SnowflakeExpedition2026发布业务本体与对话式BI,推动数据平台向AI原生架构演进

Snowflake在2026年Expedition大会上推出Business Ontology、Cortex Sense与Cortex AI Gateway等核心能力,旨在解决AI智能体语义歧义与治理...

人工智能 阅读量: 18.48万

Snowflake于2026年Expedition大会正式发布多项平台级更新,核心目标是弥合企业数据、业务语义与AI推理之间的断层。此次升级不再局限于传统数据仓库的性能优化或SQL扩展,而是围绕“AI的价值取决于其所依托的企业业务上下文”这一理念,构建一套支持自主智能体、实时流处理与自然语言交互的统一数据-智能基础设施。

业务本体(Business Ontology):为AI提供可信语义锚点

文章配图

企业AI应用长期面临一个根本性挑战:不同部门对同一术语存在差异定义。例如,“客户收入”在财务、销售与营销团队中可能指向完全不同的计算逻辑。若AI智能体各自独立解析这些术语,即使生成的SQL语法正确,结果仍可能偏离业务意图——这种现象被称作“语义幻觉”。

为应对该问题,Snowflake引入原生Business Ontology能力,允许企业在Horizon Context中集中管理业务概念、属性及其关系。该模块支持从现有数据源导入术语表,通过审批流程固化权威定义,并建立跨域概念关联。例如,零售企业可分别维护财务口径与营销口径的“客户”定义,同时在必要时声明二者映射规则。当智能体响应财务类查询时,系统自动调用经批准的财务定义,避免因术语歧义导致结论偏差。

Business Ontology并非替代已有的Semantic Views(语义视图),而是与其协同工作:Semantic Views面向分析负载提供结构化查询接口,而Business Ontology则为AI智能体提供可复用的语义知识基底。

Cortex Sense:自动发现分散的企业知识资产

仅靠人工定义难以覆盖企业多年积累的隐性知识。Cortex Sense作为配套能力,可从代码库、Horizon元数据、Semantic Views、文档、BI报表及用户行为日志中自动挖掘潜在业务上下文,并持续更新其时效性。

三者构成闭环:Cortex Sense负责“发现”,Business Ontology负责“治理与固化”,Semantic Views负责“消费”。这一组合显著降低为每个AI应用重复构建上下文的成本。一家拥有数百份历史报表与数千条SQL逻辑的企业,无需为新上线的智能体从零开始标注业务规则,而是逐步沉淀可复用的知识资产。

Cortex AI Gateway:为智能体交互提供治理与成本控制

当AI从“问答助手”升级为“可执行工具调用的智能体”,权限与成本管理成为新瓶颈。Cortex AI Gateway为此提供统一控制平面,基于Snowflake现有的RBAC策略,实时验证MCP(Model Context Protocol)工具调用的合法性。

该网关支持三项关键能力:一是细粒度权限校验,确保智能体仅能访问授权数据与API;二是动态模型路由,根据任务复杂度自动匹配高性价比模型,实测token效率最高提升3倍;三是支出归集与硬性限额机制,支持按团队、智能体或账户设定成本阈值,超限即停。

此举使企业可在不牺牲安全性的前提下规模化部署智能体应用,避免为每个AI项目单独搭建治理框架。

实时流处理架构:端到端延迟压缩至100–300毫秒

除语义与治理层外,Snowflake同步强化底层数据管道能力。新版流式架构整合Datastream、Snowpipe Streaming与Elastic Channels,支持Kafka兼容事件总线,单节点吞吐达20 GB/s。关键突破在于将“摄入→转换→服务”全链路延迟压至亚秒级——典型场景下查询响应时间稳定在100–300毫秒区间,支撑10,000+ QPS并发。

该能力直接服务于需要即时反馈的AI应用场景,如实时欺诈检测、动态定价调整或客服会话中的上下文感知推荐。与传统批处理模式相比,新架构使运营数据与分析决策之间的时滞大幅缩短。

对话式商业智能:替代传统仪表板工具

Snowflake Expedition 2026全景能力图谱

大会还首次公开对话式BI(Conversational BI)的落地路径。该功能允许用户以自然语言提问(如“上月华东区复购率最高的SKU是什么?”),系统自动解析意图、调用Business Ontology校准术语、生成SQL并返回可视化结果。其设计目标明确指向替代依赖席位授权的传统BI工具,降低非技术用户使用门槛。

值得注意的是,该能力并非孤立模块,而是深度集成于统一架构:提问触发的查询路径经过Cortex AI Gateway校验,所用语义定义来自Business Ontology,底层数据由实时流管道供给——整套流程在单一平台上完成,避免多系统拼接带来的延迟与一致性风险。

行业影响与演进逻辑

Snowflake此次更新折射出数据平台发展的深层趋势:单纯存储与计算能力已不再是竞争焦点,如何让数据真正“可理解、可行动、可治理”成为新战场。过去五年,云数据仓库厂商普遍完成从Hadoop迁移至湖仓一体的转型;未来三年,胜负手或将落在“AI原生架构”的构建速度上。

对比同类平台,Databricks侧重于统一分析与ML工程闭环,BigQuery强化嵌入式AI与向量搜索,而Snowflake选择以“业务语义标准化”为突破口——这与其客户多为大型企业、业务流程复杂、术语分歧严重的特征高度契合。

一个关键信号是:Snowflake正从“数据存放地”转向“决策操作系统”。当企业能通过自然语言调用经治理的智能体,自动执行跨系统工作流(如触发订单修正、生成合规报告),数据平台的角色实质已延伸至业务执行层。

目前,Business Ontology与Cortex Sense已进入GA阶段,Cortex AI Gateway与对话式BI处于公测期。随着更多企业尝试将AI智能体嵌入核心业务流程,此类平台级语义与治理能力或将从“加分项”变为“准入门槛”。