<p>Snowflake 为开发者构建 AI 代理和其他商业应用添加了新工具。</p>
<p>这家数据云供应商于 11 月 18 日推出了与 Nvidia 的原生集成，将 Nvidia 的 CUDA-X 数据科学 库嵌入到 Snowflake ML（机器学习）中。CUDA-X 是一系列数据科学工具包，基于 Nvidia 的 CUDA 平台构建，支持并行处理的 GPU。它旨在提高 AI、ML 和其他高级应用的性能。</p>
<p>通过预安装与 CPU 协同工作的 GPU 模板，Snowflake 与 Nvidia 之间的集成旨在加速和简化在 Snowflake ML 中开发 AI 和 ML 模型的过程。</p>
<h2>速度的需求</h2>
<p>AI 应用程序，如代理，所需的 高质量数据 比传统分析产品（如报告和仪表板）要多得多，以确保准确性。因此，现在用于指导商业决策的工具的数据集显著大于过去。</p>
<p>为了处理如此庞大的数据集，使用处理能力大于 CPU 的 GPU 来指数级加速工作负载。因此，Snowflake 与 Nvidia 的 CUDA-X 库的原生集成对于构建 AI 工具和其他高级应用的开发者来说是一个宝贵的补充，Informa TechTarget 的 Omdia 分析师 Stephen Catanzano 表示。</p>
<p>他说：“这一集成对 Snowflake 用户至关重要，因为它使他们能够实现更好的性能提升。这样，数据科学家可以处理计算要求高的任务，如大规模主题建模和计算基因组学，这些任务在 CPU 上可能需要数小时，但现在可以在 GPU 上在几分钟内完成。”</p>
<blockquote>
<p>这使数据科学家能够处理计算要求高的任务，如大规模主题建模和计算基因组学，这些任务在 CPU 上可能需要数小时，但现在可以在 GPU 上在几分钟内完成。<strong>Stephen Catanzano</strong> Omdia 分析师</p>
</blockquote>
<p>Constellation Research 的分析师 Michael Ni 同样称这一集成为 Snowflake 用户带来了 “重要” 的影响，因为它提高了开发速度。</p>
<p>他说：“它将 GPU 级加速引入了受管控的 Snowflake 执行环境，消除了会拖慢 ML 团队的交接。这使得 Snowflake 的产品从 ‘仓库加 ML’ 扩展到 ‘仓库加 GPU 计算加 ML 平台’，与市场上的其他产品一起巩固了数据和 AI 平台市场。”</p>
<p>Snowflake 的 AI 和 ML 产品负责人 Vinay Sridhar 指出，客户一直在推动改进大规模 ML 工作负载性能的工具。尽管 Snowflake 知道客户的反馈，但与 Nvidia 的新集成主要是出于对更好工作负载性能的日益需求，因为 AI 和 ML 开发持续上升。</p>
<p>OpenAI 于 2022 年 11 月推出的 ChatGPT 代表了生成 AI (GenAI) 技术的重大进步，并激发了对 AI 开发的强烈兴趣。自主代理 是 AI 进化的最新成果，企业继续增加对 AI 开发的投资。</p>
<p>Sridhar 说：“新的集成……源于明确的技术和市场需求。随着企业数据集的指数增长，GPU 加速对于保持生产力和控制成本至关重要。因此，尽管客户确实在推动更快的性能，但这一合作关系主要源于 Snowflake 的长期愿景，即使每个企业通过数据和 AI 实现其全部潜力。”</p>
<p>根据 Sridhar 的说法，处理时间从小时减少到分钟，Snowflake 用户可以通过新的集成加速 AI 和 ML 工作流，同时保留现有代码。</p>
<p>Sridhar 说：“这意味着团队可以专注于构建模型和发现洞察，而不是管理复杂的基础设施。”</p>
<p>与此同时，Snowflake 与 Nvidia 的新集成的原生特性是独特的，Catanzano 指出。他还提到，许多供应商都有 Nvidia 的集成，但通过将 CUDA-X 库嵌入到 Snowflake ML 中，并消除为使库与 Snowflake 工具协同工作而需要更改代码的需求，这一集成可能成为 Snowflake 的一个差异化因素。</p>
<p>Catanzano 说：“这不是追赶，而是创新。”</p>
<p>Ni 同样指出，虽然其他供应商提供 GPU 加速能力，但 Snowflake 与 Nvidia 的集成在简化 AI 和 ML 开发 的方式上是独特的，因为它消除了繁琐的代码重写。</p>
<p>他说：“这是一次战略性的追赶，但有其独特之处。其他人已经拥有 GPU 加速，但 Snowflake …… 正在将 CUDA-X 直接接入其 AI 数据云，以操作简单性提供 GPU 加速。”</p>
<p>Snowflake 原生添加 Nvidia 的 CUDA-X 库是该供应商最新的举措，旨在更好地帮助客户构建 AI 工具和其他高级应用。</p>
<p>在 ChatGPT 发布后，Snowflake 对人工智能激增的兴趣反应较慢，落后于其他供应商，包括竞争对手 Databricks 以及科技巨头 AWS、Google Cloud 和 Microsoft。该供应商在 2023 年 推出了一些功能，发布了 Snowflake ML，作为其 Snowpark 容器服务环境的一部分用于人工智能开发，但这些功能并不广泛。</p>
<p>然而，自从 Sridhar Ramaswamy 在 2024 年 2 月 被任命为首席执行官 以来，Snowflake 已将人工智能开发作为优先事项。随着 6 月推出一系列新功能以及 本月早些时候推出的许多功能，Snowflake满足了客户的需求，并提供了与竞争对手更为一致的人工智能开发能力，Ni 表示。</p>
<p>他表示：“在过去一年中，Snowflake 翻转了局面。它从在人工智能领域采取防守转向以统一的人工智能数据云采取进攻。通过将 Nvidia 的 CUDA-X 堆栈直接接入 Snowflake ML，并消除基础设施工作或代码重写，Snowflake 已经从 ‘迟到的参与者’ 变成了真正的竞争者。”</p>
<p>Catanzano 还指出，Snowflake 的人工智能开发能力持续改善，新集成进一步推动了该供应商的演变。</p>
<p>他说：“Snowflake 在其人工智能能力方面似乎取得了实质性进展。”</p>
<h2>下一步</h2>
<p>展望未来，使用户能够快速轻松地 构建人工智能工具 仍然是 Snowflake 的主要产品开发计划，Sridhar 表示。</p>
