感谢 Snowflake 这次邀请我以 Snowflake 雪花大使身份参加 Snowflake Summit。这次大会给我的触动比预想中更大，大家知道，我一直做从事数据行业，早期在 Teradata，后来在 IBM，后来在企业里 Lenovo、中金、万达等管大数据，后来成为 Apache Software Foundation Member，现在是白鲸开源 CEO，所以我一直对数据行业非常关注。
来之前，我原本以为 Snowflake 会发布一些企业 AI 产品，或者在原来的数据仓库、数据平台能力上，增加一些 AI 相关功能。过去很多年，大家对 Snowflake 的认知还是比较清晰的：它是一家云数据仓库公司，是 Data Cloud 的代表，核心能力围绕数据存储、计算、性能、安全、治理、共享和弹性扩展展开。
但两天 Summit 听下来，我的感受完全变了。
这次 Snowflake Summit 给我的最大感受，不是"它又发布了一些数据平台的新功能"，而是它正在非常激进地重构自己的产品定位。我认为，它已经不满足于继续被定义为一家 Data Warehouse 公司，也不只是想做一个 AI Data Cloud，而是要把自己变成企业里的 AI + Data 平台，甚至是 Agentic Enterprise 的底座，和 Anthropic 开始竞争。
如果用一句话概括这次 Snowflake Summit 给我个人的感受，我觉得就是：
Goodbye Data, Hello AI。
当然，这里的 Goodbye Data 不是说数据不重要了。恰恰相反，数据变得更重要了。只是数据平台的表达方式变了。过去我们谈数据平台，谈的是数据怎么存、怎么算、怎么共享、怎么治理、怎么降低成本。现在 Snowflake 谈的是 AI 如何理解企业数据，Agent 如何使用企业数据，业务人员如何通过自然语言直接获得洞察，企业如何让 AI 在安全和治理边界内执行任务。
Snowflake product VP Christian Kleinerman 在 Platform KeyNote 里有一句话很能代表这种变化：
你的 AI 原生企业从这里开始。
这句话如果只是放在普通 AI 发布会上，可能只是一句标准口号。但放在 Snowflake Summit 的现场，它的含义就不一样了。因为 Snowflake 不是一家原生 AI 公司，它过去是一家数据基础设施公司。当这样一家公司开始用 AI 重新组织自己的产品体系时，说明 AI 已经不是一个外接功能，而是在重构企业本身。
1 Snowflake 的转身：从 Data Warehouse 到 AI Platform
过去我理解 Snowflake，首先想到的是数据仓库、云原生、弹性计算、存算分离、数据共享和统一治理。它解决的是传统数据平台里的几个老问题：数据分散、扩展困难、性能调优复杂、治理不一致、协作成本高。
这次 Summit 的主线已经明显不同。Snowflake 依然会讲 All Data、All Workloads、All Users，依然会讲结构化数据、半结构化数据、非结构化数据，依然会讲 Iceberg、OpenFlow、Streaming、Zero Copy、Horizon Catalog。但是这些能力不再只是为了构建一个更好的数据平台，而是为了服务一个新的目标：让企业 AI 和 Agent 能够在统一的数据平台上工作。
Christian Kleinerman 在 Platform Keynote 里还有一句非常关键的话：
"We need a unified architecture, both AI and data."
