当企业 AI 从演示走向真实业务， 十几位科技领导者看到了什么？

事件核心：发生了什么

9 月 8 日，Snowflake World Tour 2026 上海站以 “Making AI Real for Business” 为主题，讨论重点从“AI 能做什么”转向“AI 怎样真正进入企业”，议题覆盖数据资产现代化、AI 就绪型数据，以及基于业务数据和语义层构建 AI 智能体。来自上海、苏州、北京三个分会的 16 位 TGO 鲲鹏会学员到场，会后被问及两个问题：这场大会新增、改变或确认了什么判断，回企业后哪项技术或业务决策会变化。一位上海学员强调企业 AI 落地依赖语义层，苏州学员则提到会重新审视现有数仓建设和数据使用方式，并把 Data Agent、AI Agent 列为公司重要方向。

为什么重要

这说明企业 AI 的选型标准正在变化。过去两年，技术负责人先看模型参数和演示效果；现在要回答更具体的问题：数据能否被正确理解，智能体能否接入现有业务流程，结果能否被持续衡量。语义层、业务本体和行业知识之所以被反复提及，是因为通用大模型只提供能力，企业自身的业务语境决定这项能力能否落地。另一个信号是 AI 正从外挂工具进入底层系统设计，数据库原生 AI、Data Agent 和数据开发 AI 化，已经开始影响架构和投资顺序。对企业采购而言，能减少系统拼接和重复建设的一体化方案因此更具吸引力。

对用户/开发者/创作者的影响

对开发者来说，值得关注的技能组合正在从“调 API”扩展到数据治理、语义建模和智能体编排。如果 Data Agent、智能问数成为企业落地方向，那么既能理解业务字段含义、又能把 AI 接入真实流程的人，会比只懂模型调用的人更稀缺。对企业技术负责人，优先级可能是先梳理业务本体与核心场景，再决定训练数据、产品路径和试点范围；对创作者和内容团队，类似逻辑同样成立——先定义自己的业务语义和知识库，再谈用 AI 提效，否则容易停留在演示层面。目前公开信息显示，这些判断来自参会学员的现场反馈，尚不构成统一结论。

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。

了解 GamsGo AI

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

一是语义层、Data Agent 相关产品能否在企业真实流程中跑通，而非停留在概念层；二是 Snowflake 等厂商的一体化方案是否在定价和本地化支持上跟进，影响企业采购决策；三是国内数据治理与智能问数赛道是否出现更多可试点产品，以及监管对数据合规的要求是否影响上线节奏。

来源：InfoQ CN