之前我原本以为 Snowflake 会发布一些企业 AI 产品或者在原来的数据仓库、数据平台能力上增加一些 AI 相关功能。过去很多年大家对 Snowflake 的认知还是比较清晰的它是一家云数据仓库公司是 Data Cloud 的代表核心能力围绕数据存储、计算、性能、安全、治理、共享和弹性扩展展开。但两天 Summit 听下来我的感受完全变了。这次 Snowflake Summit 给我的最大感受不是“它又发布了一些数据平台的新功能”而是它正在非常激进地重构自己的产品定位。我认为它已经不满足于继续被定义为一家 Data Warehouse 公司也不只是想做一个 AI Data Cloud而是要把自己变成企业里的 AI Data 平台甚至是 Agentic Enterprise 的底座和 Anthropic 开始竞争。如果用一句话概括这次 Snowflake Summit 给我个人的感受我觉得就是Goodbye Data, Hello AI。当然这里的 Goodbye Data 不是说数据不重要了。恰恰相反数据变得更重要了。只是数据平台的表达方式变了。过去我们谈数据平台谈的是数据怎么存、怎么算、怎么共享、怎么治理、怎么降低成本。现在 Snowflake 谈的是 AI 如何理解企业数据Agent 如何使用企业数据业务人员如何通过自然语言直接获得洞察企业如何让 AI 在安全和治理边界内执行任务。Snowflake product VPChristian Kleinerman在 Platform KeyNote 里有一句话很能代表这种变化你的 AI 原生企业从这里开始。这句话如果只是放在普通 AI 发布会上可能只是一句标准口号。但放在 Snowflake Summit 的现场它的含义就不一样了。因为 Snowflake 不是一家原生 AI 公司它过去是一家数据基础设施公司。当这样一家公司开始用 AI 重新组织自己的产品体系时说明 AI 已经不是一个外接功能而是在重构企业本身。1 Snowflake 的转身从 Data Warehouse 到 AI Platform过去我理解 Snowflake首先想到的是数据仓库、云原生、弹性计算、存算分离、数据共享和统一治理。它解决的是传统数据平台里的几个老问题数据分散、扩展困难、性能调优复杂、治理不一致、协作成本高。这次 Summit 的主线已经明显不同。Snowflake 依然会讲 All Data、All Workloads、All Users依然会讲结构化数据、半结构化数据、非结构化数据依然会讲 Iceberg、OpenFlow、Streaming、Zero Copy、Horizon Catalog。但是这些能力不再只是为了构建一个更好的数据平台而是为了服务一个新的目标让企业 AI 和 Agent 能够在统一的数据平台上工作。Christian Kleinerman在 Platform Keynote 里还有一句非常关键的话“We need a unified architecture, both AI and data.”这句话几乎可以看作 Snowflake 这次 Summit 的战略核心。它不是在说“我们也支持 AI”而是在说企业不应该在数据平台之外再建设一个孤立的 AI 平台。为什么因为如果 AI 平台和数据平台分开过去数据时代发生过的问题会再次出现新的孤岛、新的权限体系、新的治理断层、新的成本黑洞、新的安全风险。​过去我们花了十几年时间消除数据孤岛如果今天再把 AI 单独建在另一套体系里本质上就是重新制造 AI 孤岛​。所以 Snowflake 的答案是AI 和 Data 必须统一。数据、计算、语义、治理、安全、应用和 Agent都应该在一个平台里形成闭环。从这个角度看Snowflake 这次峰会的 Slogan​Make AI Real for Business​ 底层逻辑就是把 Data 变成 AI 的上下文、燃料和执行基础。过去的数据平台是给人用的人写 SQL、人看报表、人配任务、人做分析。未来的数据平台越来越多是给 Agent 用的Agent 理解业务问题调用数据能力生成分析过程提出行动建议甚至进入业务流程。这才是这次 Summit 真正让我感到震动的地方。 