（其他厂商从模型平台出发）。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
2. 改名的产品哲学：让用户重新定义品牌¶
- Cortex Code → CoCo：用户叫出来的名字，形成"被用户认领"的品牌资产
- Snowflake Intelligence → CoWork：从"智能"（能力）转向"协作"（关系）—— 反映了 AI 在企业的角色从工具升级为协作者
这种用户驱动的命名 + 关系导向的命名，比厂商自创技术名词更有亲和力。Christian 在台上笑着说出"Denise 说..."本身就传递了Snowflake 对用户反馈的尊重。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
3. 治理的"民主化"与"动态化"¶
传统治理 = 写复杂策略脚本，由安全专家维护 — 治理是"少数人的事"。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"] Snowflake 意图驱动治理 = 自然语言意图 → 自动分类 + 找敏感信息 + 创建策略 + 持续监控 — 每个业务负责人都可直接施加控制力。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
传统治理 = 静态（写好规则不再变）。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"] Snowflake 治理 = 动态（智能体行为可审计、可回溯、可追责）。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
这是企业 AI 治理从"合规"升级为"运营"的关键变化。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
4. 智能协作经验是新平台价值¶
开放 vs 中心化 不矛盾——Snowflake 看似强调开放（Iceberg / Polaris / Open sharing），但实际通过让 AI / 治理 / 协作能力进入更多外部系统（Query across / 与 Salesforce / SAP 集成）把自己放到更多数据和 AI 工作流的交汇处。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
数据可以保持开放流动，但围绕数据形成的智能协作经验，会逐渐沉淀为新的平台价值。
这种"经验沉淀型"的护城河比数据本身更难迁移 — 业务用户可能换数据库，但训练好的 CoWork 记忆 + 多 Agent 编排模式 + 业务语义上下文要重新积累数月甚至数年。 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
实践启示¶
何时考虑 Snowflake Agent 平台¶
- 已有 Snowflake 数据仓库 且希望 AI 能力直接基于数据平台构建
- 需要可审计的智能体行为（合规 / 金融 / 医疗等受监管行业）
- 业务非数据科学家背景的高管/运营需要直接获取分析能力
- 需要跨数据源联邦查询（Redshift / Postgres / 业务系统）
- 需要实时数据流 与 AI 智能体决策串联
落地路径¶
- 试点 CoCo + CoWork：在受控数据集上验证 24% → 83% 的 Cortex Sense 提升是否在自己的数据上成立 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 设计 Agent Identity 策略：先识别"哪些操作必须区分人类 vs 智能体上下文" ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 定义 Data Movement Policy 标签体系：从最敏感的数据标签开始（如 VIP 客户 / 财务数据） ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 设置 Multi-party Approval 流程：对高敏感操作强制双人审批 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 建立意图驱动治理模板：把常见治理意图（如"找敏感信息 + 保护"）写成自然语言模板 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 跨数据源联邦：评估 Query across 能否替代部分 ETL 流水线 ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
- 用户记忆 + 调度任务：从高频分析需求开始沉淀 User Memory ^["InfoQ 奇遇旧金山: Snowflake 迈向 Agentic Enterprise 的关键一跃"]
与其他 Agent 平台的对比¶
| 维度 | Snowflake Agentic Enterprise | AWS Bedrock AgentCore | Anthropic Managed Agents |
|---|---|---|---|
| 起点 | 数据平台 | 模型平台 | 模型平台 |
| 核心优势 | Agent Identity / Data Movement Policy / 治理深度 | AWS 生态整合 / 多模型路由 | 模型质量 / Claude 优势 |
| 数据流 | 亚秒级原生 (Datastream) | 依赖 Kinesis / Kafka | 依赖外部存储 |
| 业务用户入口 | CoWork (从 Intelligence 改名) | Quick Suite | 较弱 |
| 开源开放 | Iceberg / Polaris / Open Semantic Interchange | 较弱 | 无 |
相关实体¶
- Agent Security Three Step Sequence Harness Governance Identity Crewai（Agent Identity 同源思路 — 治理协议层）
- Agentscope Builder Enterprise Self Evolving Agent Harness（企业级 Agent Harness 同主题）
- Asana Agentic Work Management Platform Lettertwo（Asana — 另一个企业级 Agent 平台视角）
- Building Multi Tenant Agents With Amazon Bedrock Agentcore（AWS Bedrock AgentCore — 对比平台）
- Anthropic 官方 Agent Harness 平台Claude Managed Agents 完整指南（Anthropic Managed Agents — 另一家厂商视角）
- Spec As Aios Anti Entropy Architecture Gaode Ai Native Series 2（Spec-as-AIOS — 治理即架构同思路）
- Taobao Ai Sre Digital Employee Code Quality Governance（数字员工治理 — 行业对照）
- Agentops Operationalize Agentic Ai Amazon Bedrock（AgentOps — 智能体可观测性对照）
- Ai Tool Poisoning Exposes A Major Flaw In Enterprise Agent Security（企业 Agent 安全风险同主题）
- Amazon Quick Accelerating The Path From Enterprise Data To Ai Powered Decisions（Amazon Quick — 另一家企业数据分析平台）
→ 原文存档