Snowflake CoWork：当"数据云"改名"工作智能体"
Deep Research 报告 · 企业智能体 × 数据治理 × 上下文层 | 2026 年 6 月 | 约 13 分钟阅读
摘要
2026 年 6 月 2 日，在旧金山 Moscone Center 举行的 Snowflake Summit 2026 平台主题演讲（Platform Keynote）上，Snowflake 把它寄予厚望的两款 AI 旗舰产品同时改了名：Snowflake Intelligence 更名为 Snowflake CoWork，面向开发者的 Cortex Code 改名 CoCo。这两个名字本来就是公司内部一直在用的代号，现在正式转正。
改名只是表象。真正的信号是：Snowflake 不再把自己定位成一个"放数据的地方"，而是要做智能体的控制平面（Agentic Control Plane）——而 CoWork，就是这个控制平面递到每一个业务用户手里的那个"前端入口"。
而市场已经在用真金白银投票：CEO Sridhar Ramaswamy 在 Q1 财报电话会上把 CoWork 和 CoCo 称为"公司历史上采用速度最快的两款产品"，并顺势把 FY2027 的营收增长目标从 27% 上调到了 31%。这篇文章想讲清楚的，就是这个"前端入口"到底怎么搭、凭什么值这个预期，以及它还差在哪。
一、Snowflake Intelligence 改名 CoWork 的背后
先把名字这件事讲清楚，因为它不是市场部一时兴起。
Snowflake Intelligence 这个名字，强调的是"智能"——它给人的联想是"一个会分析数据的聪明助手"。而 CoWork 这个词，重音落在 Co（协同）和 Work（干活）上。从"智能"到"协同干活"，这个语义偏移恰好对应了产品定位的进化：它不再只是一个问答框，而是一个替你把活干完的同事。
这个转向不是孤立的。同一天，Cortex Code 改名 CoCo，两个名字共享同一个 "Co" 前缀，明显是要把它们打包成一对：
| 产品 | 旧名 | 服务对象 | 一句话定位 |
|---|---|---|---|
| CoWork | Snowflake Intelligence | 业务用户（销售、市场、财务、运营、HR） | 替你问数据、出洞察、做动作的"工作智能体" |
| CoCo | Cortex Code | 开发者、数据工程师 | 替你建管道、写代码、做迁移的"编码智能体" |
一个面向"用数据的人"，一个面向"做数据的人"。Snowflake 想表达的是：无论你是哪种角色，平台上都有一个以自然语言驱动的智能体在帮你干活。这就是它对"智能体企业（Agentic Enterprise）"这个 Summit 主题的产品化回答。
更深一层看，这次改名对应的是 Snowflake 整体定位的位移——从一个"放数据、查数据"的数据云，转向一个"统一上下文、治理 AI 动作、编排智能体"的控制平面，而 CoWork 正是这次位移交到业务用户手里的抓手：
▲ 改名背后的定位位移：数据云负责"管好数据"，控制平面进一步负责"管好用数据的智能体"
值得一提的是，频繁改名本身是有代价的。Snowflake Intelligence 这个名字市场上刚认识没多久，又改成 CoWork，短期内会增加客户和生态伙伴的认知成本——你在文档、教程、合同里看到的可能是三套叫法混用。这是后面要谈的风险之一。
二、CoWork 是什么：业务用户的工作智能体
一句话：CoWork 是一个运行在数据治理边界之内、面向业务用户的个人工作智能体（Personal Work Agent）。
它的交互形态是一个独立的对话式应用（通过 ai.snowflake.com 访问），而不是嵌进别处的 SDK。业务用户用自然语言提问，CoWork 在背后跨结构化和非结构化数据做分析、给出可溯源的答案，并且——这是关键——能直接在业务系统里执行动作，而不只是"告诉你该怎么做"。
要理解它的定位，最好的方式是看它不是什么：
| 它容易被误认为是… | 但实际上 CoWork… |
|---|---|
| 又一个聊天机器人 | 强调可溯源、可治理、能执行动作，而非闲聊 |
| 一个大模型 | 不自研前沿模型，而是编排 Claude / GPT / Gemini 等去读你的数据 |
| 传统 BI 工具 | 不止出报表，能跨结构化+非结构化数据做深度分析并触发动作 |
| 一个通用 Agent 框架 | 不做通用编排，专注"企业数据 + 治理"这一层 |
官方对它的定义里有一个词反复出现：trusted（可信）。这不是营销话术，而是产品设计的第一性原则——后面讲架构和治理时你会看到，CoWork 几乎每一个能力都围绕"让业务用户敢用、让 IT 部门敢放权"来设计。
