这趟在硅谷，我待了快一周。三天泡在 Snowflake Summit 的会场，去斯坦福走了走，参加了一场华人技术圈的闭门聚会，还抽空见了几位在硅谷创业、投资的老朋友。
出发前我以为，是去看美国到底领先在哪、去取点经。一周下来才发现，这趟更像是去校准的——把我这些天陆陆续续写下的那些判断，在现场一条条对了一遍。
到最后，我没变焦虑，反而更笃定了。下面把看到的和想通的，一并分享出来。
越拥抱 AI，越要握紧数据这张底牌
先说会场。
这次的 Summit 是 Snowflake 办过最大的一届——现场两万多人，七百多位演讲嘉宾、五百多场分论坛。主题为： Making AI Real for Business（让 AI 在业务里真的有用）。
Snowflake 过去十几年一直以来的标签就是云数据仓库，这回几乎把自己重构了一遍，主角全换成了 AI Agent。新的主题背后，是定位的重构：给工程师的编码助手 Snowflake Cortex Code 改叫 CoCo，给业务人员的智能助手 Snowflake Intelligence 改叫 CoWork。CoCo 已经能自动搭数据流水线、开发 ETL、调 Python、搭应用，沉淀了七千多家付费企业，是它增速最快的产品；CoWork 则跳出了查数、看报表，能主动预警、跑周期性的自动化工作流，目标是做“全员可用的业务数字员工”。配套还补了两块硬骨头：DataStream 全托管 Kafka，补上多年缺的实时流；Horizon 加 Agent Identity 一套治理体系，给每个 Agent 发独立身份、分权限、留全程审计。它还牵头做了一个叫 OSI 的开放语义标准，想统一跨系统、跨企业的业务语义口径，在金融行业率先落地——说白了，是想拿到“数据语言”的话语权。
这套打法摆出来，你会发现一件事：一家做了十几年数据仓库的公司，正在用 AI 原生公司的方式，把自己重新讲一遍。
但你要真听进去，它讲得最多，还是数据。
Snowflake 的 CEO 有句话我记得很清楚——There is no AI strategy without a data strategy（没有数据战略，就没有 AI 战略）。他选的打法，是大大方方接入其他各家最强的模型（这次和 Anthropic 深度绑定，Claude 直接做了 CoCo 的底层引擎），却把数据及数据治理这一层牢牢攥在手里，即“数据不动、模型进来”——让前沿模型在企业自己的受控数据上跑，数据不出仓。政企、金融、医疗这些碰一下合规就头疼的行业，最吃这一套。
这正好对上了我这些天反复写的几个判断。
模型迟早是水电，谁都能买；搬不走的，是你的数据。
模型今天用一家、明天换一家，切换成本很低。可你企业内部那层被治理过、带着业务口径的数据，是搬不走的。所以胜负手，正在从“谁的模型强”，挪到“谁的数据最干净、离场景最近”。大模型再能打，也吃不掉“数据”这个赛道；更高价值的玩法，是让最强的模型，跑在最懂你业务的数据上。会场上的财报数据也印证了这点：上个季度营收同比涨了三成多，是两年来最高的增速，老客户的净留存还在 126%，股价今年也翻了番——担心“大模型替代数据仓库”的人看错了方向，现实是大模型反而更依赖数据底座。
这也让“怎么拥抱 AI”这个问题有了答案。我在国内见过太多企业，第一步就采购模型，结果掉进三个坑：算不对，口径不统一、数字对不上；不专业，通用模型不懂这行门道；管不住，Agent 一多，谁动了哪条数据、有没有越权，全成了黑洞。埃森哲在现场抛出一个数字很扎眼：八成多的企业 AI 项目最后没做成，问题不在模型能力，在数据碎片、口径混乱、治理缺失。这跟我们一帮国内创始人闭门聊下来的共识几乎一字不差——国内 AI 落地最大的瓶颈，从来不是不会训模型，是数据散、标准乱、业务脱节。
会场上最打动我的一个落地案例是赛诺菲（Sanofi）：花五年把全域数据搬上云、统一治理，把采购、财务、供应链、研发的数据全归一，采购全面 AI 工作流化，法务查询从过去的好几天压到两秒，项目周期从几个月缩到十几周。这才是“AI 真的有用”该有的样子——嵌进业务流程、能干活的数字员工。
美国创新的根，是给“失败”和“不一样”都松了绑
第二件事，是去斯坦福那天看到的。
我特意没走游客路线，而是跟着一位在硅谷做投资的华人朋友钻进校园深处，绕到一片大多数人都不知道的湖——Lake Lagunita，旁边山脊上立着那台有名的射电望远镜。比风景更打动我的，是人的状态：学生躺在草坪上，或窝在咖啡馆沙发里，脚搭在桌上抱着电脑；亿万富翁、大厂高管来了，跟学生坐一块儿聊天，姿态都挺平，没什么从上往下打量人的架子。能上斯坦福本身就证明过自己，文凭反倒没那么要紧——看准一个窗口先跳进去做，是常事。