<p>他说：“Snowflake 正在继续使团队在数据所在的位置更容易、更快速地构建和使用人工智能。我们的重点是通过人工智能原生集成来加深对客户的支持，从而简化数据和人工智能工作流在其人工智能数据云中的连接方式。”</p>
<p>根据 Ni 的说法，一个可以显著帮助 Snowflake 客户开发有效人工智能工具的功能是强大的语义层。语义层是治理工具，使组织能够定义其数据，以使其一致且可发现。Snowflake 现在与 Salesforce 及其他众多供应商一起，成为 一个开发语义建模标准的联盟，简化了这一过程。</p>
<p>Ni 表示：“Snowflake 的下一步应该是加强其治理的人工智能数据云之上的语义层和应用层。随着 GPU 加速的机器学习现在直接在 Snowflake ML 中运行，逻辑上的下一步是帮助客户将这种性能转化为可重复的、决策就绪的工作流。”</p>
<p>与此同时，Catanzano 建议 Snowflake 不仅要与 Nvidia 的数据科学库集成，还要增加与其他供应商的 人工智能框架 的集成，以及其他可能的方式，以更好地满足用户的需求。</p>
<p>他说：“Snowflake 可以继续扩展其 GPU 加速库生态系统，以包括其他专业的人工智能框架。[此外]，它可以开发更多自动化的人工智能模型优化工具，或创建行业特定的人工智能模板，利用 GPU 能力吸引需要高性能人工智能处理的特定领域用例的用户。”</p>
<p><em>Eric Avidon 是 Informa TechTarget 的高级新闻撰稿人，拥有超过 25 年的经验。他报道分析和数据管理领域的新闻。</em></p>

SNOW

<p>Snowflake 已将 Nvidia 的 CUDA-X 数据科学库集成到其 Snowflake ML 平台中，以增强人工智能和机器学习工作负载。这一集成旨在通过利用 GPU 实现更快的处理，从而提高性能并简化开发。分析师强调这一举措对 Snowflake 用户的重要性，使其能够获得更好的性能和操作简便性。该集成解决了随着企业数据集扩展而日益增长的高效人工智能和机器学习开发的需求。Snowflake 与 Nvidia 的合作被视为一种战略创新，使其在市场上与其他供应商区分开来</p>

<p>Snowflake added new tools for developers building AI agents and other business applications.</p>
<div class="lb-trans"><p>Snowflake 为开发者构建 AI 代理和其他商业应用添加了新工具。</p>
</div><p>The data cloud vendor on Nov. 18 unveiled a native integration with Nvidia that embeds Nvidia's CUDA-X data science libraries in Snowflake ML (machine learning). CUDA-X is a series of data science toolkits featuring  GPUs built on top of Nvidia's CUDA platform for parallel processing. It is designed to increase the performance of AI, ML and other advanced applications.</p>
<div class="lb-trans"><p>这家数据云供应商于 11 月 18 日推出了与 Nvidia 的原生集成，将 Nvidia 的 CUDA-X 数据科学 库嵌入到 Snowflake ML（机器学习）中。CUDA-X 是一系列数据科学工具包，基于 Nvidia 的 CUDA 平台构建，支持并行处理的 GPU。它旨在提高 AI、ML 和其他高级应用的性能。</p>
</div><p>By pre-installing templates that feature GPUs working in conjunction with CPUs, integration between Snowflake and Nvidia is intended to speed up and simplify developing AI and ML models in Snowflake ML.</p>
<div class="lb-trans"><p>通过预安装与 CPU 协同工作的 GPU 模板，Snowflake 与 Nvidia 之间的集成旨在加速和简化在 Snowflake ML 中开发 AI 和 ML 模型的过程。</p>
</div><h2>Need for speed</h2>
<div class="lb-trans"><h2>速度的需求</h2>
</div><p>AI applications, such as agents, require far more high-quality data to be accurate than traditional analytics products such as reports and dashboards. As a result, the datasets now used to inform the tools driving business decisions are significantly larger than in the past.</p>
<div class="lb-trans"><p>AI 应用程序，如代理，所需的 高质量数据 比传统分析产品（如报告和仪表板）要多得多，以确保准确性。因此，现在用于指导商业决策的工具的数据集显著大于过去。</p>
</div><p>To process such large datasets, GPUs -- which have greater processing power than CPUs -- are used to exponentially accelerate workloads. As a result, Snowflake's native integration with Nvidia's CUDA-X libraries is a valuable addition for developers building AI tools and other advanced applications, according to Stephen Catanzano, an analyst at Informa TechTarget's Omdia.</p>
