关键字: [亚马逊云科技， 生成式AI， Snowflake， 亚马逊云科技， Snowflake平台， 数据存储， 弹性计算， 安全合规]

导读

在这个演讲中，演讲者介绍了亚马逊云科技与Snowflake合作，为客户JP Morgan打造AI驱动的智能财富管理解决方案。Snowflake是一个SaaS平台，数据存储在Amazon S3上，具有低成本、高可用性和海量存储能力。它采用计算存储分离架构，计算层可根据工作负载弹性扩展，提供高性价比。Snowflake还提供了强大的安全和合规功能，支持基于角色、行和列的授权。演讲者还介绍了Snowflake与亚马逊云科技服务如SageMaker、Bedrock等的集成，以及在AI和数据分析方面的应用场景。

演讲精华

以下是小编为您整理的本次演讲的精华。

亚马逊云科技(亚马逊云科技)与Snowflake携手合作，为客户JP Morgan打造了一个AI驱动的智能财富管理解决方案。这一创新解决方案充分展现了两家公司在云计算、数据分析和人工智能领域的领先地位，为客户提供了前所未有的数据洞见和智能决策支持。

首先，让我们了解一下Snowflake这一数据分析平台的核心特点。Snowflake是一个SaaS平台，从一开始就被构建为纯云端数据分析平台，其数据存储在亚马逊云科技的S3存储服务上。由于存储在高度可扩展和经济高效的S3上，Snowflake的存储成本极低，同时数据的高可用性也得到了保证，可以存储海量数据。这使得许多大型企业将他们的数据统一存储在Snowflake平台上，进行集中分析和使用，极大地简化了数据管理流程。

Snowflake采用了创新的存算分离架构，计算层完全独立且弹性可扩展。根据实际工作负载的变化，Snowflake可以动态创建计算节点(称为Virtual Warehouse)进行数据查询和操作。当没有任何工作负载时，计算费用基本为零，只需为S3存储付费，这种按需付费的模式具有极高的性价比，大大降低了企业的IT成本。正是由于这种灵活的架构，能够为企业变化多端的工作负载提供高度优化的资源分配，Snowflake因此备受大型企业的青睐。

在强大的计算能力之上，Snowflake还提供了一系列卓越的安全和合规功能，满足了大型企业对数据安全和合规性的严格要求。除了基本的身份验证、基于角色的访问控制等功能外，Snowflake还提供了基于行和列级别的访问控制，允许对单个数据集应用不同的安全策略，无需进行数据ETL备份，从而降低了存储成本，提高了工作效率。这些创新功能使得企业能够高效、安全地共享和利用数据，最大限度地发挥数据价值。

除了分析功能，Snowflake还为客户提供了数据工程、数据治理等一体化能力。在数据转换和清洗过程中，Snowflake可以自动维护数据血缘关系，确保数据安全合规，为数据科学家和工程师提供了高效的数据操作工具。这种一站式的数据管理和分析能力，极大地提升了企业的工作效率和数据质量。

对于那些在全球范围内拥有众多分支机构的大型企业而言，Snowflake在亚马逊云科技上拥有20多个节点，支持高效、安全的数据共享与协作。不同的分支机构可以方便地相互访问和利用数据，同时Snowflake确保了数据的单一事实来源，保证了数据的一致性和完整性。这种跨地域、跨部门的无缝数据协作，是Snowflake被大型企业广泛采用的重要原因之一。

作为一个AI DataCloud平台，Snowflake内置了大量的人工智能功能。传统上，企业需要先将数据导出为JSON等格式，再在机器学习平台上进行模型训练，流程复杂且存在数据安全隐患。而在Snowflake中，客户可以直接在平台内完成从数据接入到模型训练、推理、部署和使用的全流程，也可以与亚马逊云科技的SageMaker等服务无缝集成。这种创新的一体化AI能力，不仅提高了工作效率，更重要的是消除了数据在传输过程中可能存在的安全风险，确保了数据的完整性和隐私性。

凭借这些卓越的技术优势，Snowflake平台可以为客户提供几乎零运维的数据分析和AI工作负载支持。客户只需关注数据本身的分析和洞见获取，为业务创造价值，而无需过多关注底层数据平台的运维和管理，将有限的资源更多地投入到核心业务中。这种高度自动化和智能化的数据分析和AI能力，正是Snowflake被越来越多企业所青睐的关键所在。

数据显示，Snowflake在亚马逊云科技上已拥有超过22个节点，覆盖全球多个地区，去年更是在中国宁夏开通了本地节点。这使得许多在亚马逊云科技上使用Snowflake的全球客户，可以顺利切换到就近的国内节点，继续享受Snowflake提供的数据服务。Snowflake的最大客户，单表数据量高达72TB，每分钟查询量超过29万次，前5大客户的数据存储量更是超过了171PB。这些惊人的数字充分证明了Snowflake强大的数据处理能力，以及在大型企业中的广泛应用。值得一提的是，Snowflake连续多年获得亚马逊云科技重要合作伙伴奖项，在Amazon Marketplace等服务中表现卓越，是亚马逊云科技公认的优秀合作伙伴。

大多数客户选择在亚马逊云科技上使用Snowflake，一方面是因为亚马逊云科技提供了丰富的云服务，与Snowflake可以无缝集成;另一方面，亚马逊云科技的Graviton芯片提供了业界领先的计算性能，使Snowflake在亚马逊云科技上的性价比更高。下面让我们具体看看，Snowflake是如何与亚马逊云科技的各项服务融合的。

