Snowflake正投入资金并全力推动这一理念：AI在其平台上才能发挥最 佳效果。

无论是与 OpenAI 签署的 2 亿美元协议、即将收购 Observe，还是全新的 Project SnowWork 项目，Snowflake 合作伙伴 Gary McConnell 表示，正因这些举措，该平台在业界讨论中频频被提及。

“Snowflake 近期举措的吸引力不仅在于资金规模，更在于其一贯性，”他告诉The Register。“Snowflake在功能路线图上表现得非常积极。他们还在可观测性领域进行投资，这将有助于在系统复杂度提升时为企业提供支持。”

作为解决方案提供商VirtuIT的首席执行官，McConnell表示，Snowflake的近期举措重点在于帮助客户实现AI投资的实际回报，这也是其企业客户关注的重要议题。

“与OpenAI的合作、收购Observe的意向以及Project SnowWork项目，都指向同一个核心理念：数据平台应当是AI实际运行的场所，而不仅仅是数据导出的源头，”他向The Register表示。“对我们的客户而言，这是一次意义重大的转变。过去，企业不得不将数据仓库、特征存储库以及独立的AI/ML环境拼凑在一起。Snowflake正在整合这一架构，我们看到业界对这种整合模式表现出真正的兴趣。”

McConnell表示，随着AI数据复杂度的增加，Snowflake在功能路线图上表现得非常积极，并将可观测性作为关键投资方向。

“客户对能够将AI工作负载带到数据所在之处，而非将数据移动到AI处感到兴奋，”他说。“关于数据位置及访问记录的治理能力，在制药、法律和金融等受监管行业中也引起了强烈共鸣。”

Snowflake每年新增数千家客户，客户数量从2023年1月的7800家增长至今年1月的13330家，三年间客户基数增长了70%。

同期，其企业客户数量也有所增加，从2023年的573家《福布斯》全球2000强企业，增长至2026年1月的790家。在最近一个财年，这些企业贡献了该公司47亿美元总收入的43%。

年初，Snowflake宣布与谷歌达成合作，将谷歌的Gemini模型引入其应用到推理服务Cortex AI，以此拉开了今年AI布局的序幕。该公司还宣布计划收购Observe AI，工程师可借助该平台检测异常、更快识别根本原因，并提升运营韧性。

2月，该公司宣布与OpenAI达成2亿美元的合作协议，旨在为企业客户开发定制化AI解决方案。随后推出了Semantic View Autopilot服务，该服务为AI代理提供了一套共享的业务指标，从而确保数据结果更加一致和可靠。接着推出的Snowflake Postgres由pg_lake驱动，这是一套开源的PostgreSQL扩展，使Postgres能够在企业的数据Lakehouse环境中运行。

上周，该公司宣布正在对“Project SnowWork”进行测试，该项目采用基于角色的AI虚拟角色，能够理解常见的业务工作流、术语和关键绩效指标(KPI)。其核心理念是将业务任务分配给匹配的虚拟角色，而Snowflake则为财务、销售、市场营销和运营部门提供预配置的功能。

“我们并不认为每个销售或营销团队的工作方式都完全相同，但这些职能的运作确实存在明确的模式——例如如何追踪销售管道、如何衡量营销活动效果、如何构建预测模型，”Snowflake开发者与AI体验副总裁Bala Kasiviswanathan向The Register表示。“这些在数千家客户中观察到的模式，为我们提供了坚实的基础。”

他表示，Snowflake 正在内部销售团队中使用 Project SnowWork，该工具现在能够从一个平台生成基于数据的季度业务回顾(QBR)、推介演示文稿和客户邮件。高管们会收到个性化的智能信息流，其中包含与其角色相关的关键指标。此外，Snowflake 表示已开始利用 SnowWork 自动化财报准备工作，以减轻这项历时数周、需要跨团队协作的任务带来的负担。

“该系统基于每个客户自身的数据、定义和工作流，团队可以叠加自己的逻辑，”Kasiviswanathan表示。“随着时间的推移，它还会通过使用和反馈不断改进。因此，它与其说是一个固定的‘角色模板’，不如说是一个起点，能迅速适应每家公司的实际运营方式。这也是我们在研究预览期间试图学习和系统化的关键部分。”

在安全性方面，他表示Project SnowWork的每项操作都会自动继承基于角色的访问控制、数据策略和审计日志。这意味着该系统只能对用户有权查看的数据进行操作，且每个步骤都可完全追溯，他补充道。

“企业可以检查操作步骤、验证输出结果，并掌控操作的执行方式和时间，”他说道。