作者 | 郭煒

感謝 Snowflake 這次邀請我以 Snowflake 雪花大使身份參加 Snowflake Summit。這次大會給我的觸動比預想中更大，大家知道，我一直做從事數據行業，早期在 Teradata，后來在 IBM，后來在企業里 Lenovo、中金、萬達等管大數據，后來成為 Apache Software Foundation Member，現在是白鯨開源 CEO，所以我一直對數據行業非常關注。

來之前，我原本以為 Snowflake 會發布一些企業 AI 產品，或者在原來的數據倉庫、數據平臺能力上，增加一些 AI 相關功能。過去很多年，大家對 Snowflake 的認知還是比較清晰的：它是一家云數據倉庫公司，是 Data Cloud 的代表，核心能力圍繞數據存儲、計算、性能、安全、治理、共享和彈性擴展展開。

但兩天 Summit 聽下來，我的感受完全變了。

這次 Snowflake Summit 給我的最大感受，不是“它又發布了一些數據平臺的新功能”，而是它正在非常激進地重構自己的產品定位。我認為，它已經不滿足于繼續被定義為一家 Data Warehouse 公司，也不只是想做一個 AI Data Cloud，而是要把自己變成企業里的 AI + Data 平臺，甚至是 Agentic Enterprise 的底座，和 Anthropic 開始競爭。

如果用一句話概括這次 Snowflake Summit 給我個人的感受，我覺得就是：

Goodbye Data, Hello AI。

當然，這里的 Goodbye Data 不是說數據不重要了。恰恰相反，數據變得更重要了。只是數據平臺的表達方式變了。過去我們談數據平臺，談的是數據怎么存、怎么算、怎么共享、怎么治理、怎么降低成本。現在 Snowflake 談的是 AI 如何理解企業數據，Agent 如何使用企業數據，業務人員如何通過自然語言直接獲得洞察，企業如何讓 AI 在安全和治理邊界內執行任務。

Snowflake product VPChristian Kleinerman在 Platform KeyNote 里有一句話很能代表這種變化：

你的 AI 原生企業從這里開始。

這句話如果只是放在普通 AI 發布會上，可能只是一句標準口號。但放在 Snowflake Summit 的現場，它的含義就不一樣了。因為 Snowflake 不是一家原生 AI 公司，它過去是一家數據基礎設施公司。當這樣一家公司開始用 AI 重新組織自己的產品體系時，說明 AI 已經不是一個外接功能，而是在重構企業本身。

1 Snowflake 的轉身：從 Data Warehouse 到 AI Platform

過去我理解 Snowflake，首先想到的是數據倉庫、云原生、彈性計算、存算分離、數據共享和統一治理。它解決的是傳統數據平臺里的幾個老問題：數據分散、擴展困難、性能調優復雜、治理不一致、協作成本高。

這次 Summit 的主線已經明顯不同。Snowflake 依然會講 All Data、All Workloads、All Users，依然會講結構化數據、半結構化數據、非結構化數據，依然會講 Iceberg、OpenFlow、Streaming、Zero Copy、Horizon Catalog。但是這些能力不再只是為了構建一個更好的數據平臺，而是為了服務一個新的目標：讓企業 AI 和 Agent 能夠在統一的數據平臺上工作。

Christian Kleinerman在 Platform Keynote 里還有一句非常關鍵的話：

“We need a unified architecture, both AI and data.”

這句話幾乎可以看作 Snowflake 這次 Summit 的戰略核心。它不是在說“我們也支持 AI”，而是在說企業不應該在數據平臺之外再建設一個孤立的 AI 平臺。

為什么？

因為如果 AI 平臺和數據平臺分開，過去數據時代發生過的問題會再次出現：新的孤島、新的權限體系、新的治理斷層、新的成本黑洞、新的安全風險。過去我們花了十幾年時間消除數據孤島，如果今天再把 AI 單獨建在另一套體系里，本質上就是重新制造 AI 孤島。

所以 Snowflake 的答案是：AI 和 Data 必須統一。數據、計算、語義、治理、安全、應用和 Agent，都應該在一個平臺里形成閉環。

從這個角度看，Snowflake 這次峰會的 Slogan，Make AI Real for Business， 底層邏輯就是把 Data 變成 AI 的上下文、燃料和執行基礎。過去的數據平臺是給人用的，人寫 SQL、人看報表、人配任務、人做分析。未來的數據平臺越來越多是給 Agent 用的，Agent 理解業務問題，調用數據能力，生成分析過程，提出行動建議，甚至進入業務流程。

