在日前伦敦BUILD大会上，Snowflake推出全新AI功能套件，旨在简化智能体及其他高级应用的开发流程。新功能包括Snowflake Postgres原生集成、Semantic View Autopilot、Cortex Code等工具。

此次发布是在Snowflake宣布与OpenAI达成2亿美元多年期合作协议数日后进行，双方将通过共同创新与联合市场推广展开合作。这两项举措表明，Snowflake正将企业级AI直接引入客户数据领域，使组织能够在其现有数据存储位置构建并运行AI应用程序。

Snowflake宣称，新的Postgres集成使事务型应用开发更贴近其分析核心。这意味着开发人员需要处理的系统间交接更少，同时获得更统一的数据驱动服务构建环境。应用程序更贴近其依赖的数据，这简化了架构并缩短了开发周期。

“当企业从AI实验转向实际生产时，真正的挑战在于确保AI系统能够持续访问企业范围内互联、受控且可发现的数据，”Snowflake产品执行副总裁Christian Kleinerman表示。

“这意味着必须消除阻碍AI部署、增加风险的数据孤岛、脆弱管道和封闭系统。通过在单一平台整合统一的运营分析数据与开放互操作性，我们赋能客户构建企业级AI系统——这些系统能安全、大规模地处理真实业务数据。”

Semantic View Autopilot则致力于解决协同问题。随着AI深度融入工作流程，关键指标的定义往往存在分歧。Snowflake通过自动语义层，使AI系统基于更统一且受管控的业务逻辑运行，从而避免混淆并提升跨团队对输出结果的信任度。

借助Cortex Code，Snowflake推出具备企业数据语境理解能力的AI编码助手，为开发者提供全新维度的支持。开发者常因通用代码建议感到困扰，Cortex Code正致力于解决此痛点。它首先分析组织数据的结构并理解其含义，在此基础上协助开发者在数据治理边界内加速开发进程。

从这些新的人工智能功能可见，Snowflake正着力投资于原始数据与生产级人工智能之间的连接纽带。其平台定位为数据与智能的融合枢纽，使企业AI成为现有工作流的自然延伸，而非独立项目。

与OpenAI达成的2亿美元合作将这一理念延伸至模型层。通过直接整合OpenAI模型与企业数据，Snowflake正着力消除生产AI最大障碍之一——模型运行环境与数据存储位置的隔阂。

此举意义重大，因为企业AI不仅关乎模型质量，更涉及数据访问与一致性。用户必须信任数据。当OpenAI模型与Snowflake数据服务协同运作时，用户将获得更直接的途径，将内部数据转化为跨场景的人工智能洞察。

Snowflake首席执行官Sridhar Ramaswamy表示：“通过将OpenAI模型引入企业数据，Snowflake使组织能够在其最宝贵的资产之上构建和部署人工智能，并依托他们已信任的安全、受控平台。客户现在可以整合Snowflake中的全部企业知识与OpenAI模型世界级智能，从而构建强大、负责任且值得信赖的人工智能代理。”

此前Snowflake客户虽可使用OpenAI模型，但仅能通过外部集成实现。如今通过原生访问，这些模型可在Snowflake人工智能环境内直接运行，大幅减少了通常拖慢项目进度的前期配置工作。此外，Snowflake还支持多模型供应商，为客户提供了更多选择。

相较于Databricks等竞争对手，Snowflake将AI开发列为首要任务或许稍显迟缓。但过去12个月间，该公司已取得重大进展——其平台正从数据仓库平台转型为完整的AI执行平台。