9 月 8 日，Snowflake World Tour 2026 在上海举行。下午的技术论坛延续大会 Making AI Real for Business 的主题，将企业 AI 从理念进一步带入技术架构与真实构建现场。
作为下午场的重要环节，Snowflake 联合 InfoQ 极客传媒发起「雪山之巅 AI 挑战赛」构建你的企业 AI 应用，以 Build with CoCo, Build on Snowflake 为主题，设置增长之巅、卓越之巅、效能之巅三条赛道，邀请开发者围绕真实企业场景，在现场完成 AI 应用构建。
挑战赛由 Snowflake 亚太产品市场总经理 Louis Lee 主持，Louis Lee、Snowflake 全球首席开发者布道师 Dash Desai，以及 Snowflake 高级技术支持经理 Jeffrey Lu 组成现场评审团。Dash 同时作为首席 AI 导师参与现场交流，为开发者提供产品、技术与应用构建方面的指导。
图中从左至右为：Dash Desai、Louis Lee、Jeffrey Lu
Snowflake 中国解决方案工程师经理席叶文在下午场开场时介绍，从企业级智能体、Snowflake AI 前沿研究，到 AI 安全治理、开放湖仓架构，再到 Snowflake 与亚马逊云科技的生产级实践，五场技术分享集中回应了企业将 AI 推向生产环境时面临的关键问题。
Snowflake 中国解决方案工程师经理席叶文
这些内容也为后续挑战赛提供了直接的技术输入：模型如何选择，Agent 如何理解企业上下文，权限和治理如何延续，数据如何跨引擎流动，以及一个 AI Idea 如何真正进入生产环境。
从智能体到生产环境，五场分享拆解企业 AI 落地链路
Snowflake 中国区高级解决方案工程师陈明清首先发表了以 《企业级智能体：Snowflake AI 正在重新定义工作模式》 为题的分享。她以企业业务分析师的日常工作为例，展示传统数据分析过程中跨系统取数、核对、沟通、分析和汇报所产生的大量重复劳动，并提出企业正在从过去的洞察系统进一步走向行动系统：AI 智能体不再停留在回答问题，而是基于企业已有的数据、上下文与权限体系，直接参与分析与任务执行。这一变化背后，上下文仍然是智能体进入企业的关键基础。现场分享显示，Snowflake 通过 Cortex Sense 建立企业语义上下文，让 Agent 更准确地理解企业内部指标和业务定义；智能体同时继承用户的数据权限，并拥有可追踪的身份，使其访问与操作能够继续纳入原有治理体系。Snowflake CoWork 则面向知识工作者提供统一 AI 工作空间，让数据分析、企业知识和外部工具连接进入同一工作流。
Snowflake 中国区高级解决方案工程师陈明清
Snowflake AI 实验室首席科学家 Zhewei Yao 发表了以 《Snowflake 前沿研究：赋能下一代企业数据与 AI》 为题的分享，将讨论拉回更加具体的工作负载。他提出，企业 AI 的成功并不取决于是否选择了最强大的模型，更重要的是围绕具体任务，将模型、上下文、工具、记忆以及多智能体协同构造成完整系统。在企业场景中，私有数据、权限政策、任务类型、成本和延迟都会改变模型选择的标准。企业真正需要优化的，也不只是模型本身的能力，而是质量、成本、延迟与可信度之间的综合结果。现场还以 Snowflake 已部署的 SQL 自动补全模型为例，说明在特定工作负载上，更专用、更紧凑的模型同样可能带来更高的准确性、更好的用户采纳度和更低的推理延迟。模型竞争之外，Context Engineering、模型专用化以及多 Agent 之间的协作与验证，正在成为企业 AI 系统设计的重要变量。
Snowflake AI 实验室首席科学家 Zhewei Yao