三、技术架构：一个编排层，调度三块底座
CoWork 本质上是一个编排层（orchestration layer），它自己并不直接查数据，而是调度 Snowflake Cortex 体系里的几个原子能力。理解了这套分层，就理解了它的工程实现。
▲ CoWork 分层架构：上层是体验，中层是编排，下层是三类工具，最后统一落在语义/治理与平台底座上
编排层：Cortex Agents。 这是大脑。当用户问"为什么上月华东区销售下滑"，Cortex Agents 要先做规划：哪些问题该查结构化的销售表（交给 Cortex Analyst），哪些线索藏在非结构化的客户反馈里（交给 Cortex Search），然后把多步结果拼成一个连贯的答案。它做的事，是"判断该调用哪个工具、按什么顺序"——具体怎么走，本节最后会用一张流程图完整还原。
结构化侧：Cortex Analyst。 这是一个 text-to-SQL 引擎，把自然语言翻译成 SQL 去查数据库。这里有一个被 Snowflake 反复强调的设计哲学——精度优先于召回率（precision over recall）。用大白话讲就是：宁可对一部分问题说"我答不了"，也不要给出一个看起来对、其实错的答案。在企业场景里，一个自信的错误答案比一句"我不知道"危险得多，因为没人会去复核它。这个"宁可不答"的克制，恰恰是建立信任的基础。
非结构化侧：Cortex Search。 对文档、邮件、工单这类文本做向量检索 + 关键词检索 + 语义重排，本质是一套企业级 RAG。它负责回答那些"答案不在表里、在文字里"的问题。
动作侧：自定义工具 + MCP。 这是 CoWork 区别于传统 BI 的命门。通过 MCP（Model Context Protocol，由 Anthropic 主导的开放协议），CoWork 能接入 Slack、Salesforce、Gmail、Jira 等业务系统，把"洞察"变成"动作"——发一条 Slack、更新一个 CRM 字段、起草一封邮件。Snowflake 在本届 Summit 宣布拟收购 Natoma，正是为了把这套 MCP 连接能力原生、且带治理地装进平台。
底座：Horizon Catalog + Horizon Context。 这是本届 Summit 真正被分析师们点名的重点。它是一个"语义 + 治理"层，给整个企业的数据建立"同一个事实版本"——让 Analyst 翻译 SQL 时知道"营收"在这家公司到底指哪张表的哪个口径，让 Agent 的每一次推理都站在统一、可信的业务定义之上。
把这套分层"跑起来"是什么样？以一个真实问题为例——"为什么上月华东区销售下滑？"——它在 CoWork 里会被这样拆解和处理：
▲ 一次提问的端到端流程：编排层先拆解，再分别调用结构化与非结构化能力，合并推理后给出可溯源答案，并可直接触发动作
整个过程的关键在于：用户只问了一句话，但背后是"规划 → 多工具调用 → 合并推理 → 执行动作"的一条链，而每一步都在治理边界之内。
四、本届升级：Summit 2026 给 CoWork 加了哪五项能力
改名只是门面，这次 Summit 真正给 CoWork 加了五项实打实的能力。它们的共同方向，是把 CoWork 从一个"问答工具"往"工作平台"推。
| 新能力 | 它解决什么 | 为什么重要 |
|---|---|---|
| Cortex Training | 在托管 GPU 上自定义训练 / 微调开源模型 | 把 Snowflake 从"用别人的模型"推向"帮你训自己的模型"，分析师认为这可能是一个全新的营收品类 |
| Cortex Sense | 把数据 + 业务定义 + 运营知识打包喂给 Agent | 直接对治"Agent 自信地答错"这个老大难，CoWork 和 CoCo 通用 |
| User Skills | 把多步工作流按角色封装成可复用、可共享的"技能" | 让产品从个人工具变成团队协作资产，HR 有 HR 的技能，销售有销售的技能 |
| Deep Research | 跨全量数据做深度的"为什么"分析 | 对标 OpenAI / Gemini 的 Deep Research，把单轮问答升级为多步调研 |
| Artifacts + iOS App | 可发布、带治理的对话式仪表盘 + 移动端 | 让 CoWork 渗透进日常工作流，而不是一个偶尔打开的网页 |
其中最值得展开的是 Cortex Sense + Horizon Context 这对组合。多位分析师（包括 Constellation Research 的 Michael Ni、SanjMo 的 Sanjeev Mohan）都把它评为本届 Summit 最有价值的发布。逻辑很简单：AI Agent 的可靠性，取决于它推理时所依据的业务定义有多准。当模型本身变得越来越便宜、越来越聪明，企业 AI 最难的问题就不再是"模型够不够强"，而是"让多个人、多个 BI 工具、多个 Agent 都基于同一个业务事实来工作"。Cortex Sense 干的就是这件事——它给 Agent 喂的不只是数据，而是"带着业务含义的数据"。