這才是這次 Summit 真正讓我感到震動的地方。 它不是在原有 Data Warehouse 上加一個 AI 助手，而是在用數據從新構建新的 AI Agentic 企業底座，而這是 OpenAI 和 Anthropic 未來的主戰場。這也是我為什么說 Snowflake 的轉身比我想象得更激進。

2 CoCo、CoWork、Desktop：Snowflake 在“致敬”Anthropic，也在暴露它的新野心

如果說第一層變化是戰略定位，那么第二層變化就是產品體系。

這次 Snowflake Summit 里，最讓我印象深的不是某個傳統數據庫功能，也不是某個性能參數的提升，而是它發布了一整套圍繞 AI Agent 的產品組件：CoCo、CoWork、Desktop、Skill Catalog、VS Code 插件、Excel 插件、MCP、ACP、Cloud Agents、Agent Teams、自動化 Agent。

這套東西放在一起看，就會發現一個非常明顯的信號：Snowflake 正在用 AI 原生公司的方式，重新組織自己的產品。

甚至我覺得它在“致敬”Anthropic。

為什么這么說？

因為 Anthropic 這類 AI 原生公司，已經不只是做一個聊天機器人，而是在做一整套 AI 工作系統：Claude、Claude Code、Desktop、MCP、Artifacts、Skills、Computer Use、企業上下文、安全邊界。它們真正想占據的，不是一個問答入口，而是未來人和軟件協作的主界面。

Snowflake 這次發布的 CoCo、CoWork、Desktop、Skill Catalog、MCP/ACP，其實有很強的對應關系。CoCo 像是給企業使用的 Claude Code；CoWork 像是企業內部面向業務人員的 AI 工作入口；CoCo Desktop 則讓 Snowflake 的 AI 能力走出 Web 控制臺，進入用戶日常工作環境；Skill Catalog 則是在把 Snowflake 的平臺能力封裝成 Agent 可以發現、組合和調用的技能。

所以我在現場聽到這些發布時，第一個反應不是“Snowflake 又出了幾個 AI 功能”，而是：它要把數據平臺重新包裝成一套企業 AI Agent 操作系統，切入 OpenAI 和 Anthropic Enterprise 的主戰場。

Snowflake 在現場正式宣布，Cortex Code 不再叫 Cortex Code，而是改名為 Snowflake CoCo：

“From here on, no more Cortex Code. It is officially Snowflake CoCo.”

這句話很值得玩味。Cortex Code 這個名字還帶著“代碼助手”的味道，而 CoCo 這個名字明顯更像一個獨立 AI 產品入口。改名背后，其實是 Snowflake 對產品野心的升級：它不想讓 CoCo 只是一個幫你寫 SQL、補代碼、解釋語法的助手，而是要讓 CoCo 成為 Snowflake 平臺上的 AI 操作入口。

現場 Christian 還提到，CoCo 在過去幾個月已經從 CLI 和 SnowSight 體驗，擴展到 MCP、ACP、SDK、Agent Teams、Cloud Agents、自動化能力和 Skill Catalog。尤其是 Skill Catalog，它允許用戶分享、發現、復用 Skills，本質上是在把 Snowflake 的平臺能力模塊化、工具化、Agent 化。

這非常關鍵。

它明確提到將推出 CoCo 的 Excel 插件、VS Code 擴展以及 Marketplace 里的合作伙伴形態。現場我們也討論到，Excel 插件其實很厲害，因為 Excel 是業務人員最熟悉的數據工作臺；VS Code 則是開發者最熟悉的工作臺。Snowflake 不是簡單要求所有人進入 SnowSight，而是讓 CoCo 進入用戶原本工作的地方。

這也是 AI 原生產品非常重要的打法：

不是讓用戶遷移到你的界面，而是讓你的 Agent 進入用戶的工作流。

所以 CoCo 的意義，不是 Snowflake 有了一個 Copilot，而是 Snowflake 開始從“平臺 UI”轉向“Agent Everywhere”。

在 CoCo 之外，Snowflake 這次還重點推出了CoWork。坦率地說，剛開始聽到 CoWork 時，我是有些困惑的，Anthropic 發布 CoWork 我是可以理解的，因為 Agent 需要企業級協同。而一個傳統數據平臺視角看，CoWork 不像 Snowflake 的應該發布的產品：CoCo 幫數據工程師寫 SQL、修 Pipeline、構建應用，這很好理解；OpenFlow、Streaming、Iceberg、Horizon Catalog 也都是數據平臺能力增強。但 CoWork 和數據倉庫有什么關系呢？

