Snowflake推出智能體平臺新功能，助力企業用戶與開發者

Snowflake正在對Snowflake Intelligence和Cortex Code進行全面升級，旨在打造一套統一的體驗，將企業系統、數據源與AI模型和Snowflake數據相互連接。這是該公司"成為智能體企業控制平面"戰略愿景的重要組成部分，目標是幫助企業將數據、工具和工作流與基于其平臺構建的AI智能體有效整合。

此次更新中，Snowflake Intelligence將進化為面向業務用戶的自適應個人工作智能體，而Cortex Code則拓展為企業AI的開發構建層，提供有監管、原生數據的開發環境。

Snowflake Intelligence的核心升級包括：支持通過自然語言描述來自動化日常任務、新增模型上下文協議（MCP）連接器，以及可重復使用的工件功能——用戶可以保存并共享分析結果、可視化內容和工作流程，上述功能均將"即將"全面開放。此外，全新iOS移動應用程序，以及利用智能體架構進行多步驟跨數據推理的深度研究功能，也將于近期進入公開預覽階段。

Snowflake表示，上述更新均來源于用戶反饋，以及上月發布的Project SnowWork（其數據云自主AI層預覽版）所積累的洞察。

在Cortex Code方面，新版本支持更多外部數據源，包括AWS Glue、Databricks和Postgres，同時支持通過MCP和智能體通信協議（ACP）與其他AI智能體互聯，還新增了Claude Code插件，以及支持Python和TypeScript的全新智能體軟件開發套件。Snowflake的Web界面Snowsight中的Cortex Code也得到了增強，引入了Plan Mode（允許開發者預覽和審批工作流）和Snap & Ask（支持與圖表、表格等數據工件進行交互）功能。

此外，Snowflake還宣布在Snowsight中推出Cortex Code Sandboxes私有預覽版——這是一個專屬云端環境，開發者無需任何配置即可端到端執行代碼。

Moor Insights & Strategy副總裁兼首席分析師Michael Leone認為，這份路線圖"頗具雄心"，但也注意到大量功能仍標注為"即將推出"或處于公開預覽狀態。他指出："幾乎每家廠商都聲稱自己的智能體能夠推理、行動并改變業務，相關公告開始變得千篇一律。但這次值得停下來細看的原因，至少對我而言，是Snowflake同時瞄準了企業的兩類受眾——Intelligence面向那些不想寫SQL、只想要答案和行動的業務用戶，而Cortex Code則是為真正負責將其落地生產的開發者而生。"

他表示，大多數廠商只選擇其中一類目標用戶，之后再回頭覆蓋另一類，而Snowflake將兩者都建立在同一套有監管的數據基礎之上。"這是一個更難解決的工程問題，但我認為這是對企業真正關切問題更清晰的回答——如何在不失去底層數據控制權的情況下，讓更多人用上AI。"他還指出，Snowflake的思路已經從"在Snowflake內部完成一切"轉變為：智能體AI只有與整個技術棧實現互操作，才能真正發揮價值。

Info-Tech Research Group顧問研究員Igor Ikonnikov也將"控制平面"戰略視為行業趨勢的一部分。他表示："細節永遠是關鍵，這些平臺的構成方式，以及如何管控AI智能體，才是核心所在。大多數平臺以傳統方式構建，所有控制邏輯都寫死在代碼里。Snowflake談到通過保存完整解決方案、復用完整模塊或模型來實現可重用的分析能力，但這意味著通用語義仍然隱藏在數據庫模型和代碼之中。"

他認為，所有AI廠商都在響應同一市場需求："從基于Copilot的通用聊天機器人，轉向能夠理解業務邏輯、并能相互協作的業務專用AI智能體。"就此次更新而言，他認為Snowflake已經追上了競爭對手，但尚未超越。

SanjMo首席顧問Sanjeev Mohan表示："對客戶來說，好消息是Snowflake現在支持Databricks和AWS Glue。這意味著即使數據存放在競爭對手的系統中，也可以使用Snowflake AI編程智能體。反過來，VS Code擴展和Claude Code插件也可以用于Snowflake數據。換言之，這有效降低了用戶對廠商鎖定的顧慮。"

Greyhound Research首席分析師Sanchit Vir Gogia認為，這也是正確的戰略方向。他表示："企業AI正在從生成，走向編排，再走向執行，而Snowflake以有監管的數據作為行動基礎的做法，與這一演進方向高度契合。"

不過他也指出，要真正成為企業AI的執行層，僅靠集成智能體和擴展工具鏈還遠遠不夠，還需要實現一致的語義體系、可靠的跨系統執行、強有力的治理機制、經濟可行性，以及組織層面的準備度，同時還要克服一個結構性制約。"在不擁有工作執行系統所有權的情況下進行控制，會引入難以徹底解決的依賴關系。這是Snowflake戰略中的核心張力，也將決定其影響力能延伸多遠。Snowflake已經向這個方向邁出了有意義的一步，但尚未證明自己能夠規模化地實現這一切。在現階段，它是這場競賽中最有競爭力的選手之一——這場競賽的勝負，最終取決于誰能讓AI在企業內部可靠地運轉，而非誰能構建最聰明的AI。"

Q&A

Q1：Snowflake Intelligence具體能幫業務用戶做什么？

A：Snowflake Intelligence定位為面向業務用戶的自適應個人工作智能體，用戶可以用自然語言描述日常任務來實現自動化，無需編寫SQL代碼。它還支持保存和共享分析結果、可視化內容及工作流程，并將推出iOS移動應用和多步驟深度推理功能，幫助用戶跨數據源進行分析，大幅降低業務人員使用AI的門檻。

Q2：Cortex Code新版本新增了哪些重要功能？

A：Cortex Code新版本新增了對AWS Glue、Databricks和Postgres等外部數據源的支持，還支持通過MCP和ACP協議與其他AI智能體互聯。同時推出了Claude Code插件、支持Python和TypeScript的智能體SDK，以及Snowsight界面中的Plan Mode（預覽審批工作流）和Snap & Ask（與圖表表格交互）功能，另外還有無需配置即可運行代碼的Cortex Code Sandboxes云端環境。

Q3：Snowflake的智能體控制平面戰略面臨哪些挑戰？

A：分析師指出，Snowflake要成為企業AI執行層，僅靠集成智能體和擴展工具還不夠，還需要一致的語義體系、可靠的跨系統執行能力、強治理機制和經濟可行性。核心挑戰在于：Snowflake并不擁有實際執行工作的系統，這種"控制但不擁有"的結構會帶來難以徹底解決的依賴性問題，將制約其影響力的擴展邊界。