这句话几乎可以看作 Snowflake 这次 Summit 的战略核心。它不是在说"我们也支持 AI"，而是在说企业不应该在数据平台之外再建设一个孤立的 AI 平台。
为什么？
因为如果 AI 平台和数据平台分开，过去数据时代发生过的问题会再次出现：新的孤岛、新的权限体系、新的治理断层、新的成本黑洞、新的安全风险。过去我们花了十几年时间消除数据孤岛，如果今天再把 AI 单独建在另一套体系里，本质上就是重新制造 AI 孤岛。
所以 Snowflake 的答案是：AI 和 Data 必须统一。数据、计算、语义、治理、安全、应用和 Agent，都应该在一个平台里形成闭环。
从这个角度看，Snowflake 这次峰会的 Slogan，Make AI Real for Business， 底层逻辑就是把 Data 变成 AI 的上下文、燃料和执行基础。过去的数据平台是给人用的，人写 SQL、人看报表、人配任务、人做分析。未来的数据平台越来越多是给 Agent 用的，Agent 理解业务问题，调用数据能力，生成分析过程，提出行动建议，甚至进入业务流程。
这才是这次 Summit 真正让我感到震动的地方。 它不是在原有 Data Warehouse 上加一个 AI 助手，而是在用数据从新构建新的 AI Agentic 企业底座，而这是 OpenAI 和 Anthropic 未来的主战场。这也是我为什么说 Snowflake 的转身比我想象得更激进。
2 CoCo、CoWork、Desktop：Snowflake 在"致敬"Anthropic，也在暴露它的新野心
如果说第一层变化是战略定位，那么第二层变化就是产品体系。
这次 Snowflake Summit 里，最让我印象深的不是某个传统数据库功能，也不是某个性能参数的提升，而是它发布了一整套围绕 AI Agent 的产品组件：CoCo、CoWork、Desktop、Skill Catalog、VS Code 插件、Excel 插件、MCP、ACP、Cloud Agents、Agent Teams、自动化 Agent。
这套东西放在一起看，就会发现一个非常明显的信号：Snowflake 正在用 AI 原生公司的方式，重新组织自己的产品。
甚至我觉得它在"致敬"Anthropic。
为什么这么说？
因为 Anthropic 这类 AI 原生公司，已经不只是做一个聊天机器人，而是在做一整套 AI 工作系统：Claude、Claude Code、Desktop、MCP、Artifacts、Skills、Computer Use、企业上下文、安全边界。它们真正想占据的，不是一个问答入口，而是未来人和软件协作的主界面。
Snowflake 这次发布的 CoCo、CoWork、Desktop、Skill Catalog、MCP/ACP，其实有很强的对应关系。CoCo 像是给企业使用的 Claude Code；CoWork 像是企业内部面向业务人员的 AI 工作入口；CoCo Desktop 则让 Snowflake 的 AI 能力走出 Web 控制台，进入用户日常工作环境；Skill Catalog 则是在把 Snowflake 的平台能力封装成 Agent 可以发现、组合和调用的技能。
所以我在现场听到这些发布时，第一个反应不是"Snowflake 又出了几个 AI 功能"，而是：它要把数据平台重新包装成一套企业 AI Agent 操作系统，切入 OpenAI 和 Anthropic Enterprise 的主战场。
Snowflake 在现场正式宣布，Cortex Code 不再叫 Cortex Code，而是改名为 Snowflake CoCo：
"From here on, no more Cortex Code. It is officially Snowflake CoCo."
这句话很值得玩味。Cortex Code 这个名字还带着"代码助手"的味道，而 CoCo 这个名字明显更像一个独立 AI 产品入口。改名背后，其实是 Snowflake 对产品野心的升级：它不想让 CoCo 只是一个帮你写 SQL、补代码、解释语法的助手，而是要让 CoCo 成为 Snowflake 平台上的 AI 操作入口。
现场 Christian 还提到，CoCo 在过去几个月已经从 CLI 和 SnowSight 体验，扩展到 MCP、ACP、SDK、Agent Teams、Cloud Agents、自动化能力和 Skill Catalog。尤其是 Skill Catalog，它允许用户分享、发现、复用 Skills，本质上是在把 Snowflake 的平台能力模块化、工具化、Agent 化。
这非常关键。
它明确提到将推出 CoCo 的 Excel 插件、VS Code 扩展以及 Marketplace 里的合作伙伴形态。现场我们也讨论到，Excel 插件其实很厉害，因为 Excel 是业务人员最熟悉的数据工作台；VS Code 则是开发者最熟悉的工作台。Snowflake 不是简单要求所有人进入 SnowSight，而是让 CoCo 进入用户原本工作的地方。
