Hari 1 Snowflake Summit 26 Baru Sahaja Meruntuhkan Keputusan Tumpukan AI: Graviti Data Mengalahkan Graviti Model Sekarang

Dua pengumuman. Satu platform. Kedua-dua keluarga model frontier teratas.

Snowflake Summit 26 dibuka hari ini di San Francisco dengan gelombang berita produk yang telah dipentaskan syarikat itu sejak Februari. Menurut siaran akhbar Snowflake, set produk hari pertama termasuk Cortex AISQL dalam pratonton awam, Snowflake Intelligence pada ketersediaan umum, Adaptive Compute, Openflow, produk agentic di Snowflake Marketplace, dan SnowConvert AI untuk migrasi warisan.

Ucaptama pembukaan memasangkan CEO Snowflake Sridhar Ramaswamy dengan Presiden Anthropic Daniela Amodei. Awal tahun ini, Snowflake mendedahkan perkongsian bernilai $200 juta berbilang tahun dengan OpenAI yang membawa GPT-5.2 ke dalam perimeter Snowflake, tersedia secara asli kepada Fungsi AI Cortex dan Cortex REST API. Dua keluarga model frontier. Perimeter data yang sama. Satah tadbir urus yang sama.

Gabungan itu mengubah soalan seni bina CTO. Soalan lama ialah "model mana yang perlu kita lesen?" Soalan baharu ialah "dalam graviti data mana kita menjalankan inferens?"

Apa yang Sebenarnya Dihantar pada Hari Pertama

Tiga daripada item hari pertama wajar mendapat perhatian CTO yang serius.

Fakta Utama

• $200 juta: komitmen perkongsian berbilang tahun Snowflake dengan OpenAI, membawa GPT-5.2 secara asli ke dalam Cortex AI (pengumuman bersama Snowflake-OpenAI, 2 Februari 2026)
• 20,000+: Jangkaan peserta di Snowflake Summit 26 merentas 1-4 Jun (komunikasi rasmi Snowflake Summit 26)
• 2: Keluarga model frontier (OpenAI GPT-5.2 dan Anthropic Claude) kini boleh dipanggil secara asli dalam perimeter tadbir urus Snowflake

Cortex AISQL. AI Generatif boleh dipanggil terus daripada pertanyaan SQL, termasuk berbanding data tidak berstruktur: teks, imej, dan audio yang berada dalam jadual dan peringkat anda. Ini bukan kategori produk baharu, tetapi permukaan dalam-SQL adalah yang penting. Penganalisis data boleh meminta model tanpa meninggalkan aliran kerja mereka. Tiada platform AI/ML berasingan yang perlu ditetapkan, tiada infrastruktur penghantaran model yang perlu diurus, dan tiada acara penyahfiltran data apabila menjalankan inferens. Keseluruhan panggilan berlaku dalam sempadan terkawal anda.

Snowflake Intelligence (GA). Lapisan antara muka agentic pada awan data. Daripada membina ejen di atas platform berasingan yang kemudian bercakap kembali kepada data anda, runtime ejen berada dalam perimeter yang sama dengan data. Penaakulan berlaku di mana rekod tinggal. Itu menyelesaikan soalan lokasi data dan tadbir urus yang telah menahan pelaksanaan ejen perusahaan selama 12 bulan yang lepas.

Adaptive Compute dan Openflow. Kurang menonjol sebagai tajuk berita tetapi kritikal dari segi operasi. Adaptive Compute menskalakan beban kerja secara automatik secara bebas, yang penting kerana beban kerja AI tidak berkelakuan seperti beban kerja analitik. Ia bersifat mendadak, memerlukan banyak GPU, dan tidak dapat diramalkan. Openflow adalah lapisan pergerakan data yang membawa data operasi anda ke dalam perimeter tanpa saluran paip bespoke. Kedua-duanya mengurangkan geseran menjalankan AI dalam Snowflake berbanding memanggilnya dari luar.

Mengapa "Graviti Data Mengalahkan Graviti Model" Adalah Bacaan yang Tepat

Perkongsian Snowflake-OpenAI adalah yang mengubah bingkai.