至于 Cortex Training，它的战略意义比功能本身更大。SanjMo 的 Sanjeev Mohan 直言：到目前为止，训练或微调小模型还没成为主流，而 Snowflake 把这个能力做成托管服务，"可能开辟一个净新增的营收类别"。换句话说，Snowflake 不满足于做"模型的消费者"，它想分一杯"模型定制"的羹。
不过，上面这些能力——自定义训练、深度调研、可复用技能——竞品大多也在追。CoWork 真正难被复制的壁垒，其实不在功能清单里，而在下面这一节要讲的"治理"。
五、治理护城河：CoWork 真正难被复制的地方
为什么是治理？道理朴素得有点反直觉：因为数据本来就在 Snowflake 里，权限本来就配好了，所以 CoWork 的每一次 Agent 交互，都能自动继承已有的访问控制、行级策略和数据脱敏。 竞争对手要做到同样的事，往往得在数据平台之外再搭一套治理体系，而 Snowflake 是"长在治理里"的。
具体来说，CoWork 的治理体现在几个层面：
- 权限自动继承：已有的 RBAC、行级安全策略、列级脱敏，会自动套用到每一次 Agent 交互上。一个销售看不到的薪资数据，他的 CoWork 也看不到。
- Agent Identity（本届新增）：每个 Agent 都有一个经过验证的身份，在它访问数据或执行动作之前先验明正身。这是从"治理人"扩展到"治理 Agent"的关键一步。
- 批量身份供给：通过 SCIM 对接 Okta、Microsoft Entra ID，批量开通账号，省掉手工配置。
- 成本管控：可以在团队或工作流粒度上追踪 AI 用量、设预算上限——这对担心"Agent 跑起来烧钱不可控"的 IT 部门是个定心丸。
把这套治理能力和"AI 动作"结合，Snowflake 实际上做了一件别人还没做透的事：把治理边界从"数据"扩展到了"AI 的动作与工作流"。过去你治理的是"谁能看哪张表"，现在你要治理的是"哪个 Agent 能在哪个系统里做哪个动作、要不要人来审批"。这正是"智能体控制平面"这个定位的核心含义。
六、竞争格局：从"造 Agent"到"管 Agent"
企业级数据智能体平台，是 2026 年最拥挤的赛道之一。CoWork 的位置可以放在下面这张图里看：
| 平台 | 打法 | 核心优势 | 局限 |
|---|---|---|---|
| Snowflake CoWork | 治理优先、面向业务用户、开箱即用 | 数据与权限原生在平台内、统一治理、能执行动作 | 数据须在 Snowflake 内、大量功能仍在预览 |
| Databricks（Genie / AI-BI） | 偏 ML / 数据工程，帮开发者构建 Agent | 机器学习与数据工程栈深、灵活 | 更偏数据科学家，业务用户门槛较高 |
| Microsoft Copilot | 绑定 M365 生态，办公场景强 | 办公协同入口、连接器丰富 | 数据侧偏浅，弱在跨源治理 |
| Google Gemini Enterprise | 模型 + 搜索能力强 | 前沿模型、搜索体验好 | 企业私有数据 + 审计的纵深较弱 |
这张表里最值得玩味的是 Snowflake 和 Databricks 的错位。两家都被叫做"数据 + AI 平台"，但打法不同：Databricks 帮你"造"Agent，Snowflake 帮你"管"Agent。Constellation Research 的 Michael Ni 把这个差异点得很透——他说 Snowflake 这次的发布"看起来不像一次产品发布周期，更像平台成熟（platform maturation）"，真正的转向是从"把 AI 带到你的数据"变成"用可信的上下文去治理 AI 在整个企业里的动作"。
而市场的风向，正在从"Agent 创建"转向"Agent 治理"。当造一个 Agent 变得越来越容易（模型便宜、框架成熟），怎么让一屋子 Agent 不互相打架、不越权、不出错，就成了真问题。这恰恰是 Snowflake 押注的方向。
七、核心洞见：四个判断
洞见 1：CoWork 的价值不在对话框，在它背后的"业务事实层"
很多人盯着 CoWork 的聊天界面看，觉得"不就是个企业版 ChatGPT 吗"。但真正决定成败的东西在水面之下——Horizon Context + Cortex Sense 构建的那个"企业业务语义的单一事实版本"。当模型变成大路货，谁能让 Agent 基于正确、统一的业务定义来推理，谁就赢。界面是壳，上下文层才是核——这也是为什么本届 Summit 最被分析师看重的不是某个新 Agent，而是这层"上下文"。
