看完 Snowflake 这套新品，我更确信大模型吃不掉数据这个赛道
一句话看懂：数据平台 Snowflake 在年度大会上发布了一整套对标 Claude 的 AI agent 产品（编程助手 CoCo、协作工具 CoWork、桌面端 CoCo Desktop），但它的底气并非来自更强的模型，而是来自企业独有的数据与治理能力。这场“相撞”揭示了一个核心判断：大模型通用能力再强，也吃不掉企业数据这一层护城河。
事件核心：发生了什么
在近期举办的 Snowflake Summit 上，Snowflake 发布了名为 Snowflake Cortex Code（简称 CoCo）的编程助手，对标 Anthropic 的 Claude Code；推出面向全体员工的协作工具 Snowflake CoWork，对标 Claude Cowork；以及桌面客户端 CoCo Desktop，整体产品线几乎完整复刻了 Anthropic 的“模型+工具+终端”架构。值得注意的是，Snowflake 的模型能力并非自研——它同时接入了 Anthropic 及其他第三方模型，甚至在平台上提供了 Claude Code 插件，允许客户按需选择最强模型。其产品负责人在会上强调：“模型一直在变，但数据是恒定的。” Snowflake 的策略是将企业数据与当前最强模型对接，同时管好治理与业务上下文。
为什么重要
这件事打破了“模型公司通吃一切”的叙事。大模型的通用能力（写代码、做推理）具有平移性——今天能服务 A 公司，明天就能服务 B 公司，但企业真正的独特性藏在其内部的数据资产中：客户分层规则、毛利率计算口径、供应链逻辑、行业惯例等，这些并不在公开训练语料中。Snowflake 的案例证明，同样的模型，在接入企业业务定义后，准确率显著提升，而模型本身并未改变。这意味着，决定 AI 在企业中好用与否的关键，不是模型参数规模，而是模型脚下那层数据的质量、治理与业务对齐程度。纯模型公司想向上吃掉这一层，难度极大。
对用户/开发者/创作者的影响
对企业技术采购者：在评估企业 AI 方案时，应将“数据治理成熟度”和“与业务上下文打通的能力”置于比“模型参数大小”更优先的位置。模型会持续升级，但独有数据资产不可复制。对开发者与数据工程师：不用盲目追逐最新模型，而是专注于将企业内部的结构化数据、业务规则与模型做有效对齐，这才是更难被替代的竞争力。对 AI 创业公司：不要试图在大模型通用能力上正面竞争，而应深耕垂直行业的数据连接、治理与业务语义层——这些是模型公司短期难以复制的壁垒。
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
1. 客户案例是否规模化落地： Snowflake 大会上 ThomsonReuters、Under Armour 等客户已公开站台，后续需观察更多中型企业是否愿意迁移其数据工作负载到 agent 模式。2. 模型厂商的反制动作： Anthropic 等模型公司是否会进一步向下扎入数据治理层，或推出类似“数据适配层”产品。3. 中国市场跟进节奏： 如原文作者指出，中国企业在技术与产品层面早已有类似实践，但缺乏“定义规则”的能力和公开客户生态，是否能补齐这一课，将决定话语权归属。
来源：InfoQ CN
