AI摘要：今天我在旧金山参加Snowflake Summit。满场都在讲一句话：Make AI Real for Business这次大会的主题，是一句口号—— Make AI Real for Business，让 AI 在业务里动真格。Make AI Real，Your advantage is your data。
大会还有第三句话，叫 Real Data, Real Agents, Real Action——真的数据、真的智能体、真的行动。
这三个词连起来，其实就是一条完整的落地链条，而且和我们做的事是同一个逻辑。
先有真的数据——把企业散落的数据统一、治理好，变成 AI 能读懂的、可信的地基。这是第一层。
然后是真的智能体——让 AI 基于这层可信的数据去做分析、做判断，而不是在一堆互相打架的数据上瞎猜。这里有个细节我很认同：Snowflake 的人说，做 AI 工具时，回答的准确性和能回答多少问题同等重要，哪怕为了准确，宁可拒绝回答一些高风险的问题，也要守住用户的信任。这话说得很对——一个会自信地胡说的 AI，比一个会说"这个我不确定"的 AI 危险得多。
Anthropic 的联创 Daniela Amodei 在台上聊到一个我很认同的观点：很多人以为安全和创新是矛盾的，要快就得牺牲可靠。但她说，这个框架本身就是错的——没有任何一个企业客户，会希望 AI 给出更多的幻觉、更不可预测的结果。恰恰相反，正因为你把可信和安全做扎实了，企业才敢把 AI 用到更多、更核心的场景里去。可信不是创新的刹车，是油门。
这一点，做企业 AI 的人体会大概都很深。toB 和 toC 最大的不同就在这——消费者可以容忍一个偶尔出错但很惊艳的产品，但一家银行、一家药企、一个供应链系统，不能。在企业里，能被信任，是 AI 能被用起来的前提。一个不可信的 AI，能力再强也进不了核心业务。
今天我在旧金山参加Snowflake Summit。两万多人的大会，Keynote 是 Snowflake 的 CEO Sridhar Ramaswamy的分享，以及和 Anthropic 联合创始人兼总裁 Daniela Amodei 等嘉宾的同台对谈。
坐在台下，我有种很特别的感觉。台上这些全球最顶尖的公司，用各种案例和数字反复强调的方向，和我们这些年在企业里摸索出来的体会，撞在了一起。能在两万人的现场，听 Snowflake、Anthropic、埃森哲、赛诺菲这些名字反复确认同一个方向，心里挺踏实的。
我想把现场最戳我的几个点分享一下。因为如果你也在做 AI，这场大会其实在帮所有人确认一件事：这一轮真正该使劲的地方，到底在哪。
满场都在讲一句话：Make AI Real for Business
这次大会的主题，是一句口号—— Make AI Real for Business，让 AI 在业务里动真格。
别小看这句话。它背后藏着一个所有人开始公开承认的转变：AI 已经过了那个秀肌肉、拼 Demo 的阶段，走到了要交业务结果的时候。过去两年，多少企业的 AI 项目停在"我们做了个很酷的演示"，然后就没有然后了。现在大会的潜台词很直接——演示不算数，能不能进到核心业务、能不能改 P&L，才算数。
这件事的道理不复杂：AI 落地不看你的 Demo 多惊艳，看它能不能真的嵌进业务流程、干出实际的活。表演型的智能没有意义，业务型的聪明才有价值。
台上（视频）埃森哲的 CEO Julie Sweet 把这件事说得更狠。她说企业最常问的问题就是：怎么从一个宏大的 AI 愿景，走到真实、可衡量的业务结果。她的答案是——必须由懂 AI 的一把手亲自带，把AI 嵌进核心流程、有人对结果负责，光靠试点的成功撑不起价值。
一个全球最大的咨询公司 CEO，在台上反复强调"别停在试点、要进核心业务、要落到损益表"，这本身就说明：从试点到真落地这道坎，是当下全行业共同卡住的地方。
那个最戳我的数字：85% 的障碍，是数据，不是技术
如果说这场大会只让我记住一个数字，那就是赛诺菲的首席数字官说的这句：
对 85% 的企业来说，AI 落地最大的障碍不是拿不到 AI 模型，是数据——碎片化的、质量差的、散落在各个系统里互相看不见的数据，以及跟不上的流程。
我在台下听到这句，心里咯噔一下——这正是企业 AI 落地最容易被忽略、却最致命的地方。模型不是问题，模型谁都能买到；真正卡死大多数AI 项目的，是它根本读不懂你这家企业的数据到底是什么意思。
赛诺菲不是嘴上说说。它分享了自己五年的转型——一家年运营开支 180 亿欧元的药企，五年前数据散在无数个孤岛里，它选了 Snowflake 做底座，一点点把数据统一起来。现在它能在统一的数据地基上直接跑AI 工作流，一个法务、一个欧洲能源客户的数据查询从几天缩短到 2 秒，项目周期从几个月压到 12 周，算力消耗降了 85%。
