外部行业实践 ·
Snowflake依托数据平台优势落地AI应用实现业绩高速增长
Snowflake作为成立十余年的数据企业，在企业软件市场整体承压、客户收紧IT支出的背景下，2027财年第一季度实现收入同比高速增长。其没有参与基础大模型竞争，而是将AI能力与原有数据平台沉淀的客户数据、权限规则、业务上下文结合，同时布局企业认知层、开放语义标准、AI治理体系，推动AI深度融入企业业务流程，带动客户留存和平台消费提升。
仅供行业学习与场景参考，不代表优秘交付、客户关系或效果承诺。
面临的问题
企业落地AI过程中存在多类痛点：一是通用大模型缺乏对企业业务上下文、指标定义、业务规则的认知，无法适配企业实际业务需求；二是企业不同业务系统间语义标准不统一，易出现语义漂移问题，导致AI跨系统执行任务时容易出错；三是AI从辅助咨询转向业务执行时，缺乏配套的权限、治理规则约束，风险不可控。
AI 落地做法
Snowflake的核心解法为：一是将AI工具与原有数据平台深度结合，依托平台已经沉淀的企业数据、权限、治理规则、业务上下文提供AI服务，避免通用AI工具的适配问题；二是搭建基于本体论的企业认知层，构建连接底层数据表与上层AI应用的意义层，将企业的概念定义、规则逻辑转化为机器可识别的结构；三是推动厂商中立的开放语义标准Apache Ossie孵化，解决跨系统语义漂移问题；四是将原有数据治理和权限体系向AI应用延伸，同时收购企业级MCP平台Natoma，扩展对Agent跨系统动作的治理范围。
实施路径
- 推出Snowflake CoWork、Snowflake CoCo等AI工具产品
- 构建基于本体论的企业认知架构，支撑Cortex Agent等上层AI应用
- 推动开放语义标准项目进入Apache软件基金会孵化器，命名为Apache Ossie
- 将原有数据治理与权限体系向Agent场景延伸，收购企业级MCP平台Natoma扩展治理边界
来源：InfoQ 中文（本站改写摘要，成效数据均取自原文）
项目背景
当前AI技术应用逐步深化，企业对AI的需求从仅提供辅助洞察的Copilot向可自主执行动作的Autonomous Agent演进，单纯的通用大模型能力已经无法满足企业落地AI的核心需求，企业对AI认知、AI治理等配套能力的需求持续提升。 本案例依据「InfoQ 中文」公开发布的信息整理，原文：https://www.infoq.cn/article/lWRKAhlso9f7OobiGXDI?utm_source=rss&utm_medium=article
业务问题
企业落地AI过程中存在多类痛点：一是通用大模型缺乏对企业业务上下文、指标定义、业务规则的认知，无法适配企业实际业务需求；二是企业不同业务系统间语义标准不统一，易出现语义漂移问题，导致AI跨系统执行任务时容易出错；三是AI从辅助咨询转向业务执行时，缺乏配套的权限、治理规则约束，风险不可控。
实践方案
Snowflake的核心解法为：一是将AI工具与原有数据平台深度结合，依托平台已经沉淀的企业数据、权限、治理规则、业务上下文提供AI服务，避免通用AI工具的适配问题；二是搭建基于本体论的企业认知层，构建连接底层数据表与上层AI应用的意义层，将企业的概念定义、规则逻辑转化为机器可识别的结构；三是推动厂商中立的开放语义标准Apache Ossie孵化，解决跨系统语义漂移问题；四是将原有数据治理和权限体系向AI应用延伸，同时收购企业级MCP平台Natoma，扩展对Agent跨系统动作的治理范围。
原始来源：https://www.infoq.cn/article/lWRKAhlso9f7OobiGXDI?utm_source=rss&utm_medium=article