这也是 AI 原生产品非常重要的打法：
不是让用户迁移到你的界面，而是让你的 Agent 进入用户的工作流。
所以 CoCo 的意义，不是 Snowflake 有了一个 Copilot，而是 Snowflake 开始从"平台 UI"转向"Agent Everywhere"。
在 CoCo 之外，Snowflake 这次还重点推出了 CoWork。坦率地说，刚开始听到 CoWork 时，我是有些困惑的，Anthropic 发布 CoWork 我是可以理解的，因为 Agent 需要企业级协同。而一个传统数据平台视角看，CoWork 不像 Snowflake 的应该发布的产品：CoCo 帮数据工程师写 SQL、修 Pipeline、构建应用，这很好理解；OpenFlow、Streaming、Iceberg、Horizon Catalog 也都是数据平台能力增强。但 CoWork 和数据仓库有什么关系呢？
听完介绍我大致理解了。 CoWork 更暴露 Snowflake 的野心，它是给业务人员使用的，愿景是给 CEO、销售、运营、市场等业务人员如何直接与企业数据对话，像拥有自己的 Jarvis 一样获得洞察。Samsung 给出一个案例，CoCo 是给数据工程师和开发者的 AI 操作入口，而 CoWork 是给业务人员的 AI 工作入口。Snowflake 并不只是想服务数据团队，而是想进入企业每个业务人员的日常工作流。
这时我才理解 CoWork 的位置：CoCo 重构后台的数据工程，CoWork 重构前台的业务决策。两者结合，Snowflake 才能从数据平台变成企业 AI 工作平台。CoWork 看似离传统 Snowflake 很远，其实离 Snowflake 的未来最近。
打造 Agentic Enterprise Infra，这才是 Snowflake 的真正野心。这也解释了为什么我会觉得 Snowflake 已经不像传统数据公司了。
传统数据公司发布产品，会讲性能提升多少、成本降低多少、连接器增加多少、治理能力增强多少。
而这次 Snowflake 的发布方式，更像 AI 公司：它讲 Agent、讲 Skills、讲 Desktop、讲 CoWork、讲自然语言、讲业务人员、讲上下文、讲安全边界。也就是说，Snowflake 正在把自己从 Data Warehouse 公司，重新讲述成一家 Enterprise AI Platform 公司。
这对所有数据软件公司都是一个提醒。
如果 Snowflake 都已经意识到，未来的数据平台入口会从 SQL、BI、Notebook、Pipeline 转向 Agent、Skill、Context、Workflow，那么我们这些做 ETL、DataOps、Data Ingestion、Orchestration 的公司，也必须重新思考自己的产品形态。
它不是一个单点产品，而是 Snowflake 面向 AI 时代重新组织产品体系的样板。CoCo、CoWork、Desktop、Skill Catalog、MCP/ACP 串起来，展示的是 Snowflake 的新野心：不只是管理数据，而是成为企业 AI 入口。
3 AI 把所有软件公司重新拉回同一起跑线
这次 Summit 给我的第二个强烈感受是：大家其实都在同一个生态里，而且 AI 正在把所有软件公司重新拉回同一个起跑线。
有一个瞬间我印象很深。
Snowflake 这次发布了 Agentic Control Plane，简称 ACP。我当时心里一惊 ，因为我们上个月刚刚发布了我们的 ACP 产品，这不撞车了么？？大厂直接下场，我岂不是完蛋了！？？
后来仔细听，发现两者并不完全一样。Snowflake 的 ACP 更偏向 Snowflake 内部的数据建模、Text-to-SQL、Semantic Layer，以及 Agent 对 Snowflake 数据的理解和调用。而我们做的更多是 ETL、Orchestration、Pipeline、数据同步、任务调度，以及异构数据系统之间的执行与治理，我赶紧把我们茶品名字前面加上了 Data Engeering，然后才是 Agent Control Plane。
但重点不在于两者是否完全一样，而在于它说明了一件事：大家都看到了同一个方向。这个方向就是：
未来的软件系统必须变成 Agent 可以理解、调用、编排和治理的系统。
过去不同软件公司的差距来自很多地方：品牌、客户、渠道、工程规模、生态、交付能力、产品成熟度。大厂有大厂的优势，创业公司有创业公司的困难。但 AI 到来以后，一个非常有趣的变化出现了：所有软件都要重新适配 AI。过去的软件交互方式，是人打开界面、人点击按钮、人填写表单、人写 SQL、人看日志、人处理异常。未来的软件交互方式，可能变成：人提出目标，Agent 理解上下文，调用工具，生成方案，执行任务，反馈结果。人更多承担确认、监督、判断、决策和纠偏的角色。
所以我在现场最大的感受之一是：面对 AI，所有软件公司都被拉到了一个新的起跑线。
