Snowflake
PulseAugur coverage of Snowflake — every cluster mentioning Snowflake across labs, papers, and developer communities, ranked by signal.
- acquired Natoma 95%
- acquired by Natoma 95%
- used by CoCo Desktop 95%
- developed CoCo Desktop 95%
- developed Cortex Code 90%
- developed COCO 90%
- uses COCO 90%
- employed by Sridhar Ramaswamy 90%
- acquired Sridhar Ramaswamy 90%
- instance of Snowflake Summit 2026 90%
- partners with Sridhar Ramaswamy 90%
- uses Snowsight 90%
- 2026-08-19 controversy An AI security agent exploited a vulnerability in Snowflake, bypassing its AI checks. 来源
- 2026-08-18 controversy A security vulnerability was discovered in Snowflake's AI-assisted GitHub Action. 来源
- 2026-08-17 controversy A security vulnerability was discovered in Snowflake's Jira system due to a bug introduced by GitHub Copilot's "Autofix" feature. 来源
- 2026-08-17 controversy A vulnerability introduced by GitHub Copilot's Autofix feature allowed an AI security tool to compromise Snowflake's internal Jira system. 来源
- 2026-08-08 regulatory A Canadian national was convicted of fraud related to a cyberattack on the Snowflake cloud platform. 来源
- 2026-07-27 product_launch Snowflake released a new API for its Hyperparameter Optimization service to simplify the training of ALS recommendation engines. 来源
- 2026-07-14 product_launch Snowflake has launched a native Model Registry and Feature Store to enhance its MLOps capabilities. 来源
- 2026-07-06 product_launch Snowflake announced a suite of new AI and data features, including the ArcticSwarm multi-agent system, Virtual Columns, Composable Semantic Views, and the availability of Claude Sonnet 5 on its Cortex AI platform. 来源
- 2026-06-11 product_launch Snowflake launched CoWork and CoCo, AI colleagues embedded in enterprise data systems. 来源
- 2026-06-08 partnership Snowflake deepened its partnership with Anthropic, committing significant resources to AI infrastructure. 来源
- 2026-06-01 partnership Snowflake acquired Natoma to enhance governance over AI agent actions. 来源
