Transcription
嗨，听众朋友们，欢迎回到 No Priors。今天我在这里和 Street Ramaswami 一起，[音乐] 他是 Snowflake 的首席执行官，Neva 的前创始人，以及 Google Ads 的高级副总裁。我们将讨论他作为首席执行官的[音乐]前 18 个月，在此期间公司在规模化上实现了令人难以置信的执行力，成功转型为以人工智能为先的公司，企业投资回报率在哪里，以及在人工智能时代，云服务提供商[音乐]和广告模式会发生什么。欢迎 >> Sarah。非常高兴能回来。>> 嗯，很高兴能以老朋友和同事的身份与您交谈。我们上次交谈时，您还在创业的旅程中。>> 是的。还在做搜索。您现在已经担任 Snowflake 首席执行官 18 个月了。这 18 个月[清嗓子]非常不平凡。>> 讲讲您从 Frank 手中接过重任，到最初几个月，再到你们今天所处的位置的这段旅程吧。我认为市场在很多方面都做出了反应。是的。嗯，最近对执行力的反应非常好，但这确实是一段旅程。>> 是的。是的。Snowflake 一直是一家了不起的产品公司。Benoan Theory 十多年前构思的最初产品，比当时的时机超前很多年，并席卷了全球。现在，他们显然有了那个时期最大的软件 IPO。我认为发生的事情是，公司在应对机器学习和人工智能等变化方面反应有点慢，坦白说，这也是 Frank 自愿推动变革的原因，因为他预见到我们将进入一个产品方面更加动荡的时代，他希望由一个产品至上的人来领导公司，而过去 18 个月确实是拥抱这一变革浪潮的时期。如果您回顾过去两年发生的事情，人工智能的普及程度令人难以置信，它已经成为我们生活中无处不在的日常事物，以及事物仍在以何种速度发展。我认为 Snowflake 真正令人惊叹之处在于，公司拥抱了这种变革，实现了自身的转型，并表明我们不仅能在产品方面做到这一点（这是可以预期的），而且我们在重新打造营销、整体上市策略方面也取得了显著成就。我认为这场转型令人惊叹。但您知道，有时会很艰难，去年有很多怀疑者，但也有很多人相信 Snowflake 已经创造的价值，我之所以接受这份工作，是因为在成为首席执行官之前，我与许多客户进行了交谈，他们都非常喜欢 Snowflake，这对我是个很大的动力。所以，我认为我们已经成功地度过了那个时期，现在正处于企业数据和人工智能的最前沿。这是一段令人惊叹的旅程。>> 给我讲讲您在前六个月的入职和优先事项，然后，您能多谈谈这里的长期愿景吗？是的，前六个月进行了大量的战术调整，主要围绕问责制。就像每个公司经历高速增长阶段一样，年增长率超过 100%>> Snowflake 基本上在每个层面都进行了专业化，工程师开发一个功能，到客户使用该功能之间有很长的距离，涉及七到十层团队。当您拥有完美的产品市场契合度并试图优化每个功能时，这就可以了。>> 您只是赢得了云数据仓库。>> 是的。穿过那条路。>> 但另一方面，如果您在人工智能领域工作，我们几乎无法预测下个月会发生什么，更不用说明年了。这种结构是不合适的。所以我们进行了很多按不同领域组织的调整。确保有负责任的人。例如，在产品工程方面，这是最早的变革之一。组织成不同的产品领域，如人工智能或核心数据仓库分析产品。嗯，但我们也希望与我们的上市团队建立一条直线。因此，我们创建了这些专业团队，他们与产品、工程和营销紧密合作，将这些新产品推向市场，这是 Snowflake 早期的很大一部分工作，重点是更快的迭代。这是我一生都坚信的，那就是速度决定一切。迭代能力始终胜过精心制定的战略。是的，您不应该做愚蠢的事情，但另一方面，认识到任何收益都需要大量的迭代。所以我们在这方面进行了一些改变，包括我们创建产品的速度，以及我们与客户迭代的速度。我想说，我们也花了一些时间来找到我们在人工智能领域的最佳定位，因为您知道它本身也发生了很大变化。我们不是 CSP，我们也不是基础模型实验室，那我们是什么呢？我们发现了自己是人工智能数据云，而不是数据云。我认为，正是这种对我们所提供的价值的清晰产品洞察，为今年早些时候或我们今天将要谈论的内容奠定了基础。>> 您现在正在宣布 Snowflake Intelligence。嗯，请告诉我们关于它的信息，以及它如何融入更广泛的愿景。>> 我想说，首先，关于人工智能，正如我所说，我们不得不认真审视自己。去年年初，我们确实走上了创建基础模型的道路。我们创建了一个可信的模型。这是去年年初，但我们也很快意识到，与 OpenAI 或 Anthropic 等公司