Sehingga Februari tahun ini, perbualan CTO tentang seni bina AI terdengar seperti ini. "Kita perlu memilih model utama. OpenAI untuk kecerdasan umum, Anthropic untuk analisis konteks panjang, mungkin Gemini untuk berbilang modal. Kemudian kita membina lapisan penghantaran yang memanggilnya. Kemudian kita mengurus pergerakan data antara sistem kita dan mereka." Model adalah pusat graviti. Segala-galanya lain adalah paip integrasi.

Model itu sedang runtuh. Microsoft meletakkan OpenAI di dalam Azure. Anthropic kini ada secara asli dalam AWS Bedrock dan Snowflake. Google meletakkan modelnya sendiri dalam produk data dan analitiknya. Databricks menghantar lapisan model sendiri pada platformnya data. Model frontier bukan lagi cukup langka atau berbeza untuk mendorong seni bina. Ia semakin boleh ditukar ganti pada peringkat beban kerja.

Apa yang TIDAK boleh ditukar ganti adalah data anda. Rekod pelanggan, tiket sokongan, sejarah transaksi, kontrak anda. Data itu berada di suatu tempat. Ia mahal (dari segi undang-undang, operasi, politik) untuk dipindahkan. Jadi tempat di mana data sudah tinggal menjadi tempat di mana kerja AI mesti berlaku.

Kita namakan ini Ujian Graviti Data. Untuk mana-mana beban kerja AI, tanya: di mana data sudah tinggal, dan apakah kos memindahkannya ke tempat lain untuk menjalankan inferens? Jika jawapannya adalah "ia tinggal dalam Snowflake dan memindahkannya menelan kos $X juta dalam kerja saluran paip, $Y dalam yuran penyahfiltran, ditambah semakan tadbir urus," maka lokasi inferens yang betul adalah yang meminimumkan pergerakan. Hari ini, bagi banyak perusahaan, lokasi itu adalah Snowflake itu sendiri.

Itu bukan perkara khusus Snowflake. Ia adalah perkara kedudukan. Logik yang sama memihak kepada Microsoft Fabric untuk organisasi dengan kebanyakan data mereka dalam Microsoft, dan Databricks untuk organisasi dengan kebanyakan data mereka di sana. Platform yang memiliki data mendapat runtime ejen.

Tiga Soalan yang Perlu Dijawab Setiap CTO Minggu Ini

Snowflake Summit akan menghasilkan banjir jadual penetapan harga, kajian kes rakan kongsi, dan perbandingan ciri dalam 72 jam akan datang. Tiada itu yang penting sehingga anda menjawab tiga soalan.

Soalan 1: Di mana data operasi anda sebenarnya tinggal hari ini? Jujurlah. Bukan "di mana kita mahukan ia." Di mana ia berada? Jika 70% data pelanggan, sejarah transaksi, dan telemetri produk anda sudah dalam Snowflake, permukaan agentic baharu akan memenangi beban kerja AI operasi tanpa mengira model mana yang terbaik secara teknikal pada tanda aras awam. Jika data anda tersebar merentas S3, replika Postgres, dan contoh Salesforce tanpa lapisan gudang tengah, anda belum dalam keputusan yang didorong graviti data. Anda berada dalam keputusan penyatuan data terlebih dahulu.

Soalan 2: Model mana yang sebenarnya anda perlukan untuk tiga beban kerja seterusnya pada peta jalan AI anda? Jangan pilih model. Pilih keperluan beban kerja. Jika Beban Kerja A memerlukan analisis dokumen konteks panjang, itu adalah wilayah Claude. Jika Beban Kerja B memerlukan penjanaan kod dan penggunaan alat agentic, GPT-5.2 atau Claude kedua-duanya berfungsi. Jika Beban Kerja C memerlukan pengelasan volum tinggi yang murah, sama ada model frontier yang lebih kecil atau model berat terbuka pada platform anda. Padankan beban kerja kepada model terlebih dahulu, kemudian semak sama ada platform data anda menyokong panggilan secara asli. Jika ya, bagus. Jika tidak, soalannya menjadi: adakah anda membawa model kepada data (melalui Cortex, Bedrock, Azure AI Foundry) atau memindahkan data kepada model (lebih banyak penyahfiltran, lebih banyak kerja saluran paip, lebih banyak semakan tadbir urus).