- 2026-05-30 product_launch Snowflake reported strong Q1 results, validating its consumption-based pricing model and AI initiatives. 来源
- 2026-05-29 product_launch Snowflake acquired Natoma to enhance its AI agent management capabilities. 来源
- 2026-05-28 product_launch Snowflake acquired Natoma to enhance its AI and ML capabilities. 来源
- 2026-05-28 partnership Snowflake acquired Natoma to enhance its AI agent capabilities. 来源
20 天有情绪数据
-
AI 攻击 Snowflake，Meta 面临社交媒体审判，尽在网络安全综述
本周网络安全看点包括对 Flock 摄像头可能进行汽车搜索的担忧、亚马逊订单邮件的变更增加了网络钓鱼风险，以及关于边境巡逻拦截后重置手机的合法性问题。此外，Meta 因社交媒体成瘾面临重大审判，一个 AI 代理利用了 Snowflake 代码中的漏洞。
-
AI机器人发现微软错过的Snowflake关键漏洞
一个自主机器人发现了Snowflake存储库中的一个关键漏洞，而该漏洞此前被微软的算法所忽略。这一事件凸显了在自动化代码生成过程中，智能验证流程的必要性。
-
Snowflake 旨在成为企业人工智能的控制平面
Snowflake 正将自己定位为企业人工智能的中央控制平面，专注于生产、数据治理和安全性。该公司旨在管理人工智能代理并在企业环境中确保数据完整性。这一战略举措凸显了 Snowflake 在企业人工智能运营中发挥关键作用的雄心。
-
Atlan构建超越数据目录的“上下文智能引擎”
对Atlan架构的技术研究表明，该公司正在构建一个“上下文智能引擎”，而不是传统的数据目录。该系统似乎采用了六层架构，专注于性能是智能和上下文的函数的原则。关键特性包括用于获取谱系、权限和质量信号的统一GraphQL API，以及用于实时RBAC检查和批量数据加载的“解析器层”，旨在通过提供全面的上下文信息来减少AI幻觉。
-
AWS 通过 Snowflake、SageMaker Canvas 和 Quick Sight 实现无代码机器学习工作流
本系列共三部分，详细介绍了如何使用 AWS 服务构建无代码机器学习工作流。第一部分侧重于设置必要的 Snowflake 和 AWS 环境。第二部分指导用户使用 Amazon SageMaker Canvas 进行数据准备和模型构建，利用 Data Wrangler 和 XGBoost 算法等工具进行欺诈检测。最后一部分解释了如何使用 Amazon Quick Sight 可视化这些机器学习预测，并将它们集成到交互式仪表板中以实现商业智能。
-
Snowflake Cortex AI Gateway通过动态模型路由提高效率
Snowflake 增强了其 Cortex AI Gateway 的动态模型路由功能，旨在显著降低 LLM 的运营成本。该公司声称内部测试显示，在某些工程任务中，Token 效率可提高高达三倍。这一发展表明，为每个请求都依赖最强大的模型可能是一种过时且低效的策略，强调了优化 LLM 使用以改善单位经济效益的重要性。
-
LLM在数据准确性方面遇到困难，在企业工作负载上准确率低于21%
将Claude和GPT-4等大型语言模型连接到数据源会产生出人意料的低准确率，在复杂企业工作负载上的准确率通常低于21%。这是因为模型难以理解模糊的字段定义，并且缺乏人类分析师的上下文理解能力。虽然连接器可以提供令人印象深刻的初步演示，但要获得可靠的结果，还需要强大的语义层、受治理的数据集和严格的评估工具，这些对于弥合原始数据访问与准确见解之间的差距至关重要。
-
人工智能转型背景下，企业重新思考技术采购
在人工智能变革性影响的推动下，创新公司正在重新评估其技术采购策略。这一转变涉及一种更审慎的方法来获取符合特定业务需求和人工智能集成目标的工具。技术领域的主要参与者，包括主要的云服务提供商和软件供应商，正在适应这种不断变化的市场动态。
-
AI安全代理利用Snowflake漏洞
一个自主AI安全代理利用了Snowflake的一个漏洞，绕过了该平台的AI驱动安全措施。该AI代理由云安全公司Wi...开发，成功利用了该漏洞，凸显了当前基于AI的安全防御的不足。
-
零拷贝数据共享提供了新选择，但不能取代数据复制
零拷贝数据共享的概念允许授权平台访问受管数据，而无需创建物理副本，从而减少了存储需求和重复的业务逻辑。虽然 SAP Business Data Cloud、Snowflake 和 Databricks 等平台支持这种方法，但其适用性取决于具体的业务用例。物理数据复制对于监管报告、历史分析、复杂转换和机器学习数据版本控制仍然至关重要，这表明混合模型通常是最佳选择。
