2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！
Snowflake Intelligence 正在重塑业务人员的数据使用方式，打通从数据洞察到决策制定、业务执行的企业全链路闭环。这一智能体验由 Cortex 智能代理支撑，它是 Snowflake 面向企业级 AI 代理构建与治理的核心平台。Cortex 智能代理能够统筹编排跨数据、业务流程及外部系统的多环节复杂任务，同时支持各业务团队自主搭建定制化智能代理，并高效实现规模化部署与能力拓展。
企业 AI 建设已从概念原型验证阶段，全面迈入规模化商用落地阶段。各业务部门亟需量化衡量 AI 代理的运行效率与分析精准度，在安全可信、合规统一的管控体系内，完成从技术试点到价值落地的深度转型，依托 AI 能力创造实际业务价值。
在此趋势下，AI 开发人员亟需高性能开发底座，保障开发流程稳定可靠、版本快速迭代、业务平稳投产。企业管理员则需要可灵活拓展的全域管控体系，通过成本管控、数据隔离、统一治理等多层防护机制，为内部所有团队的 AI 应用筑牢合规边界与安全防线。
Cortex 智能代理拥有覆盖企业级 AI 代理全生命周期的完备能力体系：
用户可搭建智能代理，依托 MCP 协议无缝对接各类外部工具，同时在 Snowflake 安全边界内的沙箱环境中安全运行代码；
依托 Snowflake 成熟的行级访问策略，在保障各租户数据严格隔离的前提下，实现 AI 代理面向数千名用户的规模化复用；
沿用企业统一的管控规则与权限体系，结合全维度预算管控能力，实现 AI 代理的标准化治理与精细化成本管控；
借助专业评估框架持续迭代优化，不断提升 AI 代理的输出质量与任务执行精度。
以上能力相辅相成，为企业提供完备底座，助力 AI 代理从试点验证平稳过渡至大规模投产。整套托管式方案完全部署于 Snowflake 安全治理体系之内，与支撑 Snowflake Intelligence 运行的技术底座同源同源、安全统一。
联合租赁首席技术与战略官 Tony Leopold 表示：
“借助 Snowflake Intelligence，我们遍布全球 1600 余个网点的业务团队，无需依赖数据分析团队的协作支持，即可通过自然语言自主研判运营表现、获取实时数据洞察，大幅降低了数据使用门槛。基于统一且合规的权威数据来源，企业决策效率大幅提升，各业务条线的协同一致性也显著增强。面向未来，Cortex Code 将支撑我们搭建并规模化部署 AI 智能代理，拉动业务营收增长、优化设备调度利用率，全面升级企业日常运营管理模式，推动企业高效发展。”
开发构建：全域联通，自由运行
当前，已有上万名用户日常借助 AI 完成数据查询工作。但数据查询后的业务实操环节，往往难度更高—无论是创建 Jira 工单、更新 Salesforce 业务数据，还是开展专项分析、生成可视化图表，都需要打通各类外部系统、执行自定义代码，并将专业的业务领域知识固化为可复用的标准化流程，操作复杂度极高。
以往，要实现上述业务实操，企业需要自主开发定制化工具对接接口、搭建专属基础设施，还需要长期投入进行自主运维。繁重的集成成本与运维压力导致多数团队不得不推迟 AI 代理的投产落地，难以实现 AI 价值的快速转化。
如今，Snowflake Intelligence 原生集成 MCP 连接器、安全代码运行能力与模块化技能组件，帮助企业快速构建复合型智能代理，既能实现智能问答分析，也可跨多类业务系统完成闭环实操，真正打通数据洞察与业务执行的壁垒。
MCP 连接器：外部数据集成的标准化基准
模型上下文协议（MCP）已成为连接 AI 代理与外部工具、服务的通用开放标准。Cortex 智能代理即将正式上线 MCP 连接器，凭借原生集成能力，用户只需极简配置，即可将智能代理无缝接入所有兼容 MCP 协议的服务端。一键打通 Atlassian（Jira、Confluence）、GitHub、Salesforce、谷歌办公套件（Google Workspace）、Slack 等主流企业应用，无需额外开发定制对接接口。
其部署流程遵循标准化接口与简洁高效的接入模式，无需复杂操作即可快速完成配置。例如，销售运营团队可快速打通自有 Salesforce 与 Jira 业务实例，依托 Cortex 智能代理驱动的 Snowflake Intelligence 统一操作界面，实现销售漏斗跟踪、客户报表上传、业务工单自动创建等全流程协同，大幅减少人工操作成本。