Soalan 3: Apakah komitmen tadbir urus satu tahun anda? Keputusan yang anda buat pada 2026 tentang perimeter data mana yang mengehoskan beban kerja inferens anda adalah melekit. Anda tidak akan membina semula runtime pada 2027 hanya kerana vendor berbeza menghantar ciri yang lebih baik. Pilih platform yang boleh anda jalani sekurang-kurangnya 18 bulan penskalaan operasi. Itu bermakna lokasi data, jejak audit, kawalan capaian, rollback model, dan peta jalan yang boleh dipercayai untuk generasi model seterusnya muncul dalam perimeter tersebut.

CTO di syarikat SaaS 1,500 orang dengan kebanyakan data operasi dalam Snowflake sepatutnya menjalankan padanan beban-kerja-kepada-model minggu ini, bukan suku tahun depan. Marketplace agentic dalam Cortex sudah menghantar ejen yang dibina rakan kongsi yang bersaing dengan penyelesaian tumpuan yang kini anda beli sebagai langganan bebas.

Bagaimana Ini Dipetakan Berbanding Microsoft Build dan Databricks

Snowflake tidak mengumumkan dalam vakum. Microsoft Build berlangsung pada 2-3 Jun dengan tolakannya sendiri untuk platform ejen (Windows Agent Framework, Windows Agent Store, pengembangan Azure AI Foundry). Databricks Data + AI Summit mendarat pada pertengahan Jun dengan lapisan model dan tolakannya sendiri untuk ejen.

Tiga kedudukan itu menumpukan kepada seni bina yang serupa tetapi bermula daripada pusat graviti data yang berbeza.

Pertaruhan Snowflake: gudang data sebagai runtime ejen. Paling kuat jika data operasi dan analitik anda tinggal dalam Snowflake. Terbaik untuk organisasi yang kerja AI-nya berat pada data berstruktur ditambah aset tidak berstruktur yang diurus perusahaan.

Pertaruhan Microsoft: Windows dan Azure sebagai platform ejen. Paling kuat jika pekerja anda tinggal dalam Microsoft 365 dan alat pembangun anda berjalan pada Azure. Terbaik untuk organisasi yang kerja AI-nya berat pada kerja pengetahuan, dokumen, dan aliran kerja pembangun.

Pertaruhan Databricks: lakehouse ditambah penghantaran model sebagai asas ejen. Paling kuat jika kejuruteraan data anda matang dan kerja AI anda berat pada pelaksanaan model pembelajaran mesin, bukan hanya AI generatif.

Kebanyakan perusahaan tidak akan memilih satu. Mereka akan berakhir dengan perimeter utama dan sekunder. Lalai yang munasabah: pilih perimeter di mana data berhadapan pelanggan anda sudah tinggal sebagai yang utama, kemudian terima bahawa anda akan menjalankan beberapa beban kerja ejen dalam perimeter produktiviti pekerja anda (kemungkinan Microsoft) tanpa mengira. Pendirian dual itu tidak mengapa. Apa yang tidak baik adalah membuat empat pertaruhan utama serentak dan berakhir tanpa pemilikan runtime yang jelas.

Untuk rangka kerja keputusan eksekutif mengenai pelaburan tenaga kerja AI, ujian graviti data berada di samping ujian kemahiran tenaga kerja. Kedua-dua soalan menumpukan kepada jawapan yang sama: bagaimana anda mengelak pelaburan yang terdampar?

Apa yang Perlu Disampaikan kepada Lembaga Anda Suku Tahun Ini

Berita Summit akan sampai kepada lembaga anda melalui liputan akhbar dalam dua minggu akan datang. Dahulukan ia.

Taklimat empat slaid merangkumi landasan. Slaid pertama: di mana data operasi kami kini tinggal (jawapan yang jujur). Slaid kedua: tiga beban kerja pada peta jalan AI 18 bulan kami dan keperluan model untuk setiap satu. Slaid ketiga: perimeter data yang kami komitkan sebagai utama dan sebabnya, dengan pendirian tadbir urus satu tahun. Slaid keempat: perimeter sekunder yang kami terima akan wujud (kemungkinan Microsoft untuk produktiviti) dan pendekatan integrasi.

