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%
- developed COCO 95%
- employed by Sridhar Ramaswamy 90%
- developed Cortex Code 90%
- developed Snowflake Cortex AI 90%
- instance of Snowflake Cowork 90%
- invested in Snowflake Cortex AI 90%
- partners with Snowflake Cortex AI 90%
- partners with Sridhar Ramaswamy 90%
- acquired Sridhar Ramaswamy 90%
- developed by COCO 90%
- 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
- 2026-05-27 partnership Snowflake and AWS signed a strategic collaboration agreement to accelerate enterprise AI adoption. 来源
- 2026-05-27 funding Snowflake announced a $6 billion investment in AWS infrastructure, including Graviton CPUs and AI accelerators. 来源
- 2026-05-27 funding Snowflake commits $6 billion to AWS over five years for compute and AI infrastructure. 来源
- 2026-05-22 product_launch Snowflake launched Cortex Code Data Governance Skills, enabling natural language data governance. 来源
- 2026-05-11 product_launch Snowflake launched a public preview for multimodal video and audio analysis. 来源
- 2026-05-11 product_launch Snowflake launched a public preview for its multimodal video and audio analysis capabilities. 来源
22 天有情绪数据
-
Snowflake通过MCP将AI代理与Salesforce、Slack和Jira集成
Snowflake正通过其模型上下文协议（MCP）将其CoWork代理与Salesforce、Slack和Jira等热门业务工具集成，从而增强其AI能力。该协议允许AI代理发现和调用不同系统中的工具，从而能够更快地对从数据中获得的洞察采取行动。Snowflake还宣布有意收购企业MCP平台Natoma，以进一步加强AI代理的安全连接和治理。
-
数据团队在Slack中丢失AI提示词，影响生产力
许多数据团队正面临AI生成提示词泛滥的困境，这些提示词常常在Slack等通讯渠道中丢失。这种缺乏组织的方式导致时间浪费、结果不一致以及无法构建可重用资产，类似于软件工程从头开始编写每个函数演变至今。作者提出了一个“提示词库”的解决方案，它将作为代码生成、数据工程和分析的提示词的精选、版本化集合，从而实现更好的治理、可重用性和领域特异性。
-
GeoSQL 技能增强了 AI 模型进行地理空间数据分析的能力
GeoSQL 是一个新推出的开源技能，旨在增强 Claude、Codex 和 GitHub Copilot 等 AI 模型处理地理空间数据的能力。该工具集成了 PostGIS、BigQuery 和 Snowflake 等流行数据平台，在处理复杂的地理空间任务方面有了显著的改进。GeoSQL 通过采用包含地图可视化的代理循环来运行，这使其能够识别和纠正纯文本模型可能忽略的几何错误，从而实现了报告的 4 倍性能提升。
-
Snowflake CoWork：一个多智能体系统，而不仅仅是文本到SQL
根据对其架构的分析，Snowflake CoWork 是一个复杂的、多智能体编排系统，而不仅仅是一个文本到SQL接口。该系统利用了Cortex Analyst和Cortex Search等工具，并通过一个解释用户意图、选择适当工具并按顺序执行操作以提供综合答案的编排层。安全性与治理通过Snowflake的基于角色的访问控制和数据策略来维护，确保查询在用户现有权限下执行。
-
Databricks 旨在通过新的 LTAP 基础设施弥合 AI 代理与业务之间的差距
Databricks 致力于弥合 AI 代理与业务理解之间的差距，正如在其 Data + AI Summit 2026 上所强调的那样。一项重要公告是 Lake Transactional/Analytical Processing (LTAP)，这是一项旨在统一 Databricks Lakehouse 内的操作和分析数据的基础设施开发。这旨在消除对复杂数据管道的需求并确保数据一致性。
-
Amazon QuickSight 将业务上下文集成到数据集中，并通过新的 Topic 功能统一多个数据集
Amazon QuickSight 正在通过两项新功能增强其数据管理能力：数据集丰富 (Dataset Enrichment) 和多数据集 Topics (multi-dataset Topics)。数据集丰富允许将业务上下文（如列描述和同义词）直接嵌入到数据集中，从而创建单一事实来源。现在处于公开预览版的多数据集 Topics 允许用户在单个 Topic 中定义多达 12 个数据集之间的关系，使 AI 驱动的聊天代理能够遍历这些关系…
-
The Register 称，AI 代理需要数据邻近性以获得最佳性能
The Register 强调了 AI 代理直接访问数据日益增长的需求，摆脱孤岛式系统。这种被称为“代理时代”的方法，强调将智能和数据置于同一位置以实现高效运行。Snowflake、Databricks、Microsoft、AWS 和 Google Cloud 等多家科技巨头在支持这种以数据为中心的 AI 战略的背景下被提及。
-
Snowflake通过数据库内AI实现实时客户流失预警系统