它不是在原有 Data Warehouse 上加一个 AI 助手而是在用数据从新构建新的 AI Agentic 企业底座而这是 OpenAI 和 Anthropic 未来的主战场。这也是我为什么说 Snowflake 的转身比我想象得更激进。2 CoCo、CoWork、DesktopSnowflake 在“致敬”Anthropic也在暴露它的新野心如果说第一层变化是战略定位那么第二层变化就是产品体系。这次 Snowflake Summit 里最让我印象深的不是某个传统数据库功能也不是某个性能参数的提升而是它发布了一整套围绕 AI Agent 的产品组件CoCo、CoWork、Desktop、Skill Catalog、VS Code 插件、Excel 插件、MCP、ACP、Cloud Agents、Agent Teams、自动化 Agent。这套东西放在一起看就会发现一个非常明显的信号Snowflake 正在用 AI 原生公司的方式重新组织自己的产品。甚至我觉得它在“致敬”Anthropic。为什么这么说因为 Anthropic 这类 AI 原生公司已经不只是做一个聊天机器人而是在做一整套 AI 工作系统Claude、Claude Code、Desktop、MCP、Artifacts、Skills、Computer Use、企业上下文、安全边界。它们真正想占据的不是一个问答入口而是未来人和软件协作的主界面。Snowflake 这次发布的 CoCo、CoWork、Desktop、Skill Catalog、MCP/ACP其实有很强的对应关系。CoCo 像是给企业使用的 Claude CodeCoWork 像是企业内部面向业务人员的 AI 工作入口CoCo Desktop 则让 Snowflake 的 AI 能力走出 Web 控制台进入用户日常工作环境Skill Catalog 则是在把 Snowflake 的平台能力封装成 Agent 可以发现、组合和调用的技能。所以我在现场听到这些发布时第一个反应不是“Snowflake 又出了几个 AI 功能”而是它要把数据平台重新包装成一套企业 AI Agent 操作系统切入 OpenAI 和 Anthropic Enterprise 的主战场。Snowflake 在现场正式宣布Cortex Code 不再叫 Cortex Code而是改名为 Snowflake CoCo“From here on, no more Cortex Code. It is officially Snowflake CoCo.”这句话很值得玩味。Cortex Code 这个名字还带着“代码助手”的味道而 CoCo 这个名字明显更像一个独立 AI 产品入口。改名背后其实是 Snowflake 对产品野心的升级它不想让 CoCo 只是一个帮你写 SQL、补代码、解释语法的助手而是要让 CoCo 成为 Snowflake 平台上的 AI 操作入口。现场 Christian 还提到CoCo 在过去几个月已经从 CLI 和 SnowSight 体验扩展到 MCP、ACP、SDK、Agent Teams、Cloud Agents、自动化能力和 Skill Catalog。尤其是 Skill Catalog它允许用户分享、发现、复用 Skills本质上是在把 Snowflake 的平台能力模块化、工具化、Agent 化。这非常关键。它明确提到将推出 CoCo 的 Excel 插件、VS Code 扩展以及 Marketplace 里的合作伙伴形态。现场我们也讨论到Excel 插件其实很厉害因为 Excel 是业务人员最熟悉的数据工作台VS Code 则是开发者最熟悉的工作台。Snowflake 不是简单要求所有人进入 SnowSight而是让 CoCo 进入用户原本工作的地方。这也是 AI 原生产品非常重要的打法不是让用户迁移到你的界面而是让你的 Agent 进入用户的工作流。所以 CoCo 的意义不是 Snowflake 有了一个 Copilot而是 Snowflake 开始从“平台 UI”转向“Agent Everywhere”。在 CoCo 之外Snowflake 这次还重点推出了 ​CoWork​。坦率地说刚开始听到 CoWork 时我是有些困惑的Anthropic 发布 CoWork 我是可以理解的因为 Agent 需要企业级协同。