Snowflake迈向Agentic Enterprise的关键一跃

2026 年的企业 AI 市场，正在经历一场悄无声息的叙事转换。 两年前，几乎所有科技峰会的主角都是大模型：参数多少亿、上下文窗口多长、benchmark 排第几。企业关心的问题是 AI 能不能做。到了 2026 年，这个问题已经基本有了答案：能，而且做得比想象中更好。但当技术可行性被验证之后，真正让 CIO 和 CDO 夜不能寐的问题变成了另一个：“AI 做错了，谁负责？” 当智能体开始自主查询数据库、调用 API、生成报告、触发审批，甚至直接修改业务数据时，它就不再是一个辅助工具，而是一个具备行动能力的数字员工。而数字员工犯错，代价可能比人类员工更高，因为它可以以毫秒级的速度，把错误放大到整个组织。 正是在这个背景下，Snowflake Summit 2026 的 Platform Keynote 显得意味深长。Snowflake 联创 Benoit Dageville 和产品执行副总裁 Christian Kleinerman 站在台上，花了整整一个小时介绍新产品、新架构、新性能指标，但贯穿其中的一条主线非常清楚：当 Agent 开始进入企业流程，平台必须提供足够可信的运行环境。 Benoit Dageville 在现场的一句话，几乎可以概括 Snowflake 对 Agentic AI 的底层判断：“最好的 Agent 平台，必须建立在最好的数据平台之上。” 这句话也解释了为什么 Snowflake 反复强调数据、上下文、权限、治理和可审计性：当 Agent 开始行动，企业 AI 的可信度，最终仍然要回到数据平台本身。 从 CoCo 的改名与桌面化，到 Snowflake CoWork 的正式登场；从智能体身份（Agent Identity）和数据流转策略（Data Movement Policy）的推出，到语义上下文（Horizon Context）的增强，这些更新背后其实有一条更清晰的主线：当 Agent 开始进入企业流程，平台必须同时解决数据、上下文、权限、治理和可审计性问题。 也正是在这样的现场语境下，InfoQ 中国奇遇团在 Snowflake Summit 26 的观察，不再只是记录一场产品发布，而是在追问一个更现实的问题：当 Agent 真的进入企业流程，中国企业该如何理解这场从“能力验证”到“可信运行”的转变？更多现场判断与一线讨论，欢迎观看 「奇遇旧金山」系列 Vlog "。 CoCo 与 CoWork 双引擎 Platform Keynote 上最有趣的细节之一，是 Christian Kleinerman 宣布的两个改名决定。 第一个是 Cortex Code 正式更名为 Snowflake CoCo，有趣的是这个名字不是官方起的，是用户叫出来的。”当我们推出 Cortex Code 后，很快，很多人开始说：‘哦，CoCo。’” Christian 在台上笑着说，“Denise 说，我们干脆就别再叫 Cortex Code 了，直接叫 CoCo 怎么样？” 一个多少带着“被用户叫出来”意味的名字，本身就说明 CoCo 已经形成了足够高的使用辨识度。而更让市场注意的是，CoCo 的演进速度很快：它从命令行和 Snowsight 起步，六个月内扩展到 Airflow、dbt、Spark、MCP、ACP，再到 SDK 和 Agent Teams。Summit 上，Snowflake 又宣布了 Cloud Agents 即将 GA、本地开发沙箱、自动化能力、自主智能体、技能目录，以及 CoCo Desktop GA。 过去，Snowflake 最核心的交互方式仍然围绕 SQL 和数据开发展开。用户往往仍需要理解数据库、表结构和查询逻辑，才能更充分地使用平台能力。而 CoCo 的出现，改变了这一层交互逻辑。它让开发者可以用自然语言与整个数据平台对话。更值得关注的是划选提问（Snap and Ask）功能：演示者直接拖拽选中一张图表的某个区域，点击 explain，CoCo 就能基于视觉上下文给出分析。这种交互方式已经不只是“使用数据库”，而更像是在与数据协作。 CoCo 改变的是开发者与数据平台的交互方式，而 Snowflake CoWork 指向的，则是更广泛的业务人群：当 AI 不只帮助人写代码、查数据，而是进入日常工作流，它与人的关系也需要被重新定义。 Snowflake Intelligence 最初被定位为企业员工的 AI 工作助手，但 Christian 坦承：“它的范围已经远远超出了我们最初的设想。它正在改变我们的工作方式。”于是，Snowflake Intelligence 被重新命名为 Snowflake CoWork。 这个名字的改动意味深长。Intelligence 强调的是智能能力，而 CoWork 强调的是协作关系。AI 不再只是工具，而开始成为企业工作流中的协作者。 Christian 对 CoWork 的愿景描述得极为具象：“从 CEO 到每一位一线员工。如果你喜欢 F1，想象每个人都有自己的维修团队。如果你喜欢钢铁侠，每个人都有自己的 Jarvis。”这不是在卖功能，而是在卖一种工作方式的想象。未来的企业员工，每个人背后都有一个 AI 团队，随时待命。 为了让这个愿景落地，Summit 上宣布了一系列 CoWork 的重大更新。个人工作引擎（Personal Work Engine）让组织中的用户不必再手动选择用哪个 Agent，而是拥有一个个人 Agent，自动执行多 Agent 编排，根据请求类型路由到不同的能力模块。用户记忆（User Memory）让 Agent 学习用户的偏好、习惯和工作模式，越用越懂。个人技能（Personal Skills）和个人 MCP 连接器让每个用户可以连接自己的业务系统。定时任务（Scheduled Tasks）则让用户可以说“这个分析我喜欢，你能每周或每月发给我一次吗？” 更值得关注的是工作产物（Artifacts）的演进。CoWork 中创建的不再是静态报告，而是实时数据的受治理视图，可以被共享、被协作、被持续更新的可信数据视图。 这意味着 CoCo 和 CoWork 正在形成一条闭环：开发者在 CoCo 中构建和认证 AI 应用，业务用户在 CoWork 中消费和协作，两者共享同一套治理框架和安全策略。 要让 CoCo 和 CoWork 真正发挥作用，Snowflake 还需要补上另一层能力：上下文。 Cortex Sense 承担的正是这个角色。它会从 Snowflake 已有的数据和活动中构建信号，自动增强 Agent，让 CoCo 和 CoWork 在回答问题、生成代码或执行任务时更理解企业环境。Christian 在现场提到，在一个评估集中，搭配 Cortex Sense 后，CoCo 和 CoWork 的开箱准确率从 24% 提升到 83%。 Natoma 的加入，则把这套能力继续延伸到更多业务系统。借助超过 100 个业务系统连接能力，Snowflake 可以让 CoCo 和 CoWork 更自然地触达企业日常使用的应用。也正是在这个意义上，CoCo 和 CoWork 更接近 Ch