在美国硅谷深度考察一周后，我看清了中国 AI 该怎么走
一句话看懂：一位中国科技从业者在硅谷考察一周后，认为中国 AI 落地的最大瓶颈不是模型能力，而是数据治理、企业信任和全球市场能力；同时，AI 正把软件行业拉回同一起跑线，给新团队带来结构性机会。
事件核心：发生了什么
作者参加了 Snowflake Summit 2025（主题为“让 AI 在业务里真的有用”），现场两万多人、五百多场分论坛。Snowflake 把自己从云数据仓库重构成 AI Agent 平台，推出 Agent 开发助手 CoCo 和业务数字员工 CoWork，并与 Anthropic 深度绑定，让 Claude 作为底层引擎。同时补齐实时流产品 DataStream 和 Agent 治理体系 Horizon，牵头制定开放语义标准 OSI。会场上埃森哲调研显示，八成多企业 AI 项目失败，问题集中在数据碎片、口径混乱和治理缺失。此外，作者在斯坦福、硅谷华人技术闭门聚会中观察到，美国土壤对“失败”和“不一样”的宽容度更高，中国企业面临的最大差距不是技术，而是“被世界信任的入场券”。
为什么重要
这个考察揭示了一个关键判断：AI 落地的胜负手正在从“谁的模型强”转向“谁的数据最干净、离场景最近”。模型像水电一样可随时切换，但企业内部被治理过的业务数据搬不走。Snowflake 的财报也印证了这一点——上个季度营收同比增三成多，老客户净留存 126%，说明大模型反而更依赖数据底座。对于中国，作者认为缺的不是聪明人或钱，而是允许失败、鼓励“不一样”的创新土壤。同时，AI 让所有软件公司回到同一条起跑线：大厂背上包袱多，小团队反而能从第一天就用 Agent 原生方式重构产品。
对用户/开发者/创作者的影响
对开发者而言，不要把精力只放在追模型版本上，而应优先解决数据治理——口径统一、权限分区、全程审计。对业务人员来说，像赛诺菲那样把采购、法务、供应链流程全部 AI 工作流化，才是“AI 真的有用”的标杆：法务查询从几天压到两秒。对中国出海开发者来说，直接在 S3 上跑数据、专刺 AI 新物种需求的“反传统”数据库创业案例证明，技术不是最关键的，答对“客户此刻最肯为什么掏钱”才是生存之道。同时，产品再好，如果不解决全球信任问题，机器检索这一关就可能被筛掉。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Snowflake 的 OSI 开放语义标准能否在金融行业落地，并吸引更多企业加入，将决定数据语义层的话语权归属。第二，国内市场能否出现类似 CoCo/CoWork 的轻量、可插拔数据 Agent 产品，让中型企业也能避开“先买模型、后补数据”的常见坑。第三，Shulex 和 VeloDB 这类“中国起步、全球收钱”的创业公司，其海外收入超过国内的曲线是否可持续，以及能否被更多团队复制。
来源：InfoQ CN