洞见 2：治理是 Snowflake 唯一能拉开身位的地方，它押对了
模型不是 Snowflake 的优势——竞争对手用的是同样的 Claude 和 GPT。Snowflake 的优势是"数据 + 权限"本来就在它手里。把 Agent 的动作纳入既有治理边界，这件事别人要补课，它是天生的。从"造 Agent"转向"管 Agent"，是一个聪明的差异化选择。
洞见 3：Cortex Training 透露了更大的野心
CoWork 加入自定义模型训练，表面是个功能，实质是 Snowflake 不甘心只做"模型的消费者"。如果企业开始在 Snowflake 上训练和微调自己的小模型，那 Snowflake 就同时卡住了"数据 + 上下文 + 模型定制 + 智能体执行"四个环节——这才是"控制平面"想要的全栈卡位。
洞见 4：拉动核心消费才是这盘棋的财务逻辑
CoWork 自己赚不赚钱是次要的，关键是它拉动了核心平台的 consumption。财报已经验证了这个飞轮：用户"from prompts to pipelines、from ideas to production workflows"，每一步都在消耗 Snowflake 的算力。AI 产品是入口，数据平台的消费才是真正的收入引擎。这解释了为什么 Snowflake 敢把全年增长目标往上调。
八、冷静审视：五个还没解决的硬伤
产品逻辑自洽，叙事也漂亮，但落地是另一回事。几个需要持续盯着的问题：
1. "私有预览"太多。 Constellation Research 直接点名了 Snowflake 的"private preview plague"（私有预览泛滥症）。本届发布的不少能力——Datastream、部分 Horizon Context 特性——还停留在预览阶段。发布 ≠ 可用，从 keynote 上的演示到企业真能在生产里跑起来，中间隔着不确定的时间。
2. Agent 的运维工具是缺口。 SanjMo 的 Sanjeev Mohan 提了一个很实在的问题：Snowflake 现在有了 CoCo（给开发者）和 CoWork（给业务用户），但"最难的问题是运营层面的——监控、调试、对 Agent 行为做回归测试"。这些原生工具还没补齐，客户可能被迫去拼接第三方方案。一个能干活的 Agent 和一个能被运维的 Agent，是两回事。
3. text-to-SQL 有天花板。 Cortex Analyst 的"精度优先"策略，代价是牺牲召回——对复杂查询、模糊语义，它会选择拒答。这是负责任的设计，但也意味着用户会撞到"它答不了"的边界。这个边界能往外推多远，决定了 CoWork 的实用半径。
4. 数据必须在 Snowflake 内，价值才最大。 CoWork 的治理优势，前提是数据和权限在 Snowflake 体系里。对那些数据散落在多个平台的企业，价值会打折。Snowflake 这次猛推 Apache Iceberg v3 互操作，正是为了缓解这个约束——但"互操作"和"原生"之间，体验差距仍然存在。
5. 改名的认知成本。 Intelligence → CoWork、Cortex Code → CoCo，在产品认知刚建立的时候改名，短期会造成市场和生态的混乱。文档、教程、合同、第三方集成里三套叫法并存，是接下来几个月的现实。
结论
读到这里，如果要把 CoWork 这盘棋的判断浓缩成几条，我会这么说：
- CoWork 不是"又一个聊天机器人"，而是 Snowflake 从"数据云"转身为"智能体控制平面"的前端载体。 它的赌注不在对话界面，而在背后那套"上下文 + 治理"的底座。
- 它真正难被复制的能力是治理——数据和权限原生在平台内，让 Agent 的动作天然落在既有治理边界里。这是 Snowflake 相对 Databricks、微软、谷歌唯一能拉开身位的地方，而它押对了方向：市场正从"造 Agent"转向"管 Agent"。
- 判断它成败的观察点，是未来 6–12 个月的两件事：一是那些"私有预览"能不能如期 GA、跑进生产；二是 Agent 的运维工具链（监控、调试、回归测试）能不能补齐。前者决定它"能不能用"，后者决定它"敢不敢大规模用"。
- 如果这套底座跑通，CoWork 会成为 Snowflake 把存量数据资产变现为 AI 消费的核心入口；如果跑不通，它就只是一个更贵的 BI 问答工具。
Snowflake 给这届 Summit 定的主题是 "Making AI Real for Business"。CoWork 这个名字起得很直白——协同、干活。但从"能演示"到"真能替业务用户把活干完、还让 IT 部门睡得着觉"，中间隔着的不是一场 keynote，而是一整条产品化和工程化的路。