而一个传统数据平台视角看CoWork 不像 Snowflake 的应该发布的产品CoCo 帮数据工程师写 SQL、修 Pipeline、构建应用这很好理解OpenFlow、Streaming、Iceberg、Horizon Catalog 也都是数据平台能力增强。但 CoWork 和数据仓库有什么关系呢听完介绍我大致理解了。 CoWork 更暴露 Snowflake 的野心它是给业务人员使用的愿景是给 CEO、销售、运营、市场等业务人员如何直接与企业数据对话像拥有自己的 Jarvis 一样获得洞察。Samsung 给出一个案例CoCo 是给数据工程师和开发者的 AI 操作入口而 CoWork 是给业务人员的 AI 工作入口。Snowflake 并不只是想服务数据团队而是想进入企业每个业务人员的日常工作流。这时我才理解 CoWork 的位置CoCo 重构后台的数据工程CoWork 重构前台的业务决策。两者结合Snowflake 才能从数据平台变成企业 AI 工作平台。CoWork 看似离传统 Snowflake 很远其实离 Snowflake 的未来最近。打造 Agentic Enterprise Infra这才是 Snowflake 的真正野心。这也解释了为什么我会觉得 Snowflake 已经不像传统数据公司了。传统数据公司发布产品会讲性能提升多少、成本降低多少、连接器增加多少、治理能力增强多少。而这次 Snowflake 的发布方式更像 AI 公司它讲 Agent、讲 Skills、讲 Desktop、讲 CoWork、讲自然语言、讲业务人员、讲上下文、讲安全边界。也就是说Snowflake 正在把自己从 Data Warehouse 公司重新讲述成一家 Enterprise AI Platform 公司。这对所有数据软件公司都是一个提醒。如果 Snowflake 都已经意识到未来的数据平台入口会从 SQL、BI、Notebook、Pipeline 转向 Agent、Skill、Context、Workflow那么我们这些做 ETL、DataOps、Data Ingestion、Orchestration 的公司也必须重新思考自己的产品形态。它不是一个单点产品而是 Snowflake 面向 AI 时代重新组织产品体系的样板。CoCo、CoWork、Desktop、Skill Catalog、MCP/ACP 串起来展示的是 Snowflake 的新野心不只是管理数据而是成为企业 AI 入口。3 AI 把所有软件公司重新拉回同一起跑线这次 Summit 给我的第二个强烈感受是大家其实都在同一个生态里而且 AI 正在把所有软件公司重新拉回同一个起跑线。有一个瞬间我印象很深。Snowflake 这次发布了 Agentic Control Plane简称 ACP。​我当时心里一惊​因为我们上个月刚刚发布了我们的 ACP 产品这不撞车了么大厂直接下场我岂不是完蛋了后来仔细听发现两者并不完全一样。Snowflake 的 ACP 更偏向 Snowflake 内部的数据建模、Text-to-SQL、Semantic Layer以及 Agent 对 Snowflake 数据的理解和调用。而我们做的更多是 ETL、Orchestration、Pipeline、数据同步、任务调度以及异构数据系统之间的执行与治理我赶紧把我们茶品名字前面加上了 Data Engeering然后才是 Agent Control Plane。但重点不在于两者是否完全一样而在于它说明了一件事大家都看到了同一个方向。这个方向就是未来的软件系统必须变成 Agent 可以理解、调用、编排和治理的系统。过去不同软件公司的差距来自很多地方品牌、客户、渠道、工程规模、生态、交付能力、产品成熟度。大厂有大厂的优势创业公司有创业公司的困难。但 AI 到来以后一个非常有趣的变化出现了所有软件都要重新适配 AI。过去的软件交互方式是人打开界面、人点击按钮、人填写表单、人写 SQL、人看日志、人处理异常。未来的软件交互方式可能变成人提出目标Agent 理解上下文调用工具生成方案执行任务反馈结果。人更多承担确认、监督、判断、决策和纠偏的角色。所以我在现场最大的感受之一是面对 AI所有软件公司都被拉到了一个新的起跑线。因为面对 AI每个软件都要重新做一遍。