Snowflake 亚太首席安全官 Severin Gassauer 以 《AI 优先时代：敏感数据保护与审计最佳实践》 为题展开分享。他指出，在与企业客户的交流中，AI 治理并非创新之外的一道“检查项”，相反，清晰的治理体系能够为企业扩大 AI 应用提供信任基础。围绕这一思路，他重点介绍了 Snowflake Horizon Catalog 在数据与 AI 资产治理中的作用。从企业内部数据、Iceberg 等开放格式，到来自 SAP、Salesforce、Workday 等外部系统的数据与元数据，Horizon Catalog 提供统一的发现、分类、保护和审计能力；当外部 Agent 或智能体应用通过 MCP 等方式访问数据时，既有治理策略也能够继续发挥作用。治理对象也由此从“人访问数据”扩展到“人和 Agent 共同访问数据”。哪个 Agent 访问过什么数据、执行过哪些操作，以及这些行为能否被追溯，开始成为生产级 AI 的基本要求。
Snowflake 亚太首席安全官 Severin Gassauer
Snowflake 中国区高级解决方案工程师陈翌发表了以 《开放互通湖仓，释放数据与 AI 全部潜能》 为题的分享，围绕 Iceberg 互操作性与 Snowflake 湖仓架构展开讨论。他指出，采用开放数据格式并不意味着整体架构已经真正开放。Catalog、元数据和访问接口是否开放，同样影响企业能否自由选择不同计算引擎。仅采用开放格式、却仍依赖封闭目录体系，依然可能产生互操作限制和厂商锁定。围绕多引擎、多目录并存的企业环境，现场 Demo 展示了 Snowflake 与外部数据平台之间的读写和互操作过程。Horizon Catalog 则作为统一的数据管理平面，让数据无论位于 Snowflake 管理的存储还是企业自己的数据湖，都可以在统一治理基础上被不同计算引擎使用。
Snowflake 中国区高级解决方案工程师陈翌
五场技术分享的最后一场由亚马逊云科技高级合作伙伴解决方案架构师沈金带来，主题为 《亚马逊云科技 × Snowflake：从 AI 概念到生产级应用》。这一场将视角直接落到生产环境。企业拥有模型、数据和一个可运行的 Demo，并不意味着已经具备规模化应用 AI 的条件。现场分享从现代化数据基础、AI Ready 数据一直延伸到上层 AI 应用，并涉及企业既有 IDC、多云环境、基础设施、安全合规以及不同数据与 AI 服务之间的协同。从 AI Idea 走向 Production，最终仍然需要经过完整的工程路径：可信的数据基础、可使用的 AI Ready 数据，以及能够真正进入业务流程的应用。
亚马逊云科技高级合作伙伴解决方案架构师沈金
五场分享至此完成了从智能体能力、模型与上下文，到安全治理、开放架构和生产实践的技术铺垫。现场的问题也随之从“企业 AI 应该如何构建”，转向一个更加直接的问题：现在，开发者能够构建出什么？
90 分钟，把真实业务问题做成 AI 应用
正式挑战开始前，Dash 通过现场 Demo 展示 AI 应用构建过程，并开放 AMA 专家交流，开发者可以围绕技术、产品出海、用户与场景、开发者成长等问题直接展开讨论。Snowflake 高级解决方案工程师李凌霄则带来 CoCo 快速上手指导，为现场构建完成最后的技术准备。
Snowflake 全球首席开发者布道师 Dash Desai
「雪山之巅 AI 挑战赛」设置增长之巅、卓越之巅和效能之巅三条赛道。
三个赛道分别面向不同类型的真实业务需求：增长之巅聚焦销售、市场与经营增长场景；卓越之巅关注知识、专业服务与智能体验；效能之巅则深入运营、流程和自动化，希望让 AI 真正进入业务流程。现场反复强调的一条原则是，从真实问题出发，再把 AI 带进真实业务场景。