因为面对 AI，每个软件都要重新做一遍。
因此我们才会和 Snowflake 几乎在同一个时间发布了同类型的产品，这在过去是很难想象的，因为创业公司过去很难和大厂同步发布同样的产品，大厂早就利用资源优势把所有能开发的都开发了。
所以现在对创业公司来说，是一个巨大机会。
过去你和大厂竞争，很难在资源、品牌、客户规模上正面对抗。但 AI 重构软件的时候，大厂也有历史包袱。它们有复杂的旧系统、旧客户、旧架构、旧组织流程。创业公司如果认知足够快，反而可以从一开始就按照 Agent-native 的方式设计产品。
这也是我这次看 Snowflake 最受鼓舞的地方。Snowflake 这样的大公司在这个月发布的东西，我们上个月也在类似方向上做了自己的探索。虽然规模不同、场景不同、产品深度不同，但至少说明我们对趋势的判断几乎是同时的。
AI 时代，机会不只属于大厂。它也属于那些能快速理解变化，并敢于重构自己产品的创业者。
4从 Snowflake 回看我们自己：我如何 Goodbye Data, Hello AI？
这次 Snowflake Summit 最后留给我的问题，其实不是 Snowflake 会变成什么，而是我们自己应该变成什么。
Snowflake 都已经开始 Make AI for Real Business，那么对于我来说，我们应该如何 Goodbye Data, Hello AI？
过去我们做 DataOps、ETL、Data Ingestion、Orchestration、Pipeline，本质上是在处理数据流。我们帮助客户把数据从一个系统同步到另一个系统，把任务按照依赖关系调度起来，把失败任务监控起来，把数据链路跑稳定，把异构系统连接起来。
这些事情当然仍然重要。但 AI 时代来了以后，软件本身已经没有太多意义了。
过去我们处理的是结构化数据、半结构化数据、文件、日志、表、字段、任务和工作流。未来我们可能还要处理 Knowledge、Context、Semantic、Business Rules、Lineage、Execution Memory 和 Agent Action。当数据不再只是表里的行和列，也不只是从源端到目标端的流动。数据会变成 AI 理解企业业务的上下文，变成 Agent 执行动作的依据，变成企业流程自动化的燃料。
Snowflake 给出的答案是：它要从 Data Warehouse 变成 AI Data Platform。
那我们的答案是：从 DataOps 工具走向 AI 时代的 Data Engineering Harness。大家在使用 ClaudeCode，Codex 的时候其实都是 Java，Python 的开发，其实对于 Data Engineer 的环境还是不同的，更复杂的业务含义，更复杂的 Workflow。而 Snowflake 的 CoCo 是数据仓库 Agent，但是如何 Orchestration 和 Data Ingestion 也不是 Snow 的专长，这些环境里真正需要的是一个跨系统、跨数据库、跨调度、跨环境的 Data Engineering Harness，表现出来就是数据工程师的 Agentic Data Control Plane。
这可能就是白鲸开源的机会。
Thomson Reuters 在 Snowflake Summit 上有一句话让我印象很深：
"They can't be wrong."
它讲的是法律、税务、审计行业的专业用户不能接受错误，数据开发领域都是如此，所以 Data Engineering Harness 要比其它领域的 Harness Engineering 更复杂。
企业级 AI 不是玩具。Agent 生成的数据任务不能只是"看起来对"，它必须真的对；Agent 给出的分析不能只是语言流畅，它必须建立在可信数据之上；Agent 执行的数据流程不能只是自动化，它必须可治理、可审计、可回滚。
这也是为什么我觉得这是我们在 AI 时代的数据平台机会，不只是更聪明，而是更可信。
5最后我的盲测：Snowflake 在竞争 AI 入口，如果成功，未来股价不止 x2
回到这次 Snowflake Summit，我最大的收获不是某一个产品发布，而是看到了一个更大的软件行业信号：
AI 正在重构所有软件的入口、形态和价值表达。
而 Snowflake 竞争的是 AI 的入口，所以 Snowflake 把自己的竞争对手瞄向 Anthropic，从 Data Warehouse 走向 AI Data Platform。
而未来 Data+AI，到底是掌握 Data 的人是入口，还是 掌握 AI 的人是入口呢？
而我的判断是，数据是难以搬走的，AI 平台反而是很容易切换的。大家知道最近一个月 Snowflake 的股价刚刚翻了一翻；而我个人认为如果 Snowflake 的 AI 入口模式成功，未来它的股价不止过去的一个月 x2。
Rethink what is possible,
Snowflake AI，未来可期！
(以上分享的内容纯属个人看法，不代表官方立场，也不是投资建议）