你可能错过的Snowflake Summit 2026三大洞见

如果企业人工智能的第一波浪潮是关于计算和基础模型，那么下一波浪潮将围绕使这些模型在实际业务中发挥作用的软件和数据基础设施展开。

第一波AI赢家销售的是计算资源：GPU、服务器、网络和云容量——AI的“镐和铲”。但随着企业AI从实验转向部署，软件栈中正在浮现新的价值层。Snowflake Inc.正将自己定位在这一层，专注于企业连接专有数据与高级AI模型所需的管理工具。TECHnalysis Research LLC创始人兼首席分析师Bob O'Donnell看到了Snowflake的机遇。

“必须建立与模型的数据连接，”他说，“如果我能开始充当数据与前沿模型之间的连接器……那就为软件部分的‘镐和铲’开辟了许多有趣的机遇。”

O'Donnell与SanjMo创始人兼所有者Sanjeev Mohan一起，在Snowflake Summit 2026上与theCUBE的Dave Vellante进行了对话。在活动期间，Vellante和Rebecca Knight与Snowflake的领导者、客户和合作伙伴讨论了支持下一代企业AI所需的能力和特性。

以下是Snowflake Summit 2026上你可能错过的三个关键洞见：

洞见#1：强大的数据基础将企业AI转化为业务成果。

对于DoorDash Inc.而言，支持大规模机器学习、分析和代理工作流需要摆脱单体架构。据数据工程、数据平台和商业智能负责人Vaibhav (VJ) Jajoo称，该公司在过去十年中建立了一个支持实时物流业务和日益增长的AI工作负载的基础。

“随着时间推移，我们认识到机器用户在分析数据消费上已超过人类用户，”他告诉theCUBE。“机器学习功能、对生产服务的反馈循环或AI代理工作流正在超越分析用户。当这种情况发生时，你不能采用阻碍你的单体环境，它不允许你在其上启用新用例。”

Fanatics LLC正在利用同样的数据原则来个性化粉丝体验。据商业副总裁Kevin Longo称，通过统一多个渠道的数据并利用实时洞察，公司可以更好地理解和响应个人粉丝偏好。

“如果你思考体育，传统上它一直是一对多的载体：单一的广播、单一的赞助商发送给一群粉丝，”他在活动期间表示。“粉丝并不都一样。我们一直知道这一点，但现在，借助AI和与Snowflake的合作，我们可以实时理解并采取行动。”

除了面向客户的个性化，组织也在利用企业AI转变内部运营。在Whoop Inc.，超过3 PB的数据和每天约20 TB的新数据使得开放标准和互操作性至关重要。据分析副总裁Matt Luizzi称。

“过去几年我们投入了大量精力来生成干净的语义本体，”他在采访中说，“这使我们能够立即使用CoCo Desktop等产品并看到价值。我们现在看到的是人类能够增加价值以及需要增加价值的地方发生了转变。”

强大数据基础的影响超越了运营效率。SiriusXM Holdings Inc.的策略反映了更广泛的转变：不仅要了解受众消费什么，还要了解这些互动背后的背景和意图。据SiriusXM首席广告产品和技术官Sherene Hilal称。

“随着我们开始思考如何让音频更现代化，数据和技术一直是成功的秘诀，”她在活动期间表示。“具体来说，如何获取音频的上下文、你正在收听的内容的情绪和时刻、播客的文本，并使这些数据可用……从而为听众提供非常个性化的体验。”

洞见#2：企业AI需要新的安全、治理和信任框架。

AI的崛起从根本上改变了网络安全的经济学，压缩了漏洞利用窗口，迫使组织超越传统的漏洞管理。Tenable Holdings Inc.使用Snowflake作为其安全数据湖的基础，同时开发AI驱动的修复和自动化能力，旨在帮助企业以机器速度识别和降低风险。据Tenable产品高级副总裁Jason Merrick称。

