今年我在旧金山连续参加完 Databricks Summit 2026 和 Snowflake Summit 2026，我的整体感觉是如果你还把它们理解成一个做湖仓、一个做云数仓，那你基本 Out 了。这两家公司都在往上长，想从“存数据、算数据的地方”，长到未来企业 AI 里那个更值钱的位置。
最有意思的是这次 2026 年Snowflake把 Anthropic 的 Co-Founder and President Daniela Amodei 放进了 opening keynote，同时又让 OpenClaw 之父 Peter Steinberger 通过 OpenClaw 这条线进入 Dev Day，Databricks则直接把 OpenAI 的 President 兼 Co-Founder Greg Brockman 请上了 keynote 主舞台。
这是 Data+AI 的融合么？不，我看到的是模型公司和数据平台公司在互相试探企业 AI 的入口边界。
未来企业 AI 的第一入口，究竟在大模型 Agent 手里，还是在企业数据底座手里？未来趋势会是什么呢？我来谈谈我的一些洞察和心得。
数据平台正在自底向上往企业 AI 中枢上长
1.回顾 2025 年两家的 Summit：Get Data Ready for AI
2025 年的 Snowflake 和 Databricks 的 Summit 都在讲 Get Data Ready for AI。
Snowflake 2025 讲 Snowflake Intelligence、Semantic Views、Openflow、Trusted AI、业务用户入口，本质上都围绕一个问题：企业 AI 的硬骨头在模型下面，数据口径、权限分配、业务语义、治理边界。这些东西没人收拾，再强的模型也只能望洋兴叹。
Snowflake 峰会 2025 年的整体理念是企业 AI 能跑多远，最后看的是数据治理程度如何。模型能力越强，对企业数据治理的要求越高。过去数据治理做不好，最多对着报表讨论谁对谁错；未来 Agent 做错动作，责任就不是报表口径的问题，而是生产事故和业务事件的问题。
Databricks 2025 的打法更工程化。AI/BI Genie、Databricks One、Databricks Apps、Lakebase、Agent Bricks、Lakeflow、Unity Catalog，这些产品放在一起看，目标就是把数据、分析、AI、应用、事务能力尽量收敛到一个统一平台里。
Databricks 2025 年整体理念也很现实：企业的数据、应用、事务系统长期分裂，数据复制来复制去，口径对不上，状态不同步。AI 一旦进入企业，这些历史包袱都会变成 Agent 的障碍。
在我看来，2025 年两家虽然产品路线不同，但方向一致：企业 AI 的第一步，是把数据、语义、权限、治理、应用连接这些基础工作做好。
2.2026 年两家的 Summit：从数据底座到 Agent 底座
到了 2026 年，这两家公司都不满足只做数据底座了。
Snowflake 2026 反复讲 Agentic Enterprise、Governed Data、Actionable AI、Horizon Context、Agentic Control Plane。它已经把终点从数据的 insight 往数据驱动的 action 推。过去数据平台负责让人看懂数据，现在 Snowflake 想让 Agent 在受治理的数据和上下文里直接执行动作。
这一变化很大。只要 AI 从回答问题走向执行业务动作，权限、审计、身份、合规、回滚、责任边界都会变成核心能力。Snowflake 要做 Agent 进入企业生产系统之前的控制层。
Databricks 2026 也 All in Agent 系统平台。Genie One、Genie Ontology、Genie Agents、LTAP/Lakebase、Omnigent、Agent Bricks、Unity AI Gateway，这些东西连起来，就是一套 Agent 真正干活需要的机器：上下文、语义层、运行时、harness、部署、治理、多 Agent 协作。
Snowflake 在定义 Agent 进入企业之前的规矩。Databricks 在搭 Agent 进入企业之后的工作机器。一个偏 control plane，一个偏 runtime stack。
3.今年两家产品演进方向惊人的一致
可以看到尽管发布的产品不同，但是这两家数据企业产品演进方向在这几个方面有惊人的一致，我觉得这才是未来数据平台企业的趋势：
第一，两家都开始默认模型平权。你能接 Claude，别人也能接；你能接 OpenAI，别人也能接。企业长期优势会落在数据资产、业务语义、权限体系、治理能力和流程执行闭环上。
第二，两家都在把 AI 从 answer 推向 action。问报表、问知识库、问指标只是第一步。企业真正愿意持续付费的地方，在于 Agent 能不能参与流程、调用系统、触发动作，并且全程可控。
第三，两家都把治理推到核心位置。数据治理过去像 IT 后台工作，Agent 时代变成生产前提。AI 看什么数据、调用什么工具、能执行到哪一步、出错以后怎么追责，都需要治理体系承接。
第四，两家都在争企业 AI 的新中枢。Snowflake 想做 control plane，Databricks 想做 runtime stack。名字不同，位置接近。谁都不愿意只做底层数据资源池，谁都想往任务、上下文、权限、动作边界那一层长。
Data+AI 还是 AI+Data？未来企业 AI 的真正战争，是入口之争
这个峰会上我看到的是一场企业 AI 入口之争的预演。模型公司需要企业数据平台，企业数据平台也需要最强模型能力。合作是真合作，卡位也是真卡位。
企业软件的历史告诉我们，企业级入口从来不会长期和平共处。在 AI 时代，谁接住用户任务，谁拿到上下文，谁决定调用哪个系统，谁定义 Agent 的动作边界，谁就会掌握下一代企业软件的主入口。
模型公司和数据平台公司都在往中间走
