会懂网AI资讯，9月17日，Snowflake正以Cortex AI把生成式人工智能直接嵌入其数据云，让分析人员无需离开SQL与数据工作流即可调用大模型能力，这种数据在哪里、AI就在哪里跑的设计，正在改变企业构建AI应用的方式，也使得数据平台从查询引擎进化为可以原生执行智能任务的统一平面。
Cortex Functions是这一策略的核心载体，它允许用户在Snowflake的SQL语句与数据管道中直接调用摘要、文本生成与结构化抽取等函数，并将结果写回表中，例如把杂乱的客户评论一键规整为情感标签与要点字段，或把合同文本抽取成结构化条款。由于计算在已治理的数据原地完成，企业避免了把敏感数据导出到外部模型服务的步骤，也省去了额外搭建推理集群的成本。
在Cortex Functions之上，Snowflake还提供了面向不同角色的智能层：Cortex Analyst把自然语言转换为可执行的SQL，让业务用户用日常语言提问即可获得查询与图表；Cortex Search提供托管式向量检索，支撑基于企业知识的语义搜索与问答；Snowflake Intelligence则进一步面向业务用户，把多源数据与分析意图连接起来，使得非技术人员也能完成过去依赖数据团队的复杂分析。
与独立AI管道相比，Snowflake路线的优势在于智能执行贴近已治理数据，企业可以直接复用既有的权限、脱敏与合规模式，而不必在另一个系统里重新搭建一套安全体系。对于受监管行业而言，这一点尤为关键，因为数据出域与模型调用往往需要单独审批，而把AI函数放在数据云内执行，能够把模型推理纳入原有的审计与访问控制框架，降低合规摩擦。
这种数据云原生生成式AI的打法，正与Databricks的lakehouse路线形成双雄格局：两者都在把数据平台升级为AI平台，只是侧重点略有差异，Databricks更强于开放生态与工程化机器学习，Snowflake则擅长在SQL原地与治理边界内交付智能。对客户而言，选择往往取决于团队技能栈与既有数据资产位置，但方向是一致的，即让AI能力紧贴数据，减少搬运与重复治理。
从行业视角看，Cortex把AI函数当作一等公民放入SQL，标志着生成式AI从外部工具走向数据基础设施的组成部分。当摘要、抽取与问答成为可以像聚合函数一样被调用的算子，数据分析的边际成本将进一步下降，更多业务场景会被自动化。可以预期，随着模型成本持续走低与向量检索成熟，数据云厂商会把更多智能能力内生化，企业构建AI应用的重心也将从选哪家模型转向如何让模型安全地跑在自己的数据上。
暂无评论内容