外部 MCP 服务端可直接复用 Snowflake 原生治理体系，统一沿用角色权限、授权规则、审计日志等管控机制，显著降低跨系统管理复杂度，实现合规化、一体化管控。
图 1：MCP 连接器—助力企业工具无缝集成
智能代理技能：模块化、可复用的标准化任务组件
仅具备数据检索能力的智能代理只能实现问答交互。而即将正式全面商用的代理技能（Agent Skills），可让智能代理执行可重复的多步骤复杂任务，包括趋势预测、报表生成、业务流程执行等；用户只需一次性自定义并部署模块化能力包，即可反复复用、规模化落地。
企业可将分散在各部门的业务经验与专业能力，固化为标准化技能资产，实现跨团队共享复用。例如，数据分析团队搭建的预测模型技能，可直接提供给运营、销售、市场等部门的智能代理调用，彻底避免重复开发与代码冗余。
搭载定制化技能的智能代理，可按需自动执行各类标准化任务，帮助员工从重复琐碎工作中解放出来，专注高价值核心业务。随着企业内部技能资产不断沉淀、共享复用，智能代理能力可持续迭代进化，无需额外研发投入，就能持续放大全员协作效能，实现企业整体运营效率的叠加跃升。
图 2：智能代理技能—跨团队可复用的业务流程
Wolfspeed 首席信息官 Priya Almelkar 表示：
“Snowflake 已成为我们全域运营落地 AI 应用的核心基石。依托 Snowflake Intelligence，各团队可精准分析生产运营表现、快速挖掘业务洞察，甚至提前预判设备故障与流程隐患，实现主动式风险防控。目前，我们已在生产制造、质量管控、供应链管理及财务等关键领域部署数十项 AI 智能代理，助力员工快速调取可信数据与核心业务知识。这不仅全面提升了整体运营效率、缩短了洞察分析周期，更推动生产一线快速落地优化行动，为企业精细化运营与规模化扩张筑牢基础，是我们业务运营与发展升级道路上的重要里程碑。”
代码执行工具：为所有智能代理内置沙箱化 Python 运行环境
部分复杂业务任务需根据场景需求即时生成并执行定制化代码，以保障任务精准落地。即将开启公开预览的代码执行工具，为每一款智能代理原生内置沙箱化 Python 运行环境，支持在自然语言对话中动态生成并安全运行代码。研发人员可借此实现深度数据分析、高效破解业务难题，并自主生成 PDF 等多格式标准化文档。
该沙箱环境严格执行会话级数据隔离机制，明确限定智能代理的数据访问范围—仅可调用当前对话流程中授权的相关数据，从源头杜绝越权访问、数据泄露等安全风险。同时，智能代理具备自主判断能力，可根据任务需求，自动判定是否需要调用代码执行功能并完成触发。例如，当用户需要获取营收趋势图表时，智能代理会自动生成适配的 Python 代码、完成运行渲染，直接返回可视化结果，全程无需人工进行任何额外配置。
针对更复杂的企业级应用场景，沙箱环境支持灵活拓展。企业可通过 Snowflake 成果资产仓库（Snowflake Artifact Repository），获取经过官方筛选、审核通过的合规 Python 软件包；同时，可通过配置网络规则与外部访问集成能力，开放可控的外网访问权限，让智能代理能够安全对接第三方 API、调取外部数据源，并将处理完成的结果同步推送至下游业务系统。
当智能代理调用技能并执行 Python 脚本时，将由代码执行工具统一完成运行调度，两项能力原生协同、深度联动。企业可搭建具备代码执行能力的标准化技能资产库，依托代码执行工具统一承载运行环境与任务编排调度。
图 3：代码执行：为每款智能代理提供安全、按需调用的 Python 能力
规模化部署：跨团队全域落地，兼顾效能与安全
企业完成单个智能代理试点落地后，往往会产生规模化扩张的需求：能否全面覆盖 5000 名销售代表？能否跨多个销售区域实现能力共享复用？这类诉求，精准凸显了单点试用与全域规模化落地之间的核心鸿沟。而且在多租户架构下，既要严格保障各租户的数据安全隔离，又要在不影响现有生产业务的前提下完成版本更新的测试与验证。在传统部署模式中，解决上述两大难题往往需要数周的定制化开发，不仅效率低下，还大幅拉高了实施成本。
多租户架构：单代理承载，多租户共用，数据隔离可控
多租户功能现已正式上线，支持单个 Cortex 智能代理同时为不同团队、区域及外部客户等多类租户提供服务。无需单独部署代理实例，即可实现租户数据严格隔离，在保障数据安全的同时，大幅提升部署效率。
