生成式 AI 的投资回报远超预期？Snowflake 调研全球 1900 位企业与 IT 专业人士后发现平均 ROI 高达 41%！点击下载完整报告
在这场以 What’s New for Snowflake Platform 为主题的技术发布中，Snowflake 产品管理高级总监 Artin Avanes，与产品管理团队成员 Christine 和 Raja Balakrishnan 一同，系统性地回顾并发布了 Snowflake 平台在过去一段时间内的重要进展。
不同于围绕单点功能的更新介绍，这场分享从一开始就明确了一个整体视角：Snowflake 正围绕 简洁性（Simplicity）、互联平台（Connected） 和 可信平台（Trusted） 三个关键支柱，持续重塑其作为数据与 AI 基础平台的能力边界。
简洁性：把能用变成规模化可用
Christine 在分享中重点展开了 Snowflake 的易用性支柱。她反复强调一个核心判断：真正的易用，并不是功能更少，而是在规模扩大之后依然可控、可理解、可管理。
Snowflake 仍然坚持单一产品、单一引擎的平台形态，覆盖分析型、混合型以及事务型工作负载，并以全托管的方式承担大部分运维复杂度。在过去 12 个月中，Snowflake 针对核心分析型工作负载实现了 两倍性能提升，且这一优化由平台自动完成，而非依赖用户侧调优。
随着越来越多企业在一个组织内拥有大量 Snowflake 账户和对象，组织级管理能力 成为此次更新的重点之一。Snowflake 正式推出组织账户（Organization Account），作为统一的全局管理入口；同时，通过组织级视图聚合各账户元数据，使使用情况、对象分布与成本消耗在组织层面变得可见。
在此基础上，Snowflake 进一步引入 组织用户与用户组 的管理模式，允许用户只在组织层定义一次，便可被授权至多个账户，避免重复配置。这一能力被视为大规模 Snowflake 部署的关键基础设施，目前已进入即将 GA 的阶段。
从可扩展到可运营：SPCS 的持续演进
围绕 Snowpark Container Services（SPCS），Christine 也披露了一系列面向运营友好型的增强。
SPCS 的目标并非只是让用户把自定义应用带到 Snowflake 平台，而是在 Snowflake 的安全边界内，尽可能降低运行和维护这些应用的成本与复杂度。新引入的自动扩缩容、增强版自动扩缩容以及即将上线的自动暂停能力，使服务能够根据负载峰谷动态调整，避免资源闲置。
同时，SPCS 在 Snowsight 中获得了更完整的可视化体验。开发者可以直接在 UI 中创建服务、执行作业，并查看历史日志、指标与平台事件，这些能力为应用与数据管道提供了内建的可观测性基础。
在性能层面，SPCS 即将支持 阶段挂载（Stage Mounts），为内部阶段提供更快速、稳定的文件访问能力，直接服务于 AI/ML 数据加载和管道吞吐需求。同时，块存储层新增的端到端加密能力，在不修改应用代码的前提下，增强了整体安全性。
互联平台：让数据真正跨系统流动
在互联这一支柱下，Artin 将重点放在 跨云互操作、数据共享与协作能力上。
首先，OpenFlow 作为托管体验已正式 GA，使来自异构数据系统的数据更容易被引入 Snowflake。其次，Snowflake 宣布与 SAP 的双向集成能力，以及 Oracle CDC 即将进入公开预览，进一步拓展了平台在企业数据整合场景中的覆盖面。
在协作层面，Snowflake 对开放表格式的支持持续加深。用户现在不仅可以共享 Apache Iceberg 和 Delta Lake 表，还能够共享语义视图，用于支持更准确的 AI 和 BI 应用。同时，笔记本、用户自定义函数等对象也可以通过 Snowflake 原生应用框架进行打包与分发，使构建和交付数据与 AI 产品的路径更加完整。
可信平台：为 AI 应用补上信任这一层
Raja Balakrishnan 的分享，集中在 Snowflake 平台的可信性升级上。他将 Horizon Catalog 定位为一个核心枢纽：既是开放表格式互操作的目录，也是可扩展治理与 AI 数据上下文的载体。
通过嵌入 Iceberg Open API 和 Apache Polaris API，Horizon Catalog 支持外部引擎直接读写 Snowflake 管理的 Iceberg 表，并在 Snowflake 内部展示来自外部数据源的血缘关系。在治理能力上，平台新增了多项目录功能，包括账户级 PII 自动检测、数据剖析与质量监控、非结构化数据中的 PII 识别，以及用于备份的数据快照能力。
在 Trust Center 中，数据安全能力被进一步整合。PII 检测正式进入熟悉的安全管理界面，同时支持异常访问告警和组织级安全态势可视化。安全扩展也可以通过市场形式被合作伙伴提供。
用 AI 治理 AI
在演示环节，Raja 重点展示了一个新的 AI SQL 函数 AI Redact。该函数能够自动检测并编辑非结构化文本中的敏感信息，并允许用户精细控制哪些字段被视为 PII。
通过一个客服通话记录的示例，他演示了如何在不暴露任何敏感信息的前提下，对文本进行情感分析：先对原始文本进行 PII 编辑，再将清洗后的数据输入 AI 分析函数。整个过程无需复杂流程，仅通过 SQL 即可完成。
此外，Snowflake 在 Snowsight 中引入了全新的数据质量界面。系统可自动生成数据剖析结果，并在 AI 辅助下帮助用户快速配置质量监控规则。例如，在 Customer ID 列被识别为潜在主键后，平台会自动建议唯一性约束，并展示其推理逻辑，确保 Human-in-the-loop。
在分享的最后，Artin 提到，随着平台能力的不断扩展，客户越来越关心如何用得更好。为此，Snowflake 正式推出 Well-Architected Framework，希望将多年积累的实践经验沉淀为一套可参考的方法论，覆盖从安全治理到成本优化等多个关键维度。
原视频地址：https://www.snowflake.com/en/build/americas/agenda/?login=ML
🔥【活动推荐】2 月 2 日-6 日，Snowflake Discover 重磅上线！这是一场免费、线上、可实时互动的技术活动，旨在帮助您全面提升数据与 AI 能力，深入了解如何更高效地管理、整合与分析数据。4 天时间 18 场技术干货分享，由来自亚太地区的一线技术专家亲自分享与讲解～
点击报名 Discover，更多 Snowflake 精彩活动请关注专区。