<div class="lb-trans"><p>为了处理如此庞大的数据集，使用处理能力大于 CPU 的 GPU 来指数级加速工作负载。因此，Snowflake 与 Nvidia 的 CUDA-X 库的原生集成对于构建 AI 工具和其他高级应用的开发者来说是一个宝贵的补充，Informa TechTarget 的 Omdia 分析师 Stephen Catanzano 表示。</p>
</div><p>&#34;This integration is highly important for Snowflake users as it enables them to achieve better performance improvements,&#34; he said. &#34;This allows data scientists to tackle computationally demanding tasks like large-scale topic modeling and computational genomics that previously would have taken hours on CPUs but can now be completed in minutes on GPUs.&#34;</p>
<div class="lb-trans"><p>他说：“这一集成对 Snowflake 用户至关重要，因为它使他们能够实现更好的性能提升。这样，数据科学家可以处理计算要求高的任务，如大规模主题建模和计算基因组学，这些任务在 CPU 上可能需要数小时，但现在可以在 GPU 上在几分钟内完成。”</p>
</div><blockquote>
<p>This allows data scientists to tackle computationally demanding tasks like large-scale topic modeling and computational genomics that previously would have taken hours on CPUs but can now be completed in minutes on GPUs. <strong>Stephen Catanzano</strong> Analyst, Omdia</p>
</blockquote>
<div class="lb-trans"><blockquote>
<p>这使数据科学家能够处理计算要求高的任务，如大规模主题建模和计算基因组学，这些任务在 CPU 上可能需要数小时，但现在可以在 GPU 上在几分钟内完成。<strong>Stephen Catanzano</strong> Omdia 分析师</p>
</blockquote>
</div><p>Michael Ni, an analyst at Constellation Research, similarly called the integration &#34;significant&#34; for Snowflake users given the increased development speed it enables.</p>
<div class="lb-trans"><p>Constellation Research 的分析师 Michael Ni 同样称这一集成为 Snowflake 用户带来了 “重要” 的影响，因为它提高了开发速度。</p>
</div><p>&#34;It brings GPU-class acceleration into the governed Snowflake execution environment, eliminating the handoffs that would slow ML teams down,&#34; he said. &#34;This fills out Snowflake's offering from 'warehouse plus ML' to 'warehouse-plus-GPU compute-plus-ML platform,' joining others in the market in consolidating the data and AI platform market.&#34;</p>
<div class="lb-trans"><p>他说：“它将 GPU 级加速引入了受管控的 Snowflake 执行环境，消除了会拖慢 ML 团队的交接。这使得 Snowflake 的产品从 ‘仓库加 ML’ 扩展到 ‘仓库加 GPU 计算加 ML 平台’，与市场上的其他产品一起巩固了数据和 AI 平台市场。”</p>
</div><p>Vinay Sridhar, a product lead for AI and ML at Snowflake, noted that customers were pushing for tools that improve the performance of large-scale ML workloads. Although Snowflake was aware of customer feedback, the new integration with Nvidia was primarily motivated by the growing need for better workload performance as AI and ML development continue to rise.</p>
<div class="lb-trans"><p>Snowflake 的 AI 和 ML 产品负责人 Vinay Sridhar 指出，客户一直在推动改进大规模 ML 工作负载性能的工具。尽管 Snowflake 知道客户的反馈，但与 Nvidia 的新集成主要是出于对更好工作负载性能的日益需求，因为 AI 和 ML 开发持续上升。</p>