一开始我也犯嘀咕，这帮人是不是太散了。但你很难说，这种松弛跟它源源不断冒出创业者之间，一点关系都没有。
往深里想，这片土壤的根，是给两样东西都松了绑：一样是“失败”，一样是“不一样”。
先说失败。这从校园一直延伸到资本。美国的 VC 看中一个方向，会一口气投上 N 个团队，心里清楚大部分跑不出来，无所谓，一百个里成两、三个就够了；失败了一笔勾掉。甚至很多时候，明知道有些前瞻性项目未来几十年都挣不了钱，还是愿意投。不像国内这边不少比例的机构，动不动还要对赌、要回购，把投资做成一笔变相的债。另外，硅谷这边，除了 VC，学校也给足退路：出去创业万一不成，还能回来把学位读完。
美国把失败当成一笔可以核销的成本，我们却常常把它当成一件要被惩罚的事。
再说“不一样”。硅谷这片土壤还鼓励你跟别人不一样——你的怪点子、你的偏执、你不合群的那部分，在这里不太会被当成问题。我们这些年最不缺的是钱，也不缺聪明人，中国孩子的底子全世界都认。稀缺的，是肯让多少“异类”、多少次“失败”活下来。创新到了今天，越来越不是资源问题，是“土壤肯不肯放过那些不一样的人”的问题。另外，解决中国各行各业“卷”的顽疾，最关键也是要推动“求不同”的底层文化。
让我意外的是，这片土壤已经在反向滋养中国的年轻人。那天晚上我们把一批还在美国念书的中国学生叫到一起做路演，好几个项目逻辑都挺成熟，我们这些“大哥哥大姐姐”一时还挑不出毛病。有人才大一，有人靠自己的项目挣出了学费，还有的项目一个月已经能挣五十万。眼里有光，心里有火。他们身上那股大方、敢闯、不怕被看见的劲儿，是这片土壤给的——也说明，只要土壤对了，这样的中国年轻人，要多少有多少。
顺便说一点工作后移民美国的情况。我有位博士师妹，早年一直在国内读书、工作，后来来美国加入一家创业公司，公司被一家美国大银行收购，她也跟着进了银行，如今带一个数据团队。她说最大的好，是孩子不必像在国内那样卷——华人孩子学习天赋本就高，做父母的又都是高知、要求严，孩子个个挺优秀；最大的难，是离家里的老人太远，没法照顾家人，自己还得从头搭一个社交圈、硬着头皮适应当地文化。移民对一个成年人，利是给了下一代一个松一点的环境，弊是自己要很用力，才能真正融进去。这片土壤再好，也不是没有重量。
AI 把所有软件公司，拉回了同一条起跑线
第三件事，关于机会。
这次让我最受鼓舞的一点，反而和大厂秀肌肉没什么关系：AI 正在把所有软件公司，重新拉回同一条起跑线。
你看 Snowflake 这样的巨头，这回也得把自己重做一遍——过去那套“人写 SQL、人看报表、人配任务”的逻辑，要全改成“Agent 理解、Agent 调用、Agent 执行”。可越是大厂，包袱越重：一堆旧系统要兼容、一群老客户要照顾、一套老流程要迁就。倒是一个认知够快的小团队，能从第一天起就按 Agent 原生的方式重新设计，轻装上阵。
聚会上一位在 Google 做数据库的朋友，讲了个连他自己都很服气的例子。有家做数据库的创业公司，打法在他们这些老工程师眼里简直“又笨又蠢”：别人都在比谁的架构更复杂、性能调得更极致，它偏偏反着来——不自建昂贵的存储，把数据直接甩到 S3 这种最便宜的云对象存储上，该做的优化也懒得做，搁在传统数据库的评判标准里几乎“不入流”。可它只盯死一件事：AI 时代那批数据量暴涨、又最舍得花钱的新物种——做 AI 编程的、做 AI 应用的，谁家的数据需求一夜翻几十倍，它就把谁伺候到极致。结果短短一年多，它从没人正眼看的小角色，蹿成了这个赛道最炙手可热的新贵，回头把一批根正苗红的老牌选手打得没脾气。更扎心的是，那些后来抢着用它的明星客户，几年前还找上过那些大厂，被当成“小公司”晾在一边。
他讲完撂下一句话，我记到现在：这一行老爱争论“中国跑得快、还是美国跑得 smart”，压根是个伪命题——决定生死的，是你有没有跑在“对”的那条路上。那家公司不是技术最强，是把“客户此刻最肯为什么掏钱”这道题答对了。
这在过去几乎不可想象：一家创业公司，能和大厂在几乎同一时间、推出同一类型的产品；放在从前，但凡能做的，早被大厂用资源优势做光了。说句说的可能有点自大——美国现在推行的这套用数据和语义把 AI 落进企业决策的事，我们在国内几年就开始做了，也实打实落地了上百家大企业。今天它在 Summit 的台上被讲出来、台下满堂彩，只说明我们对趋势的判断，几乎是同时的。方向和动作上，我们并没慢，甚至落地速度还更快。
所以 AI 重做一切的时候，机会从来不只属于大厂。它属于那些看得够快、押得够准，又敢把自己重新做一遍的人。
那屋子最能打的人，聊的都是自己怎么“输”