该模型采用会话属性与行级访问策略双重机制。调用智能代理时，应用程序会传入租户专属参数，并将其持久化保存至会话中。代理在执行任意 SQL 操作前，系统会将这些参数设为会话属性。数据表配置的行级访问策略则会引用会话属性，自动过滤数据行，确保区域销售代理仅能查看调用所指定区域内的相关数据。
Snowflake 支持不可变会话属性，租户上下文一旦完成配置，会话期间任何生成的 SQL 查询，代码执行或工具调用，均无法对其进行修改。Snowflake 强烈建议在行级访问策略中启用不可变会话属性，即便出现恶意查询试图篡改租户上下文，也能稳固维持数据隔离规则，筑牢数据安全与合规底线。
智能代理版本管理：赋能生产环境全生命周期管理
当新应用配置上线引发生产环境异常时，企业的核心诉求并非问题排查，而是快速回滚版本、保障业务连续稳定。代理版本管理功能现已正式上线，以提交机制为核心搭建全生命周期管理体系，严格划分开发与生产环境，实现两者彻底隔离，高效解决代理版本管控中的痛点。
每个智能代理均设有在线版本，作为日常开发迭代的可编辑工作副本。用户可基于在线版本提交发布，批量生成多个命名版本，每个命名版本均为固定不可编辑的静态快照。系统会为每一次提交自动生成唯一版本标识，如 VERSION$1、VERSION$2。命名版本一经生成便不可修改，凭借不可篡改的特性，为生产环境稳定部署筑牢核心底座。
别名机制提供通俗易懂的路由标识，涵盖生产、预发布、灰度等环境，可按需绑定至任意命名版本。只需将别名重新关联至目标版本，即可完成全量流量切换，无需改动任何上游调用应用。新版本升级仅需一条命令即可完成，版本回滚操作逻辑一致，只需指向历史稳定版本便可快速生效，极大简化运维流程、降低版本变更风险。
采用 Git 管理代理配置的团队，可直接从已关联的 Git 代码库导入配置，并生成命名版本，全程无需使用在线编辑版本。这一套代理部署模式，完全贴合工程师熟悉的研发流程：开发环境构建、预发布环境测试、生产环境上线，必要时快速回滚。
图 4：智能代理版本管理：安全部署，即时回滚
治理管控：全维度精细化成本管控
AI 智能代理调用会直接消耗平台积分，企业规模化部署后普遍面临成本管控痛点。既要做好共享代理使用成本的财务核算，也要明确预算耗尽后的权限管控规则，还需要支持不同部门对同一代理独享额度配置。依托完整的用量追踪与成本管控能力，企业可放心推进 AI 规模化落地，从根本上规避预算超支风险。
资源预算：代理层级费用管控
Cortex 智能代理资源预算功能现已正式全面可用，支持为单个 Cortex 智能代理设置每月积分消耗上限，并通过 Snowflake 基于标签的成本归因模型实现用量精准追踪。用户可配置并监控团队级与企业级预算，实现支出全程可视、可管控，确保成本消耗与业务使用量精准匹配。系统可持续追踪已添加标签代理的积分耗用情况，一旦达到预设阈值，便自动执行预先配置的管控操作。
阈值管控机制具备高度灵活性与可定制能力。当积分消耗达到八成时，可向团队负责人触发预警提醒；额度耗尽后，系统将通过存储过程自动回收代理访问权限。面对财报季等短期高业务负载场景，还可配置超额临时放行规则，并设置 200%的强制熔断阈值，从源头防范成本失控风险。每轮预算周期伊始，系统会自动恢复正常访问权限，实现全周期自动化预算管控。
借助该预算体系，研发、财务及各业务团队可沿用算力、存储资源的成熟管控模式，对 AI 代理开销进行统一规范管理，提前防范用量无序增长风险，避免成本透支问题集中暴露于月度结算阶段。
图 5：资源预算：精准管控智能代理资源消耗
共享资源预算：共享智能代理，团队级支出管控
常规资源预算以单智能代理为管控单元，统一限制所有团队的整体消耗。全新上线的共享资源预算则按用户群组维度进行管控，多个团队可共用同一代理实例，同时各自拥有独立的资源额度。预算规则按团队单独生效，可对各部门的使用量进行单独统计与精细化管控。Snowflake 依托标签化成本归集体系，单独核算每个团队在共享代理中的积分消耗，即便多团队共用同一代理实例，也能实现小号数据完全隔离、互不影响。
当智能代理同时配置代理级全局预算和团队共享预算时，两套管控规则相互独立、并行校验。只要任意一项预算率先触达阈值，就会立即触发权限管控。以财务团队为例：即便该智能代理整体积分尚未达到 1000 积分的全局上限，只要财务团队自身 500 积分的共享额度提前耗尽，该团队就会被限制访问。同时这种管控仅针对该团队，完全不影响其他团队正常使用同一智能代理。
这套管控模式可同时兼顾平台运维与业务管理双重诉求。既便于技术团队统一部署共享代理基础设施，简化运维架构；又能让各业务单元自主管控资源耗用，在资源共享与成本自治之间实现平衡。
