撰文：Techub News 整理

导语

在近日举行的 Snowflake Summit 2025 开幕主题演讲中，Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）与特邀嘉宾、OpenAI CEO Sam Altman（萨姆·奥尔特曼）进行了一场备受瞩目的炉边对话。这场对话发生在数据与 AI 融合的关键节点，Snowflake 作为核心数据平台，OpenAI 作为前沿 AI 模型领导者，二者的碰撞旨在为数千名与会企业领袖指明方向。Altman 此次发声，正值 ChatGPT 日活用户超 10 亿、企业级 AI 应用进入深水区之际，他的观点无疑将影响全球企业的 AI 部署节奏与战略思考。

摘要

企业应立即行动：Sam Altman（萨姆·奥尔特曼）强调，AI 技术已足够成熟，企业最大的风险是等待和观望，快速迭代者将赢得先机。
AGI 定义与进程：Altman 认为具体定义 AGI（通用人工智能）的时间点并不重要，关键在于技术进步呈“平滑指数曲线”，明年 AI 将能自主解决企业“最困难的问题”。
智能体（Agent）已至：以 OpenAI 新推出的 Codex 编码智能体为例，AI 已能像初级员工一样完成长周期任务，未来将扩展至更多工作类别。
数据是 AI 燃料：Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）重申“没有数据战略就没有 AI 战略”，Snowflake 致力于通过简化数据复杂性来驱动创新。
算力的新应用：若有千倍算力，Altman 认为应优先用于 AI 研究以突破模型极限，同时也指出企业现在就该为关键问题投入更多计算资源。

Snowflake 的使命：让数据发挥更大价值

Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）在开场中阐述了公司的核心使命：赋能每个企业通过数据和 AI 实现其潜力。他强调，AI 正在根本性地改变工作与生活方式，而实现从个性化医疗到自动驾驶工厂等雄心勃勃的想法，其基石正是数据与 AI 的结合。

Ramaswamy 以百年企业 Caterpillar（卡特彼勒）和医药巨头 AstraZeneca（阿斯利康）为例，展示了 Snowflake 如何帮助企业打破数据孤岛，将数据转化为实时洞察与生产力。AstraZeneca 利用其数据基础，加速了药物研发流程，甚至在肺癌早期检测方面将生存率提升了 90%。这些案例的背后，是 Snowflake 将复杂技术简化的设计哲学。Ramaswamy 认为，简单性驱动结果，而在 AI 时代，这种简单性意味着用户可以通过语音备忘录提问、无需编写代码即可启动客户应用，并能利用全球最佳 AI 模型构建定制化的智能体。

他特别指出，所有 AI 成果都依赖于强大可靠的数据基础。“没有数据战略，就没有 AI 战略。数据是 AI 的燃料。” Snowflake 的 AI 数据云由一个互联的数据生态系统驱动，其市场上有数千家客户在共享数据、应用和模型。同时，企业级信任至关重要，Snowflake 内置的治理、安全与合规功能，使其能够支持包括美国国防部在内的关键任务负载。

纽约证券交易所的 AI 实践：原则指引下的创新

作为数据密集型行业的典范，纽约证券交易所集团总裁 Lynn Martin（林恩·马丁）分享了其 AI 转型之旅。她透露，交易所的日处理订单消息量已从 2022 年的峰值约 3500 亿条，飙升至 2025 年 4 月的 1.2 万亿条。面对如此海量数据，纽交所的两大核心职责是市场透明度与高效风险管理。

Martin 表示，硬件升级是基础，但真正的创新来自于利用 AI 工具在庞大、敏感的数据集上进行分析。在严格监管的金融行业，AI 非但不是障碍，反而成为应对复杂规则增长的“盟友”。例如，利用 Snowflake Cortex 的搜索能力，可以更高效地解析与系统功能对接的规则集。

对于其他企业领袖，她的建议是：坚守核心原则，用例自会浮现。纽交所始终围绕“市场诚信与透明”两大原则，有目的地部署 AI，例如利用自然语言处理和跨业务数据共享来提高抵押贷款流程的效率，而不是“将 AI 像意大利面一样扔到墙上看看什么能粘住”。这种审慎而专注的方法，确保了 AI 投资能带来切实的效率和业务成果。

Sam Altman 的呼吁：停止观望，立即行动

在随后的对话中，OpenAI CEO Sam Altman（萨姆·奥尔特曼）向所有企业领袖发出了明确而直接的信号：不要再犹豫，现在就开始应用 AI。当被问及对 2025 年企业导航 AI 景观的建议时，他的回答简洁有力：“Just do it（只管去做）。”

Altman 解释，在技术快速变革时期，迭代速度最快、试错成本最低、学习速率最高的公司将会胜出。尽管模型仍在快速进化，但早期下注并快速迭代的企业，表现远优于那些等待局势明朗的观望者。他补充道，好奇心是被低估的关键特质，企业应在风险可控的领域进行大量小型实验。