但同一趟硅谷行，也有戳到我的地方。
那场在硅谷的华人聚会，一屋子人是中国在硅谷最能打的一批技术人——做支付的、做数据库的、做 AI 视频的、做 AI Infra 的、做 AI 营销的、做数字人的，等等。我本以为大家会轮流亮肌肉，结果聊着聊着，话头全拐到了同一个地方：自己怎么“输”的。产品最好、还更便宜，单子却给了一个更差、更贵的对手。有人说，就是因为自己的 relationship 和 connection 不行。席间还有人感慨，印度人更会抱团、彼此往上抬一把，能在大公司做到很高的位置；华人聪明、肯干，却各干各的。
这屋子人在这件事上达成了共识——这本身就够让人坐不住了。
我们差的不是产品，是被世界看见、被世界信任的那张入场券。
而 AI 时代，这张票还被前置了：在任何人见你之前，机器已经先把你检索了一遍。你在公开世界里留下的痕迹、有多可信，很大程度上决定了对方愿不愿意坐下来跟你谈。这次 Summit，Snowflake 的大客户一个接一个上台站台；而在国内，绝大部分大型企业是不会轻易给供应商站台的。技术和产品我们不输，欠的是把价值讲出来、把标准参与进去、让世界愿意为你背书的本事。这无关妄自菲薄，只是看清差距在哪，再一点点去挣。
但已经有人，把“立足中国、面向全球”走通了
好在，这条路不是没人走过。这趟我特意去见了几位在硅谷的老朋友，他们给了我后半个答案。
一位是 Shulex 的创始人 Hunter Guo。Shulex 做的是跨境电商的 AI 客服 Agent 和消费者洞察，客户里有安克、大疆、韶音等非常多的中国出海品牌，也有很多北美本地的头部品牌公司。他有个说法我很认同——中国的零售电商打得最凶，逼出来的产品力和服务经验，比美国同行还硬；他做的，就是把这套在中国炼出来的本事，用 AI 复制到美国企业身上。来美国之后，他的业务又上了一个大台阶。
一位是 VeloDB（国内叫 SelectDB）的联合创始人连林江，也是我的老百度同事。他们做的是 AI 时代的实时数据仓库，底子是开源项目 Apache Doris。一个国内起家的基础软件团队，如今把 VeloDB 做成了一个面向全球的品牌。
Hunter Guo 和连林江都是在中国起步的，这两年自己跑来美国开拓全球生意。最让我触动的是，他们海外的收入，如今都已经超过了国内。
但这条路他们也不是一上来就顺。刚到的时候，几乎踩遍了所有“水土不服”的坑：本地团队不好搭、客户不好获、中国市场的产品到这边不匹配，等等。熬过一两年，磨出了对当地的理解，才慢慢走上正轨。如今他们身上同时长着中美两套背景、两支团队——把根扎在中国的产业里，把生意做到了全世界。
回到那顿有路演的晚饭，是我认识了十多年的周航总做的东。很多人记得他是易到用车的创始人——中国最早做约车的那批人。易到之后，他转身做了投资，这几年常驻美国，重心放在美国本土的华人项目上，基金投了不少。在中美两边都摔打过、又看了这么多项目，他对两边创业土壤的比较，是我这趟听到最透的一个。
他有个判断很鲜明：创业要趁早来美国。这边的市场、资本、人才、对失败的宽容，确实是国内短期补不上的——这一点我完全认同，前面讲的那些，也都是在说这件事。我俩聊得最来劲的，是接下来那半句：来了之后，国内的根要不要也跟着拔起来。有很多 Day 1 就在美国创业的中国团队，比如 Zoom、GenSpark、DynaRobotics、Shoppal AI、Final Round AI 就很成功，但也有像 Shulex、VeloDB、安克创新、Plaud、PingCap、Lovart 以及其他众多新能源车和消费电子品牌等，走的另外那条路——人和生意可以走向全球，根却可以继续扎在中国的产业里。
所以中国 AI，要深入学习硅谷，但不一定完全复制硅谷。既不坐井观天，也不妄自菲薄。硅谷擅长把一件事定义成趋势、讲成标准、放大成声量；中国擅长把趋势啃进产业、做成可交付的现实、压到可负担的成本。一个是放大器，一个是铸造厂。聪明的做法，不是去羡慕那台放大器，而是握紧那些“放大不走”的东西——你的数据、你的产业纵深、你最后一公里的落地；然后再补上“被世界看见”那一课，借这边更适合做全球生意的土壤，把东西卖出去。
立足中国，面向全球——这趟我最想带回来的，就这八个字。
临走那天，我又想起聚餐桌上那群眼里有光的在美就读的中国学生们。他们不必再纠结“被世界看见”是不是不好意思——这门让我们这代人补了一路的课，他们一上来就会了。
作者简介
黎科峰（Kenny），数势科技创始人兼 CEO。北京航空航天大学博士，曾任京东集团技术委员会主席，京东商城技术负责人，手机百度总经理，平安金融 CTO。
