过去几年，企业 AI 领域的主流观点一直是：AI 正在成为数据的交互界面。自然语言正在取代报告、仪表板等传统的信息获取与交互机制。对话式交互大幅缩短了业务用户与所需信息之间的距离。每一位 CIO 都感受到了这一转变所带来的强大吸引力。

今天，营销人员正在努力平衡相互竞争的优先事项：我们如何在遵守隐私要求的同时，尽可能释放更多数据的价值？我们又该如何有效治理 AI，从而在规模化应用中建立信任，同时保持快速行动的能力？

在 Snowflake Summit 26 上，Cortex Code 正式更名为 CoCo，并将能力从终端大幅扩展至更多工作场景。CoCo 是一款帮助你更快完成构建工作的编程智能体：它无需额外配置即可理解你的 Snowflake 环境，包括模式、基于角色的访问控制（RBAC）、数据血缘、治理规则和业务上下文，并能将自然语言提示转化为实际的数据工程、应用开发和 AI 工作。

企业从未像现在这样依赖 AI 智能体来驱动生产力。但当这份“速度与自主”反过来成为风险源头时，我们该如何应对？一次出于善意的 AI 失误，就能在人类做出反应之前，彻底删除整个生产数据库及其备份。这种风险并非因为智能体变得更“笨”，恰恰是因为它们变得更强，且被赋予了更多核心业务系统的访问权限。

过去两年里，AI 已经帮助员工生成内容、回答问题并加速分析。但大多数 AI 系统仍然在等待指令。下一次跃迁，是主动协作：Agent 能够理解你的业务，学习你的工作方式，在企业系统之间安全行动，并帮助推动更好的决策与更快的执行。

我们很多人的成长经历里，家里的书架上都摆着一套百科全书。它们被视为权威，几乎什么问题都能从中找到答案。但其中的内容往往很快就会过时。

在企业 AI 新时代，衡量一个平台价值的标准不再是它拥有多少功能，而是它能够以多快的速度带来业务成果。要兑现这一承诺，仅有软件层远远不够，还需要一个高度整合的合作伙伴生态系统。

如今，品牌相关性由我们看到什么、听到什么来定义。从短视频社交片段中高能量的“Vibe”，到体育赛事直播中的战略精准度，企业所生成的最具影响力的数据，早已不再只是文本，而是视觉、声音，以及简单来说，那种 Vibe 的综合体。

企业聘用 FP&A 团队，是为了分析经营表现、检验计划的合理性，并帮助管理者做出决策。但很多时候，这项工作中相当大的一部分却耗在了流程性事务上：从 ERP 提取实际数据、统一会计科目表、映射至预算模型、核对入账时点与重分类，以及在每次关账时重新搭建同一份工作簿。

2026 年，零售业已从应对不确定性，转向适应永久性颠覆的新常态。面对不断上升的关税，成本优化型全球生产的时代已经结束。取而代之的是一种“敏捷胜过最优”的方法，迫使零售商向亚洲以外的枢纽布局，并通过近岸外包来降低地缘政治风险，尽管 95% 的高管预计运营成本将会上升。

2026 年，零售与消费品行业将由明显分化的 K 型经济所定义：全球 47% 的消费者，其中包括 35% 的高收入家庭，如今自我认同为“价值追求者”。这一务实群体将可持续发展视为基本要求，并且相比传统高价品牌，更青睐高品质自有品牌。随着消费者日益感受到生活成本持续上升带来的压力，他们在判断什么是奢侈品、什么是必需品时变得更加审慎，并据此决定是否购买。

实验阶段已经结束。在 Accelerate 2026 上，行业领导者传递出的信号清晰而响亮：AI 的未来不再是理论演练，而是运营必需品；领先企业已经在将其作为基础职能的核心组成部分。仅在零售行业，就有 58% 的企业正在积极部署 AI。消费者越来越多地通过从未访问过品牌网站的 Agent 进行购物。而在制造业，一些企业正在部署 AI 驱动的 Agent，将其作为可实时查询的知识库，以应对机构知识流失的问题，因为预计到 2030 年，数百万个技术工种岗位将无人填补。

每天早上，业务用户都以同样的方式开始一天：打开多个工具，等待更新后的报告，并联系分析师索要一个他们昨天就需要的数字，以便采取有意义的行动。工具和数据都已存在。但没有任何东西将它们连接起来，也没有任何东西帮助他们推进工作。Snowflake Intelligence 改变了这一点。

自 Observe 三个月前加入 Snowflake 以来，我们一直以加速的节奏推进工作，接入新用户并构建扩展观测访问的新功能。但 Observe 要解决的核心问题未曾改变。我们的使命依旧是实现大规模观测，这也是当今许多企业面临的挑战。

作为 Snowflake 创始团队的一员，看到十多年前我们所设想的一切，如今成为新兴Agentic Enterprise的基础，令人惊叹。2016 年，我们撰写了一篇论文，提出了一个大胆愿景：云中的技术世界和数据世界将如何被改变。十年后，我们很荣幸这项工作获得了 2026 年 SIGMOD Test-of-Time Award，这也让我们有机会重新回顾这篇论文，并反思我们的思考如何塑造了今天的 Snowflake，以及我们接下来将走向何方。

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。

从动态表到语义视图，再到Cortex代码，Snowflake正将传统数据工程工作流中耗时数天的任务缩短至数分钟。其目标已不再是“少花钱多办事”，而是借助工具实现“多快好省”。

那种将数据目录仅视为记录系统的观念已经过时，随之消亡的还有为创建和维护该目录所需的纯手工劳动。在智能体、副驾驶与自主分析的时代，我们需要的是一个通用型人工智能目录——它内嵌于系统之中、具备互操作性、富有韧性，并且专为以机器速度进行推理而构建。