持续迭代：量化核心指标，精准修复问题
大语言模型本身存在输出不确定性，导致智能代理的工具编排流程容易出现隐性故障。即便代理在数据检索环节出现信息偏差，仍可生成逻辑通顺、表述合理的回复。通用质量评测指标无法适配垂直业务场景，难以识别专属业务缺陷。同时由于缺乏标准化量化评估体系，企业难以客观评估智能代理的能力波动，也无法有效衡量版本迭代的实际效果。而 Cortex 智能代理评估能力恰好补齐这一短板，让企业可在 Snowflake 安全架构闭环内，实现智能代理应用的常态化质量监测与持续迭代优化。
Cortex 智能代理评估：从主观人工审核到可量化性能评测
Cortex 智能代理评估功能已正式上线。企业可自定义测试指令数据集与代理标准行为规范，定向开展评测任务，自动生成可量化、可追溯的多维指标报告。
该评测能力沉淀自 Snowflake 前沿 AI 技术研究成果，以自研 Agent GPA 目标规划执行框架为底层基座，并内置三大核心评估维度：
工具选择与执行准确度：校验智能代理能否在业务关键环节匹配最优工具，并严格遵循规范完成输入输出与精准执行；
应答准确率：衡量智能代理输出结果与标准答案的匹配契合程度；
逻辑一致性：校验智能代理在指令解析、任务规划及工具调用全过程的内在逻辑自洽性。
GPA 框架已通过 TRAIL、GAIA 两大权威基准测试充分验证，具备高可靠性。实测数据表明，这套评测体系可精准识别 95%人工标注类错误，大幅超越 55%的行业基准水平；同时能以 86%的准确率精准定位故障所在环节。区别于传统非对即错的粗放式二元判定，这套体系可深入智能代理推理链路，精准锁定故障节点，并定位问题根因。
该项能力的核心落地价值，在于推动团队从传统人工主观审核，升级为标准化、可复用、可复刻的量化质量管控范式。在正式投产部署前，可依托评测建立清晰的性能基准线；完成配置调优或版本迭代后，只需一键复测，即可快速核验服务质量是否平稳达标。以此实现常态化质量把控，持续保障智能代理长期稳定、高品质运行。
图 6：智能代理评估：基于 GPA 框架完成评测、诊断与持续优化
Snowflake Intelligence 赋能未来工作范式
Snowflake Intelligence 为企业重塑全新工作模式，让数据洞察不止停留于结论输出，更能驱动全域业务落地执行。
极致体验的背后，是专为生产级 AI 打造的全托管平台。平台可全方位满足企业各类落地需求，能够无缝对接企业级工具，提供安全沙箱代码执行能力，实现多用户规模化承载与数据隔离，搭配精细化成本治理体系，并依托内置评估能力持续优化 AI 应用质量。
这套系列能力可破除企业 AI 规模化落地的核心壁垒，既能简化集成架构、强化安全治理与成本管控，更能为打造可信可控、可量化评估的 AI 业务价值筑牢坚实根基。
Snowflake Intelligence 作为整体架构的核心，提供统一操作入口，支撑用户自助问答查询、数据探索及各类业务操作。平台后台可安全串联全域数据、业务流程与异构系统，并凭借原生集成优势，助力企业从 AI 试点探索迈向规模化价值落地。全程无需叠加各类第三方工具，更无需在合规治理标准上做出妥协。
依托 Snowflake 统一数据底座，所有 AI 交互均基于合规管控的数据开展，可直接复用现有权限体系与全域安全策略。企业无需为 AI 场景单独搭建治理架构，只需沿用经过实战验证的成熟安全机制，即可实现 AI 能力的无缝拓展与快速落地。
其核心定位为企业级智能工作代理，可深度理解业务上下文、梳理复杂逻辑、自动执行业务操作，助力团队提升运转效率、强化协同能力，最终实现 AI 驱动的高效办公模式。
Snowflake Intelligence 已完成生产级全场景适配，可在严守安全合规、支持大规模部署的前提下，构建从数据洞察到业务决策、再到任务执行的完整业务闭环。平台深度复用企业现有数据底座，无需额外重构架构，便可持续稳定释放 AI 业务价值。
快速入门
以上功能现已正式全面上线，了解更多详情：
深入了解 Snowflake Intelligence 最新产品创新。
参考官方指南，快速配置并使用 Snowflake Intelligence MCP 连接器。
原文地址：https://www.snowflake.com/en/blog/enterprise-ai-agent-platform/
点击链接立即报名注册：Ascent - Snowflake Platform Training - China，更多 Snowflake 精彩活动请关注专区。
