一句话看懂：Snowflake 进入中国两年后首次举办 World Tour，把企业级 AI 的落点从模型能力转向”上下文”，提出智能体控制平面与业务本体两条主线，核心判断是数据不会因为 Agent 出现而自动就绪。
事件核心：发生了什么
9 月 8 日，Snowflake World Tour 全球巡演首次落地中国，距其正式进入中国市场刚好两年。中国区总经理张莹与全球产品总裁 Christian Kleinerman 将整场 Keynote 的主题定为 Agentic Enterprise（企业级智能体）。Snowflake 给出四个基础要素：AI 模型、企业数据与上下文、连接业务系统的软件应用，以及统一管理这些能力的 Agentic Control Plane（智能体控制平面）。现场演示中，Snowflake 把 Fan App、POS、SAP、Salesforce、Workday 五个数据源接入统一目录，经治理后用 Semantic View 统一指标口径，再由 CoWork、Deep Research 调用子智能体完成分析，并通过 MCP 连接 Slack 执行动作。官方称 CoWork 全球企业用户已超 5000 家，CoCo 超 9000 家，保持两位数月度增长。
为什么重要
过去两年企业 AI 的竞争焦点集中在模型本身，但 OpenAI、Anthropic、Qwen、Kimi、GLM、DeepSeek 等模型能力快速拉平后，差异化正在回到企业私有资产上。Snowflake 的逻辑是：模型可以随时替换，指标定义、业务规则、权限血缘和组织经验无法从通用模型中获取。同时它把”控制平面”推到台前，管理 Agent 能调用什么模型、访问哪些数据、执行哪些动作、成本上限是多少。这实际上是把数据治理、权限体系、API 与云资源管理重新收拢到一层，对数据平台之间的竞争边界是一次重新划线：从”数据放在哪”延伸到”数据意味着什么”。
对用户/开发者/创作者的影响
对企业开发团队而言，值得关注的是 Snowflake 强调的开放性：模型在既有数据治理环境中运行，Horizon Catalog 支持 Iceberg REST Catalog API，Spark、Trino 等外部引擎可继续读写，MCP 负责对接外部工具。这意味着换模型不必重新复制数据到新端点，降低锁定风险。对数据工程师，Semantic View 与业务本体（用「球员是一种人」这类抽象规则区分于知识图谱的具体事实）正在成为新的建模对象。Snowflake 披露的内部测试显示，同一批高难度问题下，编程 Agent 直连 SQL 准确率 24.1%，加语义模型为 47.1%，再加治理上下文达到 86.3%，单次成本从 1.76 美元降到 0.59 美元。上下文由此从准确率问题变成成本问题。
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
一是 Agentic Control Plane 相关能力（Agent Identity、Agent Policy、Prompt Protection、预算控制）在中国区的实际可用时间与合规安排。二是 CoWork、CoCo 的用户增速能否延续，目前公开信息显示仍以海外企业客户为主，中国区落地案例尚未完整披露。三是 Palantir 等围绕 Ontology 构建的厂商与 Snowflake 在业务本体层面的正面竞争如何展开。
来源：InfoQ CN