“曝光管理不是一个产品，”他在与theCUBE的讨论中说，“它是一个计划。它不仅仅是查看传统IT基础设施。它涉及云……身份……在组织内将它们串联起来，查看配置，查看是否存在已知的常见漏洞和暴露……然后能够突出显示并降低风险。”

随着组织加强企业AI时代的安全态势，他们也在重新思考软件构建方式。在Snowflake和Clover Network LLC，AI辅助开发正在加速软件交付，同时需要新的治理、标准和组织变革方法。据Clover Network全球首席信息官兼首席技术官Vinayak Kagalkar和Snowflake首席信息官Mike Blandina称。

“我认为你可以在模型中强制执行标准，”Blandina说。“例如，在CoCo中，你可以直接说，‘在这个特定项目中，我们构建的任何东西，这里有一组界限，作为我的代码开发代理，你不应该跨越。以下是我希望使用的工件类型和代码类型的标准。’你可以像在纸质文档上那样提前做到，并通过软件开发生命周期强制执行。”

信任在医疗保健领域同样关键，因为AI生成的见解可以直接影响患者结果。Komodo Health Inc.多年来建立了超过3.3亿去标识化患者旅程的纵向视图，为医疗保健和生命科学组织提供透明、可解释的AI工作流所需的数据基础。据Komodo Health首席技术官Amit Sangani和Snowflake医疗保健和生命科学全球副总裁Jesse Cugliotta称。

“平均患者病历有46,000个单词，”Cugliotta说。“如果你走进急诊室，医生还有27个其他患者，他们不会阅读你的整个病历历史，即使他们能访问。利用AI的能力……是提供更完整的画面，理解什么是最准确的诊断路径……这不仅对护理人员的日常体验，而且对患者结果都有重大影响。”

洞见#3：受治理且可信的智能将AI推向生产环境。

法律、税务和审计专业人士不能依赖产生无法验证结果的系统，这使得受治理的数据和权威内容成为AI采用的关键组成部分。Thomson Reuters建立了一个可信的数据资产，跨越数千个受治理的表和数据库，为专业人士在高风险环境中自信使用的企业AI工具奠定了基础。据Thomson Reuters数据和分析负责人Caitlin Halferty、法律创新负责人Laura Safdie以及Snowflake开发者和AI体验副总裁Bala Kasiviswanathan称。

“你不能把AI带到一个你不了解的行业；你不能转变一个你不理解的工作流，”Safdie告诉theCUBE。“如果你为世界上最重要的职业之一构建东西，你需要理解AI如何让我们变得更好并服务公共利益，同时以适合目的的方式做到这一点。”

同样的信任重点也在塑造企业治理方式。在Intercontinental Exchange Inc.和纽约证券交易所，多年在治理、数据质量和访问控制上的投资使团队能够加速AI部署，而不是拖慢它们。据ICE/NYSE数据、分析和治理副总裁Durgesh Das称。

“我们的角色实际上是消除摩擦，”他在采访中说。“我们已经在用治理实现正确的人获取正确的数据，但现在，AI为我们提供了机会，可以无摩擦地及时提供信息，以便业务可以自带工具并快速获得答案。”

随着企业AI采用扩展，组织也认识到生产环境通常需要超出通用模型能力的专门智能。Resolve AI Inc.正在使用领域特定模型来支持站点可靠性工程工作流。据Resolve AI创始人兼CEO Spiros Xanthos称。

“我认为模型是一种将智能压缩到模型中的方式，”他告诉theCUBE。“如果你有一个非常具体的业务用例，你可以用领域特定模型实现更好的压缩——不仅速度和延迟，还有实际准确性。对于更通用的用例，前沿模型通常是最好的答案。但如果你想要……Resolve正在解决的问题，那需要一个定制模型来实际帮助，并且有很好的产品市场契合度。”

欲了解更多theCUBE对Snowflake Summit的报道，请查看以下独家片段：

（披露：theCUBE是Snowflake Summit活动的付费媒体合作伙伴。Snowflake及其他赞助商对theCUBE或SiliconANGLE上的内容没有编辑控制权。）