</div><p>OpenAI's November 2022 launch of ChatGPT represented substantial improvement in generative AI (GenAI) technology and sparked surging interest in AI development. Autonomous agents mark the latest in AI evolution, and enterprises continue increasing their investments in AI development.</p>
<div class="lb-trans"><p>OpenAI 于 2022 年 11 月推出的 ChatGPT 代表了生成 AI (GenAI) 技术的重大进步，并激发了对 AI 开发的强烈兴趣。自主代理 是 AI 进化的最新成果，企业继续增加对 AI 开发的投资。</p>
</div><p>&#34;The new integration … stems from a clear technical and market need,&#34; Sridhar said. &#34;As enterprise datasets grow exponentially, GPU acceleration is essential to maintain productivity and control costs. So, while customers were certainly pushing for faster performance, this partnership primarily evolved from Snowflake's long-term vision to enable every enterprise to achieve its full potential through data and AI.&#34;</p>
<div class="lb-trans"><p>Sridhar 说：“新的集成……源于明确的技术和市场需求。随着企业数据集的指数增长，GPU 加速对于保持生产力和控制成本至关重要。因此，尽管客户确实在推动更快的性能，但这一合作关系主要源于 Snowflake 的长期愿景，即使每个企业通过数据和 AI 实现其全部潜力。”</p>
</div><p>With processing times decreasing from hours to minutes -- according to Sridhar -- Snowflake users can accelerate AI and ML workflows through the new integration while preserving existing code.</p>
<div class="lb-trans"><p>根据 Sridhar 的说法，处理时间从小时减少到分钟，Snowflake 用户可以通过新的集成加速 AI 和 ML 工作流，同时保留现有代码。</p>
</div><p>&#34;This means teams can focus on building models and uncovering insights instead of managing complex infrastructure,&#34; Sridhar said.</p>
<div class="lb-trans"><p>Sridhar 说：“这意味着团队可以专注于构建模型和发现洞察，而不是管理复杂的基础设施。”</p>
</div><p>The native nature of Snowflake's new integration with Nvidia, meanwhile, is unique, according to Catanzano. He also noted that many vendors have Nvidia integrations, but by embedding CUDA-X libraries within Snowflake ML and eliminating the need to change code for the libraries to work in conjunction with Snowflake tools, the integration is a potential differentiator for Snowflake.</p>
<div class="lb-trans"><p>与此同时，Snowflake 与 Nvidia 的新集成的原生特性是独特的，Catanzano 指出。他还提到，许多供应商都有 Nvidia 的集成，但通过将 CUDA-X 库嵌入到 Snowflake ML 中，并消除为使库与 Snowflake 工具协同工作而需要更改代码的需求，这一集成可能成为 Snowflake 的一个差异化因素。</p>
</div><p>&#34;This is not catching up, but innovating,&#34; Catanzano said.</p>
<div class="lb-trans"><p>Catanzano 说：“这不是追赶，而是创新。”</p>
</div><p>Ni likewise pointed out that while other vendors provide GPU acceleration capabilities, Snowflake's integration with Nvidia is unique in the way it simplifies AI and ML development by eliminating cumbersome coding rewrites.</p>
<div class="lb-trans"><p>Ni 同样指出，虽然其他供应商提供 GPU 加速能力，但 Snowflake 与 Nvidia 的集成在简化 AI 和 ML 开发 的方式上是独特的，因为它消除了繁琐的代码重写。</p>
</div><p>&#34;This is a strategic catch-up with a twist,&#34; he said. &#34;Others have had GPU acceleration, but Snowflake … is wiring CUDA-X directly into its AI Data Cloud, delivering GPU acceleration with operational simplicity.&#34;</p>