一位数据科学家详细介绍了在Snowflake数据云中构建和部署客户流失预测模型的过程。该项目涉及使用Snowflake内置的AI功能来训练模型，然后将其集成以作为实时预警系统运行。这种方法突显了数据库内机器学习在创造可操作的见解和实现AI应用方面的潜力。
-
新的基准和框架解决了 Text-to-SQL 的可靠性和 AI 功能问题 · 跟踪 4 个来源
研究人员开发了新的基准和框架来解决大型语言模型 (LLM) 在 Text-to-SQL 任务中的可靠性和能力问题。Spider 2.0-AIFunc 是一个新基准，它扩展了现有的 Text-to-SQL 评估，以包含 Snowflake 等平台上可用的原生 AI SQL 函数，揭示了专有模型和开源模型之间的性能差距。同时，SAGE 框架自动发现 LLM 生成的 SQL 中潜在的漏洞，突显了模型的脆弱性，并通过微调提出修复途径。另一项研…
-
Looker 集成 Antigravity CLI 以增强 MCP 数据操作
本文详细介绍了如何将 Google Cloud 商业智能平台 Looker 与 Antigravity CLI 进行配置。Antigravity CLI 是 Gemini CLI 的演进版本，可作为 MCP（Meta Connectivity Platform）的通用连接器。设置过程包括配置 Looker 设置，然后使用这些设置将 Antigravity CLI 建立为 Looker 操作的 MCP 客户端，从而实现增强的数据分析和可视化。
-
Snowflake 推出 ArcticSwarm，Cortex AI 上线 Claude Sonnet 5 及新数据功能
Snowflake 发布了多项与人工智能和数据相关的新功能，包括 ArcticSwarm，这是一个用于大规模编排 AI 代理的多代理系统架构。该公司还推出了 Virtual Columns 以消除冗余存储，以及 Composable Semantic Views 用于模块化语义模型设计。此外，Claude Sonnet 5 现已在 Snowflake Cortex AI 上可用，并推出了个人工作代理 Snowflake Cowork。
-
Snowflake通过跨云联合推进多租户语义层
本文详细介绍了在生产环境中实现多租户语义层的高级模式，重点关注数据隔离、实时指标和跨云联合等挑战。它提出了使用具有行级安全性的共享指标定义来隔离租户的解决方案，并概述了通过API将Tableau等工具与AI代理集成的架构方法。该实现利用了Snowflake的功能，包括数据库和模式创建、租户管理表以及行访问策略，以确保跨AWS和Azure等不同云平台的数据隔离。
-
Snowflake Horizon Context：企业治理和运营模式
本文概述了实施 Snowflake Horizon Context 的企业治理和运营模式，重点关注组织挑战而非技术挑战。它提出了角色架构和 RACI 矩阵，以防止语义层因自身重量而崩溃。关键原则包括分离领域专业知识、技术能力和审批权限，并将 AI 代理视为拥有自身服务角色的重要参与者。
-
软件产业被描绘成由八个经济“城邦”组成的“大陆”
软件产业可以被理解为一个由八个截然不同的“城邦”组成的“大陆”，每个“城邦”都有其自身的经济逻辑和竞争动态。这些“城邦”包括像AWS和Snowflake这样的基础系统，像Salesforce这样的记录系统，像CrowdStrike这样专注于风险缓解的网络安全公司，像UiPath这样的优化工具，像HubSpot这样的收入扩张平台，包括Databricks在内的决策支持系统，像Notion这样的速度驱动工具，以及像Veeva这样的专业垂直…
-
Coinbase 通过优化模型路由和缓存将 AI 支出削减 50%
Coinbase 通过实施战略性的模型使用和基础设施方法，成功将 AI 支出减半。该公司通过默认工程师使用成本效益更高的开源模型（如 GLM 5.2 和 Kimi 2.7），同时仍允许他们在必要时选择更强大、更昂贵的模型来实现这一目标。成功的关键在于缓存、基于任务的路由以及提高对每位工程师 token 使用量的可见性，从而在不影响开发人员生产力的情况下显著降低了成本。
-
新的AI智能体跨模态处理复杂的企业数据查询 · 已追踪2个来源
研究人员开发了两个不同的AI系统，旨在改进对复杂企业数据的自然语言查询。第一个是语义层中介的智能体，它通过推理一个称为语义模型查询（SMQ）的中间表示，将自然语言转换为SQL，在使用Gemini 3 Pro的Spider2-snow基准测试中实现了94.15%的执行准确率。第二个系统COGNI是一个对话式BI平台，通过采用一个在Qwen-2.5-1.5B-Instruct上微调的路由层，处理结构化数据和非结构化文档，该路由层将查询导向…
-
OpenAI将ChatGPT转变为企业平台，推出基于角色的插件 · 跟踪1个来源
OpenAI正将其重心从普通消费者转向其Codex平台的企业和专业用户。该公司已推出六个新的、针对销售、数据分析、投资银行、产品设计和创意制作等角色的插件，并与Snowflake和Databricks等企业工具集成。此举旨在通过提供从理解到交付的任务处理工作流解决方案，将ChatGPT转变为类似操作系统的商业生产力平台。这一战略转变是在此前GPT Store尝试失败后进行的，但OpenAI认为，当前的技术进步和市场准备情况，特别是基于…
-
MotherDuck 每年节省 12,000 美元数据成本，速度超越 Snowflake
一家金融团队通过从 Snowflake 迁移到 DuckDB 的无服务器产品 MotherDuck，显著降低了数据仓库成本。该团队每月在 Snowflake 上花费超过 1,800 美元，供一个五人分析团队查询约 800 GB 的理赔数据。迁移到 MotherDuck 后，他们实现了亚秒级查询速度，每年节省了 12,000 美元。
-
Snowflake 的 Marco Slot 通过 pg_lake 增强 Postgres 以用于分析
Snowflake 的 Marco Slot 在 POSETTE: An Event for Postgres 2026 活动上发表演讲，详细介绍了如何使用 pg_lake 增强 PostgreSQL 以用于分析。他的演讲可在 YouTube 上观看。
-
Snowflake Horizon Context：为企业 AI 构建可信的语义层
本文详细介绍了如何使用 Snowflake Horizon Context 为企业 AI 构建可信的语义层。文章强调，语义层充当 AI 的信任边界，确保指标得到治理、版本化和认证。作者提倡使用面向领域的语义模型而非单一模型，以明确所有权、允许独立演进、管理复杂性并使 AI 代理与特定业务领域保持一致。文章提供了生产级收入语义视图的完整演练，并强调了关键的设计决策。