与去年相比，Altman 的态度更为坚定。他表示，去年可能只会建议大企业进行一些实验，但如今技术已经足够成熟，可以广泛应用于生产环境。“它现在可靠得多，能做很多我以前认为不可能的事情。” 企业用户数量的激增也印证了这一点。

智能体时代已来，AGI 定义之辩

对话自然转向了 AI 发展的前沿——智能体（Agent）和 AGI。Altman 以 OpenAI 新推出的编码智能体 Codex 为例，称其为自己“感受到 AGI 的时刻”之一。Codex 可以接受一系列任务，在后台工作，完成长周期任务，用户只需进行审核。“今天它可能像一个能工作几小时的实习生，但总有一天它会像一个能工作数天的资深软件工程师。” 这种模式正在客户支持、销售等多个领域普及，人们的工作正转变为“给一群智能体分配工作，检查质量，提供反馈”。

关于备受瞩目的 AGI，Altman 展现出了务实的哲学观。他认为，AGI 的具体定义和时间点并不重要，重要的是过去五年间年复一年的进步速率，这条“惊人平滑的指数曲线”至少在未来五年还将持续。如果穿越回 2020 年 GPT-3 发布之前，向那时的人们展示今天的 ChatGPT，大多数人都会认为那就是 AGI。“我们非常善于调整自己的预期，我认为这是人类的优点。”

对他个人而言，一个能自主发现新科学，或能成为强大工具使全球科学发现速率翻数倍的系统，就足以满足他对 AGI 的任何测试。但他也指出，许多人真正想问的可能是关于“意识”的哲学问题。Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）赞同 Altman 的观点，并将之类比为“潜艇算不算游泳”的语义之争。他更看重持续的进步速率，并相信会从中诞生许多伟大的事物。

未来模型：解决“最困难的问题”

对于未来一两年模型的发展，Altman 用了“breathtaking（令人惊叹）”来形容。他预测，下一代模型将带来类似从 GPT-3 到 GPT-4 的跳跃，使企业能够做到此前完全不可能的事情。

核心在于，企业将能够把“最困难的问题”交给 AI。例如，芯片设计公司可以要求 AI 设计出前所未有的更好芯片，生物技术公司可以要求 AI 专注于攻克某种疾病。这些模型将能够理解所有上下文，连接所有工具和系统，进行“卓越的推理”，并以足够的鲁棒性自主完成工作。“这感觉真的非常近了。” Altman 说道。

他提供了一个思考框架：理想的模型是一个拥有超强推理能力、运行速度极快、能处理海量上下文并调用一切工具的“小模型”。AI 模型不应被当作数据库使用（那既慢又贵且易错），而应被视为推理引擎。企业可以将所有业务背景和个人生活数据，以及任何所需的工具（如物理模拟器）提供给这个引擎，从而实现惊人的成就。

算力的想象：优先用于突破AI自身

当被问及如果拥有千倍算力会做什么时，Altman 给出了一个“元答案”：让 AI 竭尽全力进行 AI 研究，找出构建更优模型的方法，然后再问那个更优模型该如何利用这些算力。这反映了他对 AI 自我改进潜力的深层信念。

更具实操意义的启示是，企业现在就应该认识到“测试时计算”的回报。对于难题，让模型进行更多推理、尝试更多次数，已经能得出好得多的答案。企业可以开始思考，愿意为最关键、最有价值的问题投入比平时多得多的计算资源。Ramaswamy 则从人类福祉角度提出了另一个设想：将大量算力用于类似“人类基因组计划”的 Arnum 项目，研究 RNA 如何控制 DNA 表达，从而有望解决大量疾病，将人类文明向前推进一大步。

尾声：数据协作赋能全球盛事

演讲最后，Ramaswamy 宣布 Snowflake 已成为奥运会、残奥会以及美国队的官方数据协作合作伙伴。洛杉矶 2028 年奥运会组委会主席 Casey Wasserman（凯西·沃瑟曼）和美国奥委会首席商务官 John Slusher（约翰·斯卢舍尔）登台，阐述了在筹办“史上最复杂体育赛事”过程中数据协作的极端重要性。从销售 1200 万张门票到协调所有物流，可靠的数据平台是确保盛会成功、助力运动员取得佳绩的关键。这一合作也象征着，当数据与 AI 的能力相结合，其影响将远远超出商业范畴，深入塑造全球性的文化与体验。

整场主题演讲在热烈的氛围中落下帷幕，Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）与 Sam Altman（萨姆·奥尔特曼）的对话为所有与会者勾勒出一幅清晰的图景：行动的时刻就是现在，未来已触手可及。