Snowflake近日公布了一整套人工智能能力，把业务语境、治理和自主开发放进同一个环境——企业正越来越多地把软件工程和日常运营交给AI智能体。

三件事：业务本体、智能体治理、自治数据工程

在公司Expedition 2026线上大会期间发布的这批更新包括新的业务本体（Business Ontology）框架、通过Cortex AI Gateway扩展的智能体治理能力，以及让AI智能体以更少人工干预来构建、监控和排查数据管道的自治数据工程能力。

公司押注的是：随着创造速度加快，会有更多程序员和工程师在整个软件开发生命周期里使用AI，同时其他后台部门也开始在日常工作中采用智能体。比如销售运营团队正在构建不写一行代码就能分析销售风险、准备客户外联的智能体。

「AI正在把软件创造工业化。准确地说，它在把智能工业化，」首席执行官Sridhar Ramaswamy说，「过去要花上几个月的事，现在几小时、几天甚至几分钟就能完成。」

Ramaswamy指出，AI改变了软件开发的经济性——智能体接手了原本交给专业开发者的任务，业务用户因此变成开发者。这改变了竞争格局，优势不再属于专才，而属于专有的知识。

先给模型一本全公司认可的业务词典

Snowflake的办法是帮普通AI模型理解这些业务知识并补上语境。它用业务本体来做这件事——这是对既有语义视图的扩展，让组织可以建立全公司通用的、经批准的定义。没有统一定义，两个智能体可能对同一个业务问题给出互不兼容的答案，即使两者的底层数据都是准确的。

借助业务本体提供的信息，面向数据团队的编码智能体Snowflake CoCo和面向知识工作者的个人工作智能体Snowflake CoWork，会使用这些获批的业务概念来为自己的回答提供依据。该功能目前处于私测阶段，很快将进入公测。

像管员工一样管智能体

Cortex AI Gateway定位为组织内智能体的统一入口。它并不是全新的产品：Snowflake在2026年7月就推出过它，作为集中治理与监控智能体的方式，今天的发布是对它做能力扩展。新能力包括智能体滥用检测、可观测性与追踪、Cortex沙箱、AI成本治理、动态模型路由，以及借助收购Natoma所得技术实现的工具集成。

「一个能对你的业务采取行动的智能体必须被信任，它得知道三件事：数据是什么意思、该信哪些数据、自己被允许做什么，」Ramaswamy说。

平台最重要的做法，是把既有安全机制——包括数据脱敏与访问限制——套用到智能体驱动的操作上，同时增加监控活动、检测潜在滥用、留存智能体行为记录的能力。IT与安全团队还能设置成本控制、按效率或准确度选择模型，并细粒度地限制智能体能访问哪些外部工具。

这套治理、控制与透明的底层思路，与给员工同等的可观测性是一致的：在自主性上，也按类似方式对待它们。

Snowflake的这步棋，处在全行业争夺企业AI智能体控制层的竞赛之中。SAP一直在扩展其Autonomous Enterprise架构与受治理的Joule智能体，Salesforce则推出Enterprise AI Harness与AI Control Plane来保护自主工作流。Snowflake是从数据平台一侧切入同一个问题，想成为智能体获取可信业务信息、并在企业策略下运行的基础。

小模型专攻专活，以及与甲骨文的合作

Snowflake还宣布Cortex Training进入公测，允许客户用自有专有信息来调校开放权重模型。该服务旨在让后训练做出专用模型这件事更简单，不需要大堆GPU——Snowflake让客户不必管理底层基础设施就能训练模型。

「专用的小模型响应更高效、更快，在Token上往往还有成本优势，」产品执行副总裁Christian Kleinerman说。

随着对外国开放权重AI的限制增加、处理敏感信息的监管趋严，许多企业将要求对自己AI模型的自主可控。审计一个跑在自有硬件上的AI模型处理了什么，比审计第三方云里的要容易。

另外，Snowflake宣布扩大与甲骨文的合作，让其平台作为第一方服务上架甲骨文云基础设施（OCI）。这一集成让客户更容易用到Snowflake的分析与AI能力，并能直接通过甲骨文的数据库和应用来工作。