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。
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 SeaTunnel 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
GitHub: https://github.com/apache/dolphinscheduler 官网 ：https://dolphinscheduler.apache.org/en-us 订阅开发者邮件 ：dev@dolphinscheduler@apache.org（向邮箱发送任意内容，收到邮件后回复同意订阅即可） YouTube ：https://www.youtube.com/@apachedolphinscheduler Slack ：https://join.slack.com/t/asf-dolphinscheduler/shared_invite/zt-1cmrxsio1-nJHxRJa44jfkrNL_Nsy9Qg 同样地，参与Apache DolphinScheduler 有非常多的参与贡献的方式，主要分为代码方式和非代码方式两种。
非代码方式包括：
完善文档、翻译文档；翻译技术性、实践性文章；投稿实践性、原理性文章；成为布道师；社区管理、答疑；会议分享；测试反馈；用户反馈等。
代码方式包括：
查找Bug；编写修复代码；开发新功能；提交代码贡献；参与代码审查等。
贡献第一个PR(文档、代码) 我们也希望是简单的，第一个PR用于熟悉提交的流程和社区协作以及感受社区的友好度。 社区汇总了以下适合新手的问题列表 ： https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3A%22first+time+contributor%22 优先级问题列表 ： https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3Apriority%3Ahigh 如何参与贡献链接 ： https://dolphinscheduler.apache.org/zh-cn/docs/3.2.2/%E8%B4%A1%E7%8C%AE%E6%8C%87%E5%8D%97_menu/%E5%A6%82%E4%BD%95%E5%8F%82%E4%B8%8E_menu https://github.com/apache/dolphinscheduler
