Snowflake 换了战场：守住数据之后，要管住AI
一句话看懂：企业数据平台 Snowflake 近期通过发布开源语义标准 OSI、签约 60 亿美元 AWS 算力协议、收购 AI 管控公司 Natoma 等一系列动作，清晰表明其战略正从“管理数据”扩展到“管理 AI 对数据的操作”。这对所有准备让 AI 深度介入业务的中国企业，是一次不应错过的路线提示。
事件核心：发生了什么
Snowflake 向来以“数据仓库云化”闻名——将存储与计算解耦，按用量付费，营收近 47 亿美元，客户留存率超过 120%。但近半年来，它的动作重心明显偏移：2025 年 9 月牵头发布 OSI（开放语义交换标准），联合 DBT Labs、Salesforce、Mistral 等，统一企业对“活跃用户”“毛利率”等指标的定义；本月又与 AWS 签署 60 亿美元长期协议，专攻企业 Agentic AI（能自主行动的 AI Agent）落地；几乎同时收购 Natoma，其产品 MCP Gateway 相当于在 Agent 与各系统之间设立一道“操作关卡”——谁发起、有何权限、动作是否允许、事后能否追溯。
CEO Sridhar Ramaswamy 的表态直接点题：“没有治理的智能，制造的是风险”“Agent 要的不只是能访问数据”。这组动作逻辑连贯，构成了从“数据底座”到“动作管控”的完整闭环。
为什么重要
AI 在企业中正从“生成内容”转向“动手执行”——不再只是回答问题，而是直接调工具、操作系统、动业务流程。一旦 AI 开始“出手”，风险链就变了：数据口径不一致导致“算不对”、分析缺乏行业方法论导致“不专业”、操作权限模糊导致“管不住”。Snowflake 的路线表明，这些问题无法靠“换一个更强的大模型”解决，而需要底层语义统一、安全执行框架和可审计的管控层。这对所有依赖 AI 进行业务决策的企业，等于划出了一条可参考的“基建清单”。
对开发者 / 技术决策者的影响
如果企业正计划让 AI Agent 参与生产环境（如自动调库存、发邮件、更新客户数据），那么 Snowflake 的动作提供了三个务实方向：
- 语义标准化是第一道门槛：没有统一指标口径，AI 输出的结果天然不可信。OSI 等开放标准值得关注并评估接入成本。
- 操作管控不是可选项而是必选项：MCP 网关这类“关卡”产品，决定了 AI 出问题后能否追责。开发者应尽快建立任务级别鉴权、操作日志和回滚机制。
- 算力投入要聚焦 Agent 场景：60 亿美元投向 Agent 落地而非通用推理，暗示专用推理基础设施、小模型微调及工具链集成将是下一阶段的竞争核心。
值得关注的后续
一是 Natoma 的 MCP Gateway 产品何时公开集成到 Snowflake 平台、定价是否独立；二是 OSI 标准在中国的采纳进度——已有本土厂商（如数势科技）公开支持，但能否形成通用语义层仍有变量；三是竞品动向：如 Databricks、Google BigQuery 是否会跟进相似的“Agent 管控”能力。最后，关注 Snowflake Summit 2025 公布的 Agent 落地案例，这是检验“治理优先”路线能否跑通的关键证据。
来源：InfoQ CN