聽完介紹我大致理解了。 CoWork 更暴露 Snowflake 的野心，它是給業務人員使用的，愿景是給 CEO、銷售、運營、市場等業務人員如何直接與企業數據對話，像擁有自己的 Jarvis 一樣獲得洞察。Samsung 給出一個案例，CoCo 是給數據工程師和開發者的 AI 操作入口，而 CoWork 是給業務人員的 AI 工作入口。Snowflake 并不只是想服務數據團隊，而是想進入企業每個業務人員的日常工作流。

這時我才理解 CoWork 的位置：CoCo 重構后臺的數據工程，CoWork 重構前臺的業務決策。兩者結合，Snowflake 才能從數據平臺變成企業 AI 工作平臺。CoWork 看似離傳統 Snowflake 很遠，其實離 Snowflake 的未來最近。

打造 Agentic Enterprise Infra，這才是 Snowflake 的真正野心。這也解釋了為什么我會覺得 Snowflake 已經不像傳統數據公司了。

傳統數據公司發布產品，會講性能提升多少、成本降低多少、連接器增加多少、治理能力增強多少。

而這次 Snowflake 的發布方式，更像 AI 公司：它講 Agent、講 Skills、講 Desktop、講 CoWork、講自然語言、講業務人員、講上下文、講安全邊界。也就是說，Snowflake 正在把自己從 Data Warehouse 公司，重新講述成一家 Enterprise AI Platform 公司。

這對所有數據軟件公司都是一個提醒。

如果 Snowflake 都已經意識到，未來的數據平臺入口會從 SQL、BI、Notebook、Pipeline 轉向 Agent、Skill、Context、Workflow，那么我們這些做 ETL、DataOps、Data Ingestion、Orchestration 的公司，也必須重新思考自己的產品形態。

它不是一個單點產品，而是 Snowflake 面向 AI 時代重新組織產品體系的樣板。CoCo、CoWork、Desktop、Skill Catalog、MCP/ACP 串起來，展示的是 Snowflake 的新野心：不只是管理數據，而是成為企業 AI 入口。

3 AI 把所有軟件公司重新拉回同一起跑線

這次 Summit 給我的第二個強烈感受是：大家其實都在同一個生態里，而且 AI 正在把所有軟件公司重新拉回同一個起跑線。

有一個瞬間我印象很深。

Snowflake 這次發布了 Agentic Control Plane，簡稱 ACP。我當時心里一驚，因為我們上個月剛剛發布了我們的 ACP 產品，這不撞車了么？？大廠直接下場，我豈不是完蛋了！？？

后來仔細聽，發現兩者并不完全一樣。Snowflake 的 ACP 更偏向 Snowflake 內部的數據建模、Text-to-SQL、Semantic Layer，以及 Agent 對 Snowflake 數據的理解和調用。而我們做的更多是 ETL、Orchestration、Pipeline、數據同步、任務調度，以及異構數據系統之間的執行與治理，我趕緊把我們茶品名字前面加上了 Data Engeering，然后才是 Agent Control Plane。

但重點不在于兩者是否完全一樣，而在于它說明了一件事：大家都看到了同一個方向。這個方向就是：

未來的軟件系統必須變成 Agent 可以理解、調用、編排和治理的系統。

過去不同軟件公司的差距來自很多地方：品牌、客戶、渠道、工程規模、生態、交付能力、產品成熟度。大廠有大廠的優勢，創業公司有創業公司的困難。但 AI 到來以后，一個非常有趣的變化出現了：所有軟件都要重新適配 AI。過去的軟件交互方式，是人打開界面、人點擊按鈕、人填寫表單、人寫 SQL、人看日志、人處理異常。未來的軟件交互方式，可能變成：人提出目標，Agent 理解上下文，調用工具，生成方案，執行任務，反饋結果。人更多承擔確認、監督、判斷、決策和糾偏的角色。

所以我在現場最大的感受之一是：面對 AI，所有軟件公司都被拉到了一個新的起跑線。

因為面對 AI，每個軟件都要重新做一遍。

因此我們才會和 Snowflake 幾乎在同一個時間發布了同類型的產品，這在過去是很難想象的，因為創業公司過去很難和大廠同步發布同樣的產品，大廠早就利用資源優勢把所有能開發的都開發了。

