[美国旧金山=DigitalToday]“不久之后，AI代理将贯穿整个企业，以持续、自主的方式运行，‘Agentic Enterprise’也将成为现实。”

在Snowflake Summit 2026主题演讲中，Snowflake将“Agentic Enterprise”确立为公司下一阶段的核心愿景。正从数据分析平台向企业AI代理平台演进的Snowflake表示，其目标是推动企业运营全面围绕AI代理展开，并消除落地过程中的关键障碍。

Snowflake首席执行官Sridhar Ramaswamy表示，“Agentic Enterprise”并非停留在概念层面，而是正在走向落地。围绕这一愿景，他将其拆解为四大核心要素。

第一是企业专有数据，包括客户、财务、产品等核心信息；第二是能够理解数据并驱动执行的AI模型，例如Claude Opus和OpenAI相关模型；第三是支撑企业日常运营的业务应用，如Gmail、Salesforce和SAP；第四则是用于统筹前三者的“Agentic Control Plane”，即控制平面。

在Ramaswamy看来，控制平面是“Agentic Enterprise”的关键一环，其作用类似于企业级AI的“操作系统”。他指出，单个AI代理即便能力再强，如果彼此之间无法共享上下文，也难以形成企业级协同。缺少控制平面时，财务代理的决策可能与供应链代理相互冲突，营销代理也可能在不了解客服代理刚刚获取信息的情况下生成内容。

他表示，这一控制平面并非停留在概念层面，Snowflake已经给出对应产品形态。目前，Snowflake的控制平面主要由Snowflake Intelligence和Cortex Code（Coco）构成。

其中，Snowflake Intelligence面向知识工作者，充当个人工作代理，支持用户通过自然语言访问数据；Cortex Code则面向开发者和数据工程师，定位为AI编码代理。Ramaswamy称，借助Coco，原本需要6个月的迁移工作可缩短至6天完成，用户还可以仅通过自然语言，将想法转化为可运行的数据管道和应用。

如果说控制平面是“Agentic Enterprise”的操作系统，那么数据就是这一体系的起点。

Ramaswamy表示，数据是企业最具防御性的“护城河”，也是决定AI相关性和差异化能力的关键资产。一旦数据处于碎片化状态，企业的竞争优势也会被削弱。为推进数据统一与迁移，Snowflake正在通过AI驱动迁移、Postgres支持，以及用于持续数据流转的OpenFlow推进数据整合，并与Google合作，将过去复杂、难以完成的迁移流程压缩至数日内自动完成。

在模型层面，Snowflake强调“灵活性”。

Ramaswamy表示，模型本身并不是差异化来源，因为竞争对手同样可以接入相同的模型；只有当AI与企业专有数据结合时，价值才会真正释放。基于这一判断，Snowflake已与Anthropic、OpenAI等主要模型厂商建立合作，支持企业根据不同工作负载选择最合适的模型。

Snowflake的“Agentic Enterprise”战略也并不局限于平台内部数据，还将进一步打通企业日常使用的第三方应用。

为此，Snowflake正在加大对开源MCP（Model Context Protocol，模型上下文协议）的投入，以支持AI调用和利用外部应用中的数据。公司近期还宣布，将收购在企业级MCP领域具备能力的Natom。

Ramaswamy表示，MCP能够简化AI系统连接多类应用的方式。通过收购Natom，AI模型将可接入Google Drive、Jira、Slack、GitHub、Microsoft 365等企业应用；与此同时，AI与应用之间的交互也将纳入Snowflake既有的安全与访问控制体系之下。他补充称，这笔收购意味着Snowflake的治理范围将从数据进一步扩展至AI行为和工作流全链路。

在主题演讲后半段，Anthropic联合创始人兼总裁Daniela Amodei也登台，与Ramaswamy围绕AI演进速度及企业应对策略展开对话。

Amodei表示，一年前，企业对AI的关注重点仍更多停留在实验阶段；而现在，AI已经成为人力、编程、金融、法律、医疗等多个领域的重要基础能力。随着更多算力和数据投入，模型性能仍将以相对可预测的方式持续提升，AI领域的快速进展不会在短期内停下。她同时指出，企业不应按照当前模型能力设定上限，而应围绕更大的目标提前布局，并从现在开始构建相应能力。