<div class="lb-trans"><p>他说：“这是一次战略性的追赶，但有其独特之处。其他人已经拥有 GPU 加速，但 Snowflake …… 正在将 CUDA-X 直接接入其 AI 数据云，以操作简单性提供 GPU 加速。”</p>
</div><p>Snowflake's native addition of Nvidia's CUDA-X libraries is the vendor's latest move to better enable customers to build AI tools and other advanced applications.</p>
<div class="lb-trans"><p>Snowflake 原生添加 Nvidia 的 CUDA-X 库是该供应商最新的举措，旨在更好地帮助客户构建 AI 工具和其他高级应用。</p>
</div><p>Snowflake was slower than other vendors -- including rival Databricks and tech giants AWS, Google Cloud and Microsoft -- to react to exploding interest in AI following ChatGPT's launch. The vendor introduced some capabilities in 2023, releasing Snowflake ML as part of its Snowpark Container Services environment for AI development, but these capabilities were not extensive.</p>
<div class="lb-trans"><p>在 ChatGPT 发布后，Snowflake 对人工智能激增的兴趣反应较慢，落后于其他供应商，包括竞争对手 Databricks 以及科技巨头 AWS、Google Cloud 和 Microsoft。该供应商在 2023 年 推出了一些功能，发布了 Snowflake ML，作为其 Snowpark 容器服务环境的一部分用于人工智能开发，但这些功能并不广泛。</p>
</div><p>However, since Sridhar Ramaswamy was named CEO in Feb. 2024, Snowflake has made AI development a priority. With the introduction of a spate of features in June and the launch of many of them earlier this month, Snowflake meets the needs of its customers and provides AI development capabilities more in line with those of its competitors, according to Ni.</p>
<div class="lb-trans"><p>然而，自从 Sridhar Ramaswamy 在 2024 年 2 月 被任命为首席执行官 以来，Snowflake 已将人工智能开发作为优先事项。随着 6 月推出一系列新功能以及 本月早些时候推出的许多功能，Snowflake满足了客户的需求，并提供了与竞争对手更为一致的人工智能开发能力，Ni 表示。</p>
</div><p>&#34;Snowflake has flipped the script over the last year,&#34; he said. &#34;It went from playing defense on AI to taking the offensive with a unified AI Data Cloud. By wiring Nvidia's CUDA-X stack directly into Snowflake ML and eliminating infrastructure work or code rewrites, Snowflake has moved from ‘late to the game’ to a real contender.&#34;</p>
<div class="lb-trans"><p>他表示：“在过去一年中，Snowflake 翻转了局面。它从在人工智能领域采取防守转向以统一的人工智能数据云采取进攻。通过将 Nvidia 的 CUDA-X 堆栈直接接入 Snowflake ML，并消除基础设施工作或代码重写，Snowflake 已经从 ‘迟到的参与者’ 变成了真正的竞争者。”</p>
</div><p>Catanzano also noted that Snowflake's AI development capabilities continue to improve, with the new integration furthering the vendor's evolution.</p>
<div class="lb-trans"><p>Catanzano 还指出，Snowflake 的人工智能开发能力持续改善，新集成进一步推动了该供应商的演变。</p>
</div><p>&#34;Snowflake appears to be making substantial progress in its AI capabilities,&#34; he said.</p>
<div class="lb-trans"><p>他说：“Snowflake 在其人工智能能力方面似乎取得了实质性进展。”</p>
</div><h2>Next steps</h2>
<div class="lb-trans"><h2>下一步</h2>
</div><p>Looking ahead, enabling users to quickly and easily build AI tools remains Snowflake's primary product development plan, according to Sridhar.</p>
<div class="lb-trans"><p>展望未来，使用户能够快速轻松地 构建人工智能工具 仍然是 Snowflake 的主要产品开发计划，Sridhar 表示。</p>