Anthropic和 OpenAI 必须进入 Snowflake、Databricks 这种企业平台。大模型没有企业数据，没有权限体系，没有业务语义，没有审计链路，也没有企业内部复杂的责任边界。模型再聪明，也需要企业环境承载。
Snowflake 和 Databricks 也必须把 Anthropic、OpenAI 请上台。企业客户追逐最强 intelligence，平台公司需要模型能力点亮自己的数据和治理体系。
短期合作非常合理，长期边界一定会摩擦。模型公司不会长期满足于只做 intelligence supplier，数据平台公司也不会甘心做大模型的数据粮仓。
两条路线：数据平台上面长 Agent，还是 Agent 吃数据
未来 Agentic Enterprise 有两条路线。
第一条路线，Data+AI，从企业数据底座里长出 AI Agent。
这是 Snowflake 和 Databricks 更自然的路线。企业先整理数据、权限、上下文、语义层、治理规则、流程接口、责任边界，再让 Agent 从这套体系里长出来。这条路慢，脏活累活多，Demo 不一定漂亮，但符合 ToB 生产系统的规律。
Snowflake 在 2026 Summit 里讲 Your Data Is Your Competitive Moat、Governed Data、Control Plane。Databricks 讲 Genie Ontology、Unity Catalog、Agent Bricks、Omnigent、Unity AI Gateway。它们都在强调一件事：企业 Agent 要从企业自己的数据治理和业务秩序里长出来。
第二条路线，AI+Data，从通用大模型 Agent 往下吃企业系统。
OpenAI 和 Anthropic 天然会推动这条路。先做最聪明的通用 Agent，先成为用户主入口，再向下连接企业数据、API、SaaS、工作流和执行系统。如果这条路跑通，未来企业端最值钱的入口可能变成模型公司的 Agent。
这两条路线的差别在顺序，也在控制权。
一条路先建立企业秩序，再生长智能。
一条路先占住智能入口，再向下吸收企业秩序。
任务分发权，才是真入口
因为入口决定的不是谁先跟用户说话，而是谁先掌握任务分发权。
未来企业 AI 里最值钱的地方，不是聊天框，是任务分发权。
谁先接住用户任务，谁先拿到企业上下文，谁决定调用哪个系统，谁定义 Agent 能做到哪一步，谁掌握动作边界和执行链路，谁就在定义未来企业 AI 的主入口。
Snowflake 和 Databricks 拼命往上长，因为它们知道继续只做数据平台，很可能被上层大模型入口抽象掉。Anthropic、OpenAI 拼命往企业里走，也不只是为了多卖 token，它们要争企业任务的第一接收者。
现在很多人看企业 AI，还停留在比较浅的阶段：谁接了更多模型，谁做了更多 Demo，谁的 Agent 更聪明。
真正的大问题是：未来企业软件的权力中心到底在哪。
是在底下的数据、治理、上下文和流程层慢慢长出 Agent，还是在上面的通用大模型 Agent 层，反过来重写企业软件的调用关系。
这件事一旦想明白，你就会发现，今天这些 Summit 的 keynote 其实已经不是产品发布会了。
它们是在提前定义未来企业 AI 的权力结构。
我的总结：AI 原生企业（Agentic Enterprise）组织方式要重写
Databricks、Snowflake 和 OpenAI、Anthropic 今天站在同一个舞台上，争的不是谁给企业多接一个 AI 工具，而是谁来定义未来企业的组织方式。
过去企业流程默认的基本节点是“人”。一个销售、一个财务、一个数据分析师、一个实施顾问，每个人都有岗位、权限、流程、KPI 和责任边界。企业软件围绕这些人来设计，所以才有 CRM、ERP、BI、OA、工单、工作流这些系统。
Agentic Enterprise 真正改变的，是企业流程里的节点开始从“人”变成“人 +Agent”，甚至某些环节直接变成 Agent。这个时候，企业架构就不是原来那套系统加一个 Copilot，也不是在 BI 上加一个 Chat-BI，而是要重新定义：哪些任务由人决策，哪些任务由 Agent 执行，哪些动作需要审批，哪些流程可以自治，数据权限如何继承，责任边界如何划分。
所以未来的入口之争，本质上不是工具入口之争，而是企业组织结构的定义权之争。大模型公司想让通用 Agent 成为新的工作节点，向下接管数据和流程；数据平台公司想从企业数据治理、业务语义和权限体系里长出可控 Agent。
谁能定义这些新节点如何工作、如何协作、如何被治理，谁就能定义下一代企业软件。Agentic Enterprise 的终局，不是企业多了一个聪明助手，而是企业从“人驱动流程”，走向“人和 Agent 共同组成流程”。
企业级 AI 的战争才刚刚开始。
- 申报人“郭炜”简介：
郭炜，Apache Software Foundation Member、ApacheCon DataOps 论坛联合主席、中国科协联合国咨商开源创新委员、中国通信协会 开源委员会委员、中国软件协会 数据智能委员会委员、中国信通院 DataOps 专家、Apache DolphinScheduler 和 SeaTunnel PMC Member、ClickHouse 华人社区创始人
郭炜毕业于北京大学，师从数据仓库泰斗唐世渭教授，20+ 年数据仓库经验，曾任万达电商数据部总经理、联想大数据平台负责人，易观 CTO，先后在 Teradata、IBM、中金公司任大数据方重要职位。作为 Apache Foundation Member，创建了 2 个 Apache 顶级项目，Apache DolphinScheduler 和 Apache SeaTunnel，从 0 到 N 建立了中国 ClickHouse 开源社区，参加多个 DataOps 国际会议并发言，对大数据前沿研究有卓越贡献。做出卓越贡献
郭炜先生是白鲸开源 CEO，使命是“让更多的人，更简单高效的使用数据”。
★本文由白鲸开源CEO郭炜撰写并投递参与“2026第六届数智化转型升级大型年中选题策划活动——2026中国数智化转型升级先锋人物榜单及奖项”评选。