所以最后留一个问题给你：当模型本身越来越便宜、越来越聪明，企业 AI 的胜负手到底是"谁的模型更强"，还是"谁更懂、也更管得住你的业务"？ 如果答案是后者，那 Snowflake 这次的转身，方向就对了。
参考资料
- Snowflake，"Snowflake Advances Trusted AI with Snowflake Horizon Catalog"，2026-06-02，https://www.snowflake.com/en/news/press-releases/snowflake-advances-trusted-ai-with-snowflake-horizon-catalog-centralizing-governance-context-and-security-across-the-enterprise/
- Larry Dignan，"Snowflake Summit 2026: Context, custom model training, Iceberg V3"，Constellation Research，2026-06-02，https://www.constellationr.com/insights/news/snowflake-summit-2026-context-custom-model-training-iceberg-v3
- Eric Avidon，"Snowflake barrage adds more AI development, analysis tools"，TechTarget，2026-06-02，https://www.techtarget.com/searchdatamanagement/news/366643795/Snowflake-barrage-adds-more-AI-development-analysis-tools
- VentureBeat，"AI agents keep giving confident wrong answers. The context layer is enterprise AI's next production problem"，2026-06-02，https://venturebeat.com/data/ai-agents-keep-giving-confident-wrong-answers-the-context-layer-is-enterprise-ais-next-production-problem
- Snowflake，"Snowflake Intelligence 产品页"，2026，https://www.snowflake.com/en/product/snowflake-intelligence/
- Snowflake Documentation，"Cortex Analyst"，2026，https://docs.snowflake.com/en/user-guide/snowflake-cortex/cortex-analyst
- Snowflake Documentation，"Cortex Search Overview"，2026，https://docs.snowflake.com/en/user-guide/snowflake-cortex/cortex-search/cortex-search-overview
- Snowflake，"Snowflake Makes AI Real for Businesses at Snowflake Summit 26"，2026-04-22，https://www.snowflake.com/en/news/press-releases/snowflake-makes-ai-real-at-snowflake-summit-26-featuring-anthropics-daniela-amodei-and-other-industry-leaders/
- The Deep View，"Snowflake removes more barriers to enterprise AI"，2026-06-02，https://www.thedeepview.com/articles/snowflake-removes-more-barriers-to-enterprise-ai
- Stock Titan，"Snowflake expands CoWork AI, debuts Cortex Training"，2026-06-02，https://www.stocktitan.net/news/SNOW/