所以現在對創業公司來說，是一個巨大機會。

過去你和大廠競爭，很難在資源、品牌、客戶規模上正面對抗。但 AI 重構軟件的時候，大廠也有歷史包袱。它們有復雜的舊系統、舊客戶、舊架構、舊組織流程。創業公司如果認知足夠快，反而可以從一開始就按照 Agent-native 的方式設計產品。

這也是我這次看 Snowflake 最受鼓舞的地方。Snowflake 這樣的大公司在這個月發布的東西，我們上個月也在類似方向上做了自己的探索。雖然規模不同、場景不同、產品深度不同，但至少說明我們對趨勢的判斷幾乎是同時的。

AI 時代，機會不只屬于大廠。它也屬于那些能快速理解變化，并敢于重構自己產品的創業者。

4 從 Snowflake 回看我們自己：我如何 Goodbye Data, Hello AI？

這次 Snowflake Summit 最后留給我的問題，其實不是 Snowflake 會變成什么，而是我們自己應該變成什么。

Snowflake 都已經開始Make AI for Real Business，那么對于我來說，我們應該如何 Goodbye Data, Hello AI？

過去我們做 DataOps、ETL、Data Ingestion、Orchestration、Pipeline，本質上是在處理數據流。我們幫助客戶把數據從一個系統同步到另一個系統，把任務按照依賴關系調度起來，把失敗任務監控起來，把數據鏈路跑穩定，把異構系統連接起來。

這些事情當然仍然重要。但 AI 時代來了以后，軟件本身已經沒有太多意義了。

過去我們處理的是結構化數據、半結構化數據、文件、日志、表、字段、任務和工作流。未來我們可能還要處理 Knowledge、Context、Semantic、Business Rules、Lineage、Execution Memory 和 Agent Action。當數據不再只是表里的行和列，也不只是從源端到目標端的流動。數據會變成 AI 理解企業業務的上下文，變成 Agent 執行動作的依據，變成企業流程自動化的燃料。

Snowflake 給出的答案是：它要從 Data Warehouse 變成 AI Data Platform。

那我們的答案是：從 DataOps 工具走向 AI 時代的 Data Engineering Harness。大家在使用 ClaudeCode，Codex 的時候其實都是 Java，Python 的開發，其實對于 Data Engineer 的環境還是不同的，更復雜的業務含義，更復雜的 Workflow。而 Snowflake 的 CoCo 是數據倉庫 Agent，但是如何 Orchestration 和 Data Ingestion 也不是 Snow 的專長，這些環境里真正需要的是一個跨系統、跨數據庫、跨調度、跨環境的 Data Engineering Harness，表現出來就是數據工程師的 Agentic Data Control Plane。

這可能就是白鯨開源的機會。

Thomson Reuters 在 Snowflake Summit 上有一句話讓我印象很深：

“They can’t be wrong.”

它講的是法律、稅務、審計行業的專業用戶不能接受錯誤，數據開發領域都是如此，所以 Data Engineering Harness 要比其它領域的 Harness Engineering 更復雜。

企業級 AI 不是玩具。Agent 生成的數據任務不能只是“看起來對”，它必須真的對；Agent 給出的分析不能只是語言流暢，它必須建立在可信數據之上；Agent 執行的數據流程不能只是自動化，它必須可治理、可審計、可回滾。

這也是為什么我覺得這是我們在 AI 時代的數據平臺機會，不只是更聰明，而是更可信。

5 最后我的盲測：Snowflake 在競爭 AI 入口，如果成功，未來股價不止 x2

回到這次 Snowflake Summit，我最大的收獲不是某一個產品發布，而是看到了一個更大的軟件行業信號：

AI 正在重構所有軟件的入口、形態和價值表達。

而 Snowflake 競爭的是 AI 的入口，所以 Snowflake 把自己的競爭對手瞄向 Anthropic，從 Data Warehouse 走向 AI Data Platform。

而未來 Data+AI，到底是掌握 Data 的人是入口，還是 掌握 AI 的人是入口呢？

而我的判斷是，數據是難以搬走的，AI 平臺反而是很容易切換的。大家知道最近一個月 Snowflake 的股價剛剛翻了一翻；而我個人認為如果 Snowflake 的 AI 入口模式成功，未來它的股價不止過去的一個月 x2。

Rethink what is possible,

Snowflake AI，未來可期！

(以上分享的內容純屬個人看法，不代表官方立場，也不是投資建議）