Snowflake 增强两大功能兼顾业务与开发，迈向企业 AI 执行层引行业关注
Snowflake 增强 Snowflake Intelligence 和 Cortex Code，兼顾业务用户与开发者，迈向企业 AI 执行层
Snowflake 对 Snowflake Intelligence 和 Cortex Code 进行了增强，旨在打造统一体验，将企业系统、数据源和 AI 模型与 Snowflake 数据连接起来，这是其成为智能企业控制平面愿景的一部分，能让企业整合数据、工具、工作流程与基于其平台构建的 AI 代理。
Snowflake Intelligence 新增自动化功能，Cortex Code 能以更多方式访问更多数据源。Snowflake 表示，更新后，Snowflake Intelligence 成为面向业务用户的自适应个人工作代理，Cortex Code 作为企业 AI 的构建层得到扩展，提供受管控的、数据原生的开发环境。
Snowflake Intelligence 增强功能
Snowflake Intelligence 的增强功能包括：可通过自然语言描述自动化执行日常任务；新增模型上下文协议（Model Context Protocol，MCP）连接器；提供可复用的工件，使用户能保存和共享分析、可视化结果及工作流程，这些功能将 "很快" 全面推出。此外，一款新的 iOS 移动应用，以及利用智能架构跨数据进行推理的多步骤深度研究功能，也将很快进入公开预览阶段。该公司称，所有这些更新源于客户反馈，以及上月其数据云自主 AI 层项目 SnowWork 预览所获洞察。
Cortex Code 新特性
Cortex Code 现在支持更多外部数据源，包括 AWS Glue、Databricks 和 Postgres，还能通过 MCP 和代理通信协议（Agent Communication Protocol，ACP）与其他 AI 代理连接，拥有 Claude Code 插件，以及支持 Python 和 TypeScript 的新代理软件开发工具包。Snowflake 的 Web 界面 Snowsight 中的 Cortex Code 也得到增强，包括允许开发者预览和批准工作流程的计划模式（Plan Mode），以及能与图表和表格等数据工件进行交互的 Snap & Ask 功能。此外，Snowflake 还宣布了 Snowsight 中 Cortex Code 沙箱的私有预览版，这是一个专用云环境，开发者无需设置即可端到端执行代码。
行业专家观点
Moor Insights & Strategy 副总裁兼首席分析师 Michael Leone 认为该路线图 "雄心勃勃"，指出有许多宣布的项目 "即将推出" 或处于公开预览阶段。他表示，这些公告易让人混淆，虽几乎每个供应商都声称其代理能推理、行动并改变业务，但 Snowflake 值得关注之处在于兼顾企业两方面，Snowflake Intelligence 为业务用户打造，Cortex Code 为开发者构建。他还提到，多数供应商先选一个目标群体，而 Snowflake 将两者置于同一受管控的数据基础上，这是更具挑战性的工程问题，但也是对企业实际问题的更优解决方案。他指出，Snowflake 已从 "在 Snowflake 内部实现" 转变为认识到与其他技术栈互操作性对智能 AI 的重要性。
Info - Tech Research Group 咨询研究员 Igor Ikonnikov 认为控制平面的发展是行业趋势的一部分。他表示，细节决定成败，关键在于平台构成及对 AI 代理的控制方式。多数平台采用传统方式构建，所有控制通过代码实现。Snowflake 提到通过保存整个解决方案并复用完整的模块或模型实现可复用分析，意味着通用语义仍隐藏于数据库模型和代码中。他还指出，所有 AI 供应商受市场相同需求驱动，即从基于 Copilot 的通用聊天机器人转向理解业务逻辑并能相互交互的特定业务用途 AI 代理。他认为，通过这些更新，Snowflake 已赶上竞争对手，但尚未超越。
SanjMo 负责人 Sanjeev Mohan 表示 Snowflake 支持 Databricks 和 AWS Glue 对客户来说是好消息，意味着即使数据存储于竞争对手系统中，也可使用 Snowflake 的 AI 编码代理，反之 VS Code 扩展和 Claude Code 插件也可用于 Snowflake 数据，这减少了用户对供应商锁定的担忧。
Greyhound Research 首席分析师 Sanchit Vir Gogia 认为这是正确的战略方向，他表示企业 AI 正从生成阶段向编排阶段再向执行阶段转变，Snowflake 将受管控的数据作为行动基础的重点与这一转变相契合。然而要成为企业 AI 执行层，不仅需要集成代理和扩展工具，还需要统一语义、可靠的跨系统执行、强大治理、经济可行性、组织准备就绪以及克服结构上限制。在执行工作系统中没有所有权的控制会引入难以完全解决依赖关系，这是 Snowflake 战略核心矛盾，也将决定其影响力扩展程度。Snowflake 已朝着方向迈出重要一步，但尚未证明能大规模实现目标。在这场竞赛中最终胜出不是构建最智能 AI 公司，而是能让 AI 在企业内部可靠运行公司，目前 Snowflake 是最具竞争力参与者之一。