Snowflake 正在将 AI 工厂带入您的数据仓库
Snowflake 正在将 AI 工厂带入您的数据仓库
数据仓库与AI开发环境之间的壁垒正在瓦解。Snowflake 的最新平台公告旨在让您的数据云成为构建和运行企业级 AI 的默认场所，而不仅仅是数据存放的地方。
SQL 中的 AI 函数
进入 Snowflake AI 堆栈最便捷的入口是 Cortex AI 功能的扩展。这些是可通过 SQL 调用的函数，让分析师和工程师能够在标准查询中直接访问来自 OpenAI、Anthropic 和 Meta 等提供商的大语言模型。关键在于这一切都发生在 Snowflake 的安全边界内，无需将敏感数据转移到外部服务进行推理。
像 SENTIMENT、SUMMARIZE 和 TRANSLATE 这样的函数可以处理常见的非结构化数据任务。对于更复杂的需求，AI_COMPLETE 为推理和自定义提示提供通用访问，而 AI_EXTRACT 则可以从文档中提取结构化字段。这种方法让团队能够使用熟悉的 SQL 工作流来丰富数据并自动化部分管道。
-- 查找所有带有负面反馈的支持工单
SELECT
ticket_id,
customer_feedback,
SNOWFLAKE.CORTEX.SENTIMENT(customer_feedback) as feedback_sentiment
FROM
support_tickets
WHERE
feedback_sentiment < 0;
这不仅仅关乎便利性。它代表着情感分析、实体提取和内容分类等任务在运营效率上的一次转变。
统一的开发体验
除了简单的 SQL 函数，Snowflake 还在打造一个更加集成的开发环境。现已公开预览的 Snowflake Notebooks 提供了一个统一的界面，支持 Python、SQL 和 Markdown。该环境与平台的其他部分原生集成，包括用于模型开发的 Snowpark ML、用于构建数据应用的 Streamlit 以及用于访问大语言模型的 Cortex AI。
目标是缩短从原型到生产的路径。通过将数据管道工具（如 Dynamic Tables 和 Snowpipe Streaming）与原生的笔记本体验相结合，开发者可以在同一个地方构建和管理数据转换以及 AI 模型。已有超过 2900 家客户使用 Dynamic Tables 来管理生产级数据管道。
迈向智能体和可观测性
新工具中最高的抽象层次来自 Cortex Agents。这些智能体旨在处理多步骤、自主的工作流，能够跨企业数据进行推理并与外部工具连接。该平台还推出了 Snowflake Intelligence，这是一个面向业务用户的自然语言界面，让他们无需编写 SQL 就能提出复杂问题。
为了管理这种复杂性，新版本还包含了一些新的可观测性功能。例如，Snowflake Trail 提供了遥测和分布式追踪，让开发者能够了解代码在平台内的执行情况。随着应用从简单查询转向多步骤的自主工作流，这一点变得至关重要。
这对构建者意味着什么
AI 开发的重心正在转移。与其将海量数据集移动到外部计算资源，工具正在成熟，能够将计算和开发生命周期直接带到数据所在之处。对于工程师和数据科学家来说，这意味着花更少的时间在基础设施设置和数据移动上，而将更多精力投入到在受管控且安全的环境中进行构建。这使得数据云在构建 AI 产品时成为一个更积极的参与者，而不仅仅是一个被动存储库。