今天我在旧金山参加 Snowflake Summit。两万多人的大会，Keynote 是 Snowflake 的 CEO Sridhar Ramaswamy 的分享，以及和 Anthropic 联合创始人兼总裁 Daniela Amodei 等嘉宾的同台对谈。
坐在台下，我有种很特别的感觉。台上这些全球最顶尖的公司，用各种案例和数字反复强调的方向，和我们这些年在企业里摸索出来的体会，撞在了一起。能在两万人的现场，听 Snowflake、Anthropic、埃森哲、赛诺菲这些名字反复确认同一个方向，心里挺踏实的。
我想把现场最戳我的几个点分享一下。因为如果你也在做 AI，这场大会其实在帮所有人确认一件事：这一轮真正该使劲的地方，到底在哪。
满场都在讲一句话：Make AI Real for Business
这次大会的主题，是一句口号—— Make AI Real for Business，让 AI 在业务里动真格。
别小看这句话。它背后藏着一个所有人开始公开承认的转变：AI 已经过了那个秀肌肉、拼 Demo 的阶段，走到了要交业务结果的时候。过去两年，多少企业的 AI 项目停在"我们做了个很酷的演示"，然后就没有然后了。现在大会的潜台词很直接——演示不算数，能不能进到核心业务、能不能改 P&L，才算数。
这件事的道理不复杂：AI 落地不看你的 Demo 多惊艳，看它能不能真的嵌进业务流程、干出实际的活。表演型的智能没有意义，业务型的聪明才有价值。
台上（视频）埃森哲的 CEO Julie Sweet 把这件事说得更狠。她说企业最常问的问题就是：怎么从一个宏大的 AI 愿景，走到真实、可衡量的业务结果。她的答案是——必须由懂 AI 的一把手亲自带，把 AI 嵌进核心流程、有人对结果负责，光靠试点的成功撑不起价值。
一个全球最大的咨询公司 CEO，在台上反复强调"别停在试点、要进核心业务、要落到损益表"，这本身就说明：从试点到真落地这道坎，是当下全行业共同卡住的地方。
那个最戳我的数字：85% 的障碍，是数据，不是技术
如果说这场大会只让我记住一个数字，那就是赛诺菲的首席数字官说的这句：
对 85% 的企业来说，AI 落地最大的障碍不是拿不到 AI 模型，是数据——碎片化的、质量差的、散落在各个系统里互相看不见的数据，以及跟不上的流程。
我在台下听到这句，心里咯噔一下——这正是企业 AI 落地最容易被忽略、却最致命的地方。模型不是问题，模型谁都能买到；真正卡死大多数 AI 项目的，是它根本读不懂你这家企业的数据到底是什么意思。
赛诺菲不是嘴上说说。它分享了自己五年的转型——一家年运营开支 180 亿欧元的药企，五年前数据散在无数个孤岛里，它选了 Snowflake 做底座，一点点把数据统一起来。现在它能在统一的数据地基上直接跑 AI 工作流，一个法务、一个欧洲能源客户的数据查询从几天缩短到 2 秒，项目周期从几个月压到 12 周，算力消耗降了 85%。
你注意它的顺序：先用五年把数据地基打牢，AI 才跑得起来。不是反过来。
数据治理从来不是 AI 项目开始前的准备工作，它本身就是 AI 项目最核心的部分。赛诺菲用五年和 180 亿欧元的盘子，把这件事演示给两万人看。
Your Advantage is Your Data
大会现场还有一句标语，我觉得是整场最锋利的一句：Your advantage is your data，你的优势在你的数据。
Snowflake 的人在台上把这句话的逻辑讲得很透：通用的 AI 模型不可能是你的竞争优势，因为它对你所有的竞争对手都同样开放——你能用 GPT，你的对手也能用；你能用 Claude，你的对手也能用。模型这一层，是所有人都能买到的通用品。
那优势从哪来？只可能来自一个地方：你把这些通用模型，接到你独有的、别人拿不到的数据上——你的客户数据、你的运营数据、你的供应链数据、你那个行业几十年攒下来的门道。模型是通用的，但你的数据和 know-how 是独一份的。真正的护城河，是这两者结合的地方。
我把这句话记了下来。它指向一个朴素的道理：
当基础模型变成像水电一样人人可用的东西，胜负手就不在模型本身了，而在你能不能用自己独有的数据和行业理解，把它喂成一个别人替代不了的东西。
Snowflake 用一句标语，把这件事钉在了两万人面前。
Real Data, Real Agents, Real Action
大会还有第三句话，叫 Real Data, Real Agents, Real Action——真的数据、真的智能体、真的行动。
这三个词连起来，其实就是一条完整的落地链条，而且和我们做的事是同一个逻辑。
先有真的数据——把企业散落的数据统一、治理好，变成 AI 能读懂的、可信的地基。这是第一层。
然后是真的智能体——让 AI 基于这层可信的数据去做分析、做判断，而不是在一堆互相打架的数据上瞎猜。这里有个细节我很认同：Snowflake 的人说，做 AI 工具时，回答的准确性和能回答多少问题同等重要，哪怕为了准确，宁可拒绝回答一些高风险的问题，也要守住用户的信任。这话说得很对——一个会自信地胡说的 AI，比一个会说"这个我不确定"的 AI 危险得多。
最后是真的行动——AI 不能只输出一段分析文字就完了，它得能真的触发业务动作：生成任务、推送审批、写回系统、协调跨部门。洞察如果不能变成行动，就只是一次漂亮的演示。
这条从数据到行动的链路，也正是我们这些年扎在企业里一层一层搭起来的东西。在现场听 Snowflake 用三个英文单词把它干净利落地概括出来，挺感慨的——这个方向，正在成为全球最顶尖玩家的共识。
还有一句话，是 Anthropic 说的
Anthropic 的联创 Daniela Amodei 在台上聊到一个我很认同的观点：很多人以为安全和创新是矛盾的，要快就得牺牲可靠。但她说，这个框架本身就是错的——没有任何一个企业客户，会希望 AI 给出更多的幻觉、更不可预测的结果。恰恰相反，正因为你把可信和安全做扎实了，企业才敢把 AI 用到更多、更核心的场景里去。可信不是创新的刹车，是油门。
这一点，做企业 AI 的人体会大概都很深。toB 和 toC 最大的不同就在这——消费者可以容忍一个偶尔出错但很惊艳的产品，但一家银行、一家药企、一个供应链系统，不能。在企业里，能被信任，是 AI 能被用起来的前提。一个不可信的 AI，能力再强也进不了核心业务。
她还提到 Anthropic 自己五年从 几十人发展到 3500 人，靠的是死死抓住核心价值观。这点对所有快速成长的公司大概都成立——长得越快，越要靠一些不变的东西稳住自己。
写在最后
在这场大会的现场呆了一天，我最大的感受不是"硅谷遥遥领先",反而是一种踏实。
因为台上这些全球最顶尖的公司，用 180 亿欧元的盘子、用五年的转型、用一句句标语反复确认的那个方向，也正是我们这些年扎在企业里慢慢看清的：模型会变成水电，谁都能用；真正的胜负手，在你独有的数据、你对行业的理解，以及你能不能把 AI 落进业务、变成行动。
Make AI Real，Your advantage is your data。这两句话，Snowflake 是说给两万个参会者听的。但我想说给每一个还在做 AI 的中国人听：
别再纠结你的模型比别人差几个月了。低头看看你手里的数据，看看你扎在哪个行业里，那才是别人抢不走的东西。
作者：黎科峰博士，数势科技创始人兼 CEO。本文为个人观点。