-
Snowflake GitHub Action 漏洞暴露敏感数据
一个由 AI 辅助开发的 Snowflake GitHub Action 包含了一个关键的注入漏洞。此漏洞可能允许未经授权访问 Snowflake 内部 Jira 系统中的敏感数据。该事件凸显了 AI 辅助编码在软件供应链中引入的潜在安全风险。
-
Wiz AI 代理在 Snowflake 仓库中发现 GitHub Copilot 漏洞 · 跟踪 1 个来源
Wiz 的 AI 代理 Red Agent 自主发现并利用了 Snowflake GitHub 仓库中的一个漏洞，而 GitHub Copilot Autofix 据称在未检测到的情况下批准了该漏洞。此事件凸显了 AI 代理发现和利用安全漏洞的能力日益增强，同时也表明编码助手可能会错过关键漏洞。这些发现强调了在 AI 辅助开发日益普及和自主攻击日益现实的情况下，进行人工监督和主动漏洞扫描的必要性。
-
AI代理利用Snowflake代码漏洞，引发基础设施安全担忧
一个AI代理已成功利用Snowflake代码中的一个漏洞，此前该漏洞已被另一个AI首次攻破。此次事件凸显了自主AI攻击对关键基础设施日益增长的威胁。专家警告说，被武器化的AI代理可能会将数字入侵升级为物理灾难。
-
AI生成的Copilot Autofix漏洞攻破了Snowflake Jira
AI安全研究工具Wiz Red Agent发现Snowflake内部Jira系统中存在一个由GitHub Copilot的“Autofix”功能引入的漏洞。该漏洞允许未经身份验证的用户通过创建一个特制的GitHub issue，在GitHub Actions runner中执行任意命令。Wiz Research负责任地披露了该问题，Snowflake在当天进行了修复，并确认在暴露窗口期内只有Wiz访问了该系统。
-
GitHub Copilot Autofix漏洞影响Snowflake；讨论AI规避方法
发现了一个安全漏洞，其中GitHub Copilot的“Autofix”功能无意中导致Snowflake的Jira实例受到损害。此事件凸显了AI驱动的代码生成工具在关键基础设施中潜在的风险。另外，关于禁用或避免侵入性AI技术的讨论正在进行中，强调用户控制和隐私。
-
新研究揭示表格基础模型的惊人泛化能力
新研究探讨了表格基础模型（TFMs）惊人的泛化能力，表明即使在单个真实表格上进行自监督预训练，也能实现强大的迁移学习。研究表明，TFMs的有用性更多地取决于任务和特征的数量和质量，而不是实例的数量。一篇论文提出了GEAR，一个两阶段的蒸馏框架，用于从TFMs创建轻量级、高效的预测器以进行生产部署，显著降低了延迟和内存成本，同时保持了高性能。另一项分析检查了TFMs在生产环境中的实际应用，测试了Google的TabFM在企业任务中的表现。
-
Snowflake Cortex AI 新增自定义 LLM 的无服务器微调功能
Snowflake 为其 Cortex AI 平台推出了一项无服务器微调服务，使数据工程师能够使用自己的数据自定义大型语言模型，而无需管理复杂的基础设施。这项新功能 Cortex Fine-Tuning 通过 SQL 函数或无代码 UI 直接集成到现有数据工作流中，将模型带到数据旁边，以增强安全性和治理。该服务利用参数高效微调 (PEFT) 来适配来自 Meta 和 Mistral AI 等提供商的模型，从而使自定义 LLM 更易于用…
-
Looker 通过模型上下文协议 (MCP) 与 OpenAI 的 Codex 集成
本文详细介绍了如何配置模型上下文协议 (MCP) 以便与 Looker 和 OpenAI 的 Codex 一起使用。MCP 充当通用连接器，允许不同的 AI 代理与 Looker 等数据平台进行交互。此设置的先前版本使用了 Gemini CLI、Antigravity CLI 和 Claude Code 等其他代理，但此版本侧重于集成 Codex。Looker 是一个基于 Google Cloud 的商业智能平台，它使用 LookML…
-
OneAdvanced 在英国主权 AWS 上部署超过 50 个 AI 代理，使用自托管模型
总部位于英国的企业软件提供商 OneAdvanced 已成功在英国主权 AWS 架构上部署了超过 50 个 AI 代理。为满足其受监管行业客户严格的数据驻留和隐私要求，OneAdvanced 选择在 Amazon SageMaker 上自托管开源大语言模型，特别是 Llama 4 Maverick 和 Llama Guard 4。此方法确保所有敏感数据保留在英国境内，支持其 ISO 42001 AI 治理认证。
-
企业AI大脑成为克服代理局限性的关键
公司正将焦点从单个AI代理转向一个