在 90 分钟的集中构建之后，多支团队完成 Demo，并进入现场路演。每支入选团队拥有 5 分钟展示时间，需要回答三个核心问题：发现了什么问题、如何解决、最终做出了什么。除应用本身之外，安全与架构设计同样被纳入评审考量。现场作品覆盖企业数据分析、运营自动化、制造业成本管理等不同场景。挑战赛三个奖项也最终揭晓。
Digi Max 团队获得最佳应用奖。 团队围绕制造业成本管理场景完成应用构建，希望提升管理者对销售订单、设备、物料以及不同生产阶段成本的可见性，并利用 AI 进一步完成分析与洞察。
Eric-6 团队获得最佳创意奖。 作品围绕大学选择及 Work-Life Balance 场景展开，将 AI 应用于与个人决策和日常生活更加贴近的问题。评委在现场点评中也提到，这一方向体现了开发者对 AI 应用边界的不同探索。
问鼎团队凭借“异常工单智能路由与预处理系统”获得 CoCo 卓越构建奖。 这一作品将 AI 接入具体业务流程，让应用本身不只停留在信息问答，而是参与真实任务的处理。
Dash Desai 为最佳应用奖获奖团队 Digi Max 颁奖并合影
Louis Lee 为最佳创意奖获奖团队 Eric-6 颁奖并合影
Jeffrey Lu 为 CoCo 卓越构建奖获奖团队问鼎颁奖并合影
在颁奖现场，Dash Desai 评价，开发者在非常有限的时间内完成从业务问题、数据思考到应用构建，现场呈现出的创造力和完整度令人印象深刻
从 Golden Question 到《答案之书》，寻找答案的旅程来到上海
现场发布了另一项贯穿 Snowflake 中国开发者社区数月的内容——《Making AI Real for Business 答案之书》。
它的起点可以追溯到今年 4 月。
4 月 16 日，「AI 落地问 Summit」中国开发者社区 Golden Question 问题征集正式启动；6 月 1 日至 4 日，Snowflake 与 InfoQ 发起中国奇遇团，由中国 Data+AI 技术领袖前往旧金山探访 Snowflake Summit 2026，寻找 AI 落地的答案；6 月 26 日至 27 日，这些来自 Summit 的关键问题又被带到上海 AICon，以 Making AI Real for Business「答案剧场」 的形式继续与国内开发者展开讨论。
9 月 8 日，随着 Snowflake World Tour 首次落地中国，这条持续数月的“寻找答案”线索，也最终汇集成一本实体《答案之书》。
发布现场，Snowflake 中国区市场总经理 Diana 邀请两位开发者登台。参与者先提出自己此刻最想得到答案的问题，再随机翻开书页，从一句回答或一条提示中寻找新的视角。
Snowflake 中国区市场总经理 Diana
《答案之书》没有试图给每个问题提供唯一解法。现场留下的一句话更接近它真正想表达的价值：看到的未必是标准答案，却可能带来一个新的视角；真正重要的，是提出值得回答的问题。
这与当天的挑战赛形成了自然呼应。开发者同样从一个问题开始，在数据、技术与业务约束中寻找路径，再通过真正的应用去验证自己的答案。AI 落地最终很难靠一套预设模板完成，它更像一个持续提出问题、构建、验证，再重新寻找答案的过程。
从“看见 AI”到亲手 Build AI
技术分享、现场构建、Demo Pitch 与最终评审，让技术专场形成了一条清晰的路径：先讨论 Agent 如何理解企业数据、模型如何适配具体工作负载、治理与开放架构如何支撑生产，再把这些问题真正交给现场 Builder，在有限时间内寻找答案。
随着挑战赛结束，活动进入 AI 构建者之夜。开发者、行业伙伴与 Snowflake 团队继续在现场交流当天的构建体验与技术实践。
从企业数据和上下文，到 Agent、治理、开放架构，再到一个真正能够运行的应用，AI 落地最终仍然要回到业务本身。对于 Snowflake 而言，Making AI Real for Business 也正是在这样的过程中，从一个大会主题落进一次次真实的构建与验证。