Apa yang anda mahu elakkan: ahli lembaga membaca ringkasan Summit dan bertanya "mengapa kita tidak menggunakan Snowflake Intelligence?" apabila jawapannya adalah "kerana data operasi kami tidak tinggal di sana." Atau lebih teruk, "kami berhijrah kerana siaran akhbar itu kedengaran menarik." Jadikan realiti graviti data jelas supaya soalan lembaga mendarat pada paksi yang betul.

Untuk maklumat lanjut tentang anjakan operasi kepada ejen AI dalam saluran jualan, logik graviti data yang sama terpakai dalam tumpukan jualan. Platform yang memiliki rekod pelanggan akan memiliki runtime ejen jualan.

Minggu Summit akan menghasilkan banyak bunyi tentang siapa yang menghantar ciri apa. Sinyalnya adalah struktur. Model frontier kini adalah komoditi yang dihoskan. Platform data kini adalah runtime ejen. Itulah soalan seni bina yang akan dijawab setiap CTO dalam 18 bulan akan datang.

Ketahui Lebih Lanjut

• Jurang tadbir urus yang salah difahami pemimpin tentang AI di tempat kerja
• Copilot AI lwn ejen AI
• Mengukur ROI AI
• Peta jalan tenaga kerja AI 12 bulan untuk syarikat 200 orang

Soalan Lazim

Adakah ini bermakna kita perlu memindahkan data kita ke Snowflake?

Tidak semestinya. Graviti data mengalahkan graviti model, tetapi di mana data anda sudah berada adalah kedudukan sedia ada. Jika 70% data operasi anda sudah dalam Snowflake, permukaan agentic di sana akan memenangi beban kerja secara lalai. Jika data anda ada dalam Microsoft Fabric atau Databricks atau AWS, jawapan yang betul adalah menggunakan runtime ejen yang asli kepada perimeter tersebut. Migrasi rentas platform jarang dibenarkan oleh ciri AI semata-mata. Kos memindahkan terabait data pelanggan yang terkawal hampir selalu lebih tinggi daripada delta kualiti model antara platform untuk 18 bulan akan datang.

Adakah GPT-5.2 dalam Snowflake sama dengan GPT-5.2 daripada OpenAI secara langsung?

Dari segi fungsi, ya untuk kebanyakan kes penggunaan. Dari segi operasi, tidak. Dalam Snowflake, panggilan berlaku dalam perimeter tadbir urus anda, jadi data pelanggan tidak pernah meninggalkan sempadan anda. Kos token dibilkan melalui kredit Snowflake dan bukannya kontrak API OpenAI. Had kadar dan kuota berfungsi secara berbeza. Untuk beban kerja terkawal (penjagaan kesihatan, perkhidmatan kewangan, apa-apa di bawah peraturan lokasi data), versi dalam-perimeter jauh lebih mudah untuk dipertahankan dalam audit. Untuk eksperimen baharu, API OpenAI langsung sering lebih mudah.

Bagaimana pula menjalankan model kita sendiri pada infrastruktur kita sendiri?

Masih boleh dilakukan untuk beban kerja tertentu di mana ekonomi kos, kependaman, atau sensitiviti data mendorong anda keluar daripada model frontier yang dihoskan. Pertimbangannya telah berubah, walaupun. Dengan kedua-dua OpenAI dan Anthropic kini ada secara asli dalam platform data utama, kes operasi untuk menjalankan model anda sendiri adalah lebih sempit daripada setahun yang lalu. Titik manis yang tinggal adalah pengelasan volum sangat tinggi (model ditala halus yang kecil), keperluan premis yang ketat, dan model menegak khusus di mana larian latihan tersuai benar-benar mengalahkan model frontier umum. Untuk kebanyakan kerja pengetahuan dan AI berhadapan pelanggan, model frontier dalam-perimeter akan menjadi lalai tahun ini.