数据接入是数据分析的第一步，Snowflake为此提供了多种高效方式。最简单的做法是直接将数据存储在Amazon S3上，然后通过批量复制工具将数据导入Snowflake。对于流式数据，如来自亚马逊云科技物联网服务或Kafka服务的数据流，Snowflake提供了SnowPipe流式数据接入功能，可以高效、安全地将其导入平台。此外，Snowflake还可以方便地从亚马逊云科技的Athena、EMR等服务中导入数据。

数据接入之后，Snowflake主张在平台内完成数据转换、清洗等数据工程工作。在这个过程中，Snowflake可以自动梳理数据血缘关系，为数据治理提供支持，甚至可以生成数据血缘表，避免了在外部进行ETL导致的数据血缘丢失问题。

对于数据的消费和使用，客户可以使用亚马逊云科技的Athena、Redshift等服务，通过Snowflake提供的驱动程序高效访问数据。此外，Snowflake与亚马逊云科技的人工智能服务也实现了无缝集成。以往，企业需要先将数据导出，再在机器学习平台上训练模型，存在数据泄露和权限管理的安全隐患。而现在，亚马逊云科技的SageMaker等服务可以直接访问Snowflake中的数据，在平台内完成模型训练，包括最新的生成式AI模型，从而彻底消除了数据移动带来的安全风险。

在SageMaker的各种服务中，如Canvas、Data Wrangler、Studio等，都可以直接使用Snowflake中的数据，极大地提高了工作效率。值得一提的是，SageMaker内置了直接访问Snowflake数据的库，因此在SageMaker中训练生成式AI模型时，可以高效、安全地利用Snowflake平台上的海量数据，无需再进行数据导出和转换，避免了传统方式中的数据安全隐患。

除了与亚马逊云科技的AI服务集成，Snowflake本身也提供了创新的AI功能，如向量搜索和文档AI等。客户可以将文档上传到Snowflake，由平台生成文档向量，然后结合Snowflake中的结构化数据，进行统一的查询。查询结果可以调用Bedrock中的模型进行答案生成，实现整个检索-生成(Retrieval-Augmented-Generation)流程。这种创新的AI能力，使得Snowflake不仅是一个数据分析平台，更是一个AI数据云平台，为企业提供了端到端的智能数据分析和决策支持能力。

值得一提的是，Bedrock中的模型可以部署在Amazon SageMaker中，也可以部署在Snowflake提供的Streamlit容器中，直接通过API在最靠近数据的位置进行调用，进一步提升了系统的性能和响应速度。

在视频中，亚马逊云科技的专家还分享了一个令人兴趣的应用场景。通过与Amazon CodeWhisperer的集成，客户可以直接查询Snowflake中的结构化数据和非结构化数据(如图像描述)，实现统一搜索功能。这种跨结构化和非结构化数据的统一查询，是传统数据库所无法实现的，展现了Snowflake与亚马逊云科技合作带来的创新能力。

总之，亚马逊云科技与Snowflake的深度合作，为客户提供了一体化的智能数据分析和管理解决方案，涵盖数据存储、分析、工程、AI/ML等全流程，并与亚马逊云科技云服务深度集成，充分发挥了两家公司在各自领域的技术优势。这一创新解决方案不仅大幅提升了企业的数据分析和决策能力，更重要的是为企业数字化转型注入了新的动力，助力企业抓住人工智能时代的机遇，在激烈的市场竞争中取得领先优势。

下面是一些演讲现场的精彩瞬间：

The speaker introduces Snowflake’s AI DataCloud platform and how it collaborates with 亚马逊云科技 to build an AI-driven intelligent wealth management solution for JP Morgan.

通过基于角色、行和列的授权策略，可以直接使用一套数据，满足安全性要求，降低存储成本，减少ETL过程，提高工作效率。

The speaker discusses traditional AI services like Forecast for predictive modeling， which can utilize Snowflake data through connectors or built-in libraries to train models and provide endpoints.

Snowflake’s Universal Search feature allows querying structured data like image descriptions using SQL， enabling unified search across multimodal data.

Snowflake， as a data platform， allows direct access to data within Amazon Web Services SageMaker services like Notebook， Studio， Canvas， and Data Wrangler， avoiding potential issues during data migration.

Snowflake allows using Bedrock for vector search， document AI， and integrating with large language models to generate answers from structured and unstructured data.

通过 API 直接调用模型，并在 Streamlit 框架中部署运行应用，实现整个 RAG 过程。

总结

亚马逊云科技与Snowflake携手打造AI智能财富管理解决方案，为客户提供高性能、高安全性和高可扩展性的数据分析平台。Snowflake作为SaaS平台，将数据存储在Amazon S3上，实现了存储成本低、高可用性和海量数据存储。其弹性计算层可根据工作负载动态扩展，确保高性价比。同时，Snowflake提供了全面的安全和合规功能，满足企业级需求。

通过与亚马逊云科技服务无缝集成，Snowflake支持多种数据导入方式，并在平台内实现数据转换、清洗等操作，保证数据安全和治理。用户可利用亚马逊云科技各种AI/ML服务直接访问Snowflake数据，实现模型训练和部署，避免数据迁移风险。Snowflake还内置了向量搜索、文档AI等AI功能，与Bedrock结合可实现端到端的生成式AI应用。

亚马逊云科技与Snowflake的合作为客户提供了一站式的AI智能财富管理解决方案，充分发挥了两家公司在云计算、数据分析和AI领域的优势，为企业带来了前所未有的数据驱动智能体验。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。