</div><p>&#34;Snowflake is continuing to make it easier and faster for teams to build and use AI directly where their data lives,&#34; he said. &#34;Our focus is on deepening support for our customers through AI-native integrations that simplify how data and AI workflows connect across their AI Data Cloud.&#34;</p>
<div class="lb-trans"><p>他说：“Snowflake 正在继续使团队在数据所在的位置更容易、更快速地构建和使用人工智能。我们的重点是通过人工智能原生集成来加深对客户的支持，从而简化数据和人工智能工作流在其人工智能数据云中的连接方式。”</p>
</div><p>One feature that could significantly help Snowflake customers develop effective AI tools is a strong semantic layer, according to Ni. Semantic layers are governance tools that enable organizations to define their data to make it consistent and discoverable. Snowflake, in conjunction with Salesforce and a host of other vendors, is now part of a consortium developing a semantic modeling standard that simplifies the process.</p>
<div class="lb-trans"><p>根据 Ni 的说法，一个可以显著帮助 Snowflake 客户开发有效人工智能工具的功能是强大的语义层。语义层是治理工具，使组织能够定义其数据，以使其一致且可发现。Snowflake 现在与 Salesforce 及其他众多供应商一起，成为 一个开发语义建模标准的联盟，简化了这一过程。</p>
</div><p>&#34;Snowflake's next step should be to strengthen the semantic and application layers that sit on top of its governed AI Data Cloud,&#34; Ni said. &#34;With GPU-accelerated ML now running directly in Snowflake ML, the logical next step is to help customers turn that performance into repeatable, decision-ready workflows.&#34;</p>
<div class="lb-trans"><p>Ni 表示：“Snowflake 的下一步应该是加强其治理的人工智能数据云之上的语义层和应用层。随着 GPU 加速的机器学习现在直接在 Snowflake ML 中运行，逻辑上的下一步是帮助客户将这种性能转化为可重复的、决策就绪的工作流。”</p>
</div><p>Catanzano, meanwhile, suggested that Snowflake not only integrate with Nvidia's data science libraries, but add integrations with AI frameworks from other vendors as well, among other possible ways the vendor could do more to serve the needs of its users.</p>
<div class="lb-trans"><p>与此同时，Catanzano 建议 Snowflake 不仅要与 Nvidia 的数据科学库集成，还要增加与其他供应商的 人工智能框架 的集成，以及其他可能的方式，以更好地满足用户的需求。</p>
</div><p>&#34;Snowflake could continue expanding its GPU-accelerated library ecosystem to include other specialized AI frameworks,&#34; he said. &#34;[In addition], it could develop more automated AI model optimization tools or create industry-specific AI templates that leverage GPU capabilities to attract users who need high-performance AI processing for domain-specific use cases.&#34;</p>
<div class="lb-trans"><p>他说：“Snowflake 可以继续扩展其 GPU 加速库生态系统，以包括其他专业的人工智能框架。[此外]，它可以开发更多自动化的人工智能模型优化工具，或创建行业特定的人工智能模板，利用 GPU 能力吸引需要高性能人工智能处理的特定领域用例的用户。”</p>
</div><p><em>Eric Avidon is a senior news writer for Informa TechTarget and a journalist with more than 25 years of experience. He covers analytics and data management.</em></p>
<div class="lb-trans"><p><em>Eric Avidon 是 Informa TechTarget 的高级新闻撰稿人，拥有超过 25 年的经验。他报道分析和数据管理领域的新闻。</em></p>
</div>

Snowflake 与 Nvidia 合作以加速人工智能和机器学习的工作负载