你注意它的顺序：先用五年把数据地基打牢，AI 才跑得起来。不是反过来。
数据治理从来不是 AI 项目开始前的准备工作，它本身就是 AI 项目最核心的部分。赛诺菲用五年和 180 亿欧元的盘子，把这件事演示给两万人看。
Your Advantage is Your Data
大会现场还有一句标语，我觉得是整场最锋利的一句：Your advantage is your data，你的优势在你的数据。
Snowflake 的人在台上把这句话的逻辑讲得很透：通用的 AI 模型不可能是你的竞争优势，因为它对你所有的竞争对手都同样开放——你能用 GPT，你的对手也能用；你能用 Claude，你的对手也能用。模型这一层，是所有人都能买到的通用品。
那优势从哪来？只可能来自一个地方：你把这些通用模型，接到你独有的、别人拿不到的数据上——你的客户数据、你的运营数据、你的供应链数据、你那个行业几十年攒下来的门道。模型是通用的，但你的数据和 know-how 是独一份的。真正的护城河，是这两者结合的地方。
我把这句话记了下来。它指向一个朴素的道理：
当基础模型变成像水电一样人人可用的东西，胜负手就不在模型本身了，而在你能不能用自己独有的数据和行业理解，把它喂成一个别人替代不了的东西。
Snowflake 用一句标语，把这件事钉在了两万人面前。
Real Data, Real Agents, Real Action
大会还有第三句话，叫 Real Data, Real Agents, Real Action——真的数据、真的智能体、真的行动。
这三个词连起来，其实就是一条完整的落地链条，而且和我们做的事是同一个逻辑。
先有真的数据——把企业散落的数据统一、治理好，变成 AI 能读懂的、可信的地基。这是第一层。
然后是真的智能体——让 AI 基于这层可信的数据去做分析、做判断，而不是在一堆互相打架的数据上瞎猜。这里有个细节我很认同：Snowflake 的人说，做 AI 工具时，回答的准确性和能回答多少问题同等重要，哪怕为了准确，宁可拒绝回答一些高风险的问题，也要守住用户的信任。这话说得很对——一个会自信地胡说的 AI，比一个会说"这个我不确定"的 AI 危险得多。
最后是真的行动——AI 不能只输出一段分析文字就完了，它得能真的触发业务动作：生成任务、推送审批、写回系统、协调跨部门。洞察如果不能变成行动，就只是一次漂亮的演示。
这条从数据到行动的链路，也正是我们这些年扎在企业里一层一层搭起来的东西。在现场听 Snowflake 用三个英文单词把它干净利落地概括出来，挺感慨的——这个方向，正在成为全球最顶尖玩家的共识。
还有一句话，是 Anthropic 说的
Anthropic 的联创 Daniela Amodei 在台上聊到一个我很认同的观点：很多人以为安全和创新是矛盾的，要快就得牺牲可靠。但她说，这个框架本身就是错的——没有任何一个企业客户，会希望 AI 给出更多的幻觉、更不可预测的结果。恰恰相反，正因为你把可信和安全做扎实了，企业才敢把 AI 用到更多、更核心的场景里去。可信不是创新的刹车，是油门。
这一点，做企业 AI 的人体会大概都很深。toB 和 toC 最大的不同就在这——消费者可以容忍一个偶尔出错但很惊艳的产品，但一家银行、一家药企、一个供应链系统，不能。在企业里，能被信任，是 AI 能被用起来的前提。一个不可信的 AI，能力再强也进不了核心业务。
她还提到 Anthropic 自己五年从 几十人发展到 3500 人，靠的是死死抓住核心价值观。这点对所有快速成长的公司大概都成立——长得越快，越要靠一些不变的东西稳住自己。
写在最后
在这场大会的现场呆了一天，我最大的感受不是"硅谷遥遥领先",反而是一种踏实。
因为台上这些全球最顶尖的公司，用180 亿欧元的盘子、用五年的转型、用一句句标语反复确认的那个方向，也正是我们这些年扎在企业里慢慢看清的：模型会变成水电，谁都能用；真正的胜负手，在你独有的数据、你对行业的理解，以及你能不能把 AI 落进业务、变成行动。
Make AI Real，Your advantage is your data。这两句话，Snowflake 是说给两万个参会者听的。但我想说给每一个还在做 AI 的中国人听：
别再纠结你的模型比别人差几个月了。低头看看你手里的数据，看看你扎在哪个行业里，那才是别人抢不走的东西。
作者：黎科峰博士，数势科技创始人兼 CEO。本文为个人观点。
🔍阅读原文：https://mp.weixin.qq.com/s/BPVAjsb6xfVQgQb046tcIQ"