因此我们才会和 Snowflake 几乎在同一个时间发布了同类型的产品这在过去是很难想象的因为创业公司过去很难和大厂同步发布同样的产品大厂早就利用资源优势把所有能开发的都开发了。所以现在对创业公司来说是一个巨大机会。过去你和大厂竞争很难在资源、品牌、客户规模上正面对抗。但 AI 重构软件的时候大厂也有历史包袱。它们有复杂的旧系统、旧客户、旧架构、旧组织流程。创业公司如果认知足够快反而可以从一开始就按照 Agent-native 的方式设计产品。这也是我这次看 Snowflake 最受鼓舞的地方。Snowflake 这样的大公司在这个月发布的东西我们上个月也在类似方向上做了自己的探索。虽然规模不同、场景不同、产品深度不同但至少说明我们对趋势的判断几乎是同时的。AI 时代机会不只属于大厂。它也属于那些能快速理解变化并敢于重构自己产品的创业者。4从 Snowflake 回看我们自己我如何 Goodbye Data, Hello AI这次 Snowflake Summit 最后留给我的问题其实不是 Snowflake 会变成什么而是我们自己应该变成什么。Snowflake 都已经开始 ​Make AI for Real Business​那么对于我来说我们应该如何 Goodbye Data, Hello AI过去我们做 DataOps、ETL、Data Ingestion、Orchestration、Pipeline本质上是在处理数据流。我们帮助客户把数据从一个系统同步到另一个系统把任务按照依赖关系调度起来把失败任务监控起来把数据链路跑稳定把异构系统连接起来。这些事情当然仍然重要。但 AI 时代来了以后软件本身已经没有太多意义了。过去我们处理的是结构化数据、半结构化数据、文件、日志、表、字段、任务和工作流。未来我们可能还要处理 Knowledge、Context、Semantic、Business Rules、Lineage、Execution Memory 和 Agent Action。当数据不再只是表里的行和列也不只是从源端到目标端的流动。数据会变成 AI 理解企业业务的上下文变成 Agent 执行动作的依据变成企业流程自动化的燃料。Snowflake 给出的答案是它要从 Data Warehouse 变成 AI Data Platform。那我们的答案是从 DataOps 工具走向 AI 时代的 Data Engineering Harness。大家在使用 ClaudeCodeCodex 的时候其实都是 JavaPython 的开发其实对于 Data Engineer 的环境还是不同的更复杂的业务含义更复杂的 Workflow。而 Snowflake 的 CoCo 是数据仓库 Agent但是如何 Orchestration 和 Data Ingestion 也不是 Snow 的专长这些环境里真正需要的是一个跨系统、跨数据库、跨调度、跨环境的 Data Engineering Harness表现出来就是数据工程师的 Agentic Data Control Plane。这可能就是白鲸开源的机会。Thomson Reuters 在 Snowflake Summit 上有一句话让我印象很深“They can’t be wrong.”它讲的是法律、税务、审计行业的专业用户不能接受错误数据开发领域都是如此所以 Data Engineering Harness 要比其它领域的 Harness Engineering 更复杂。企业级 AI 不是玩具。Agent 生成的数据任务不能只是“看起来对”它必须真的对Agent 给出的分析不能只是语言流畅它必须建立在可信数据之上Agent 执行的数据流程不能只是自动化它必须可治理、可审计、可回滚。这也是为什么我觉得这是我们在 AI 时代的数据平台机会不只是更聪明而是更可信。5最后我的盲测Snowflake 在竞争 AI 入口如果成功未来股价不止 x2回到这次 Snowflake Summit我最大的收获不是某一个产品发布而是看到了一个更大的软件行业信号AI 正在重构所有软件的入口、形态和价值表达。而 Snowflake 竞争的是 AI 的入口所以 Snowflake 把自己的竞争对手瞄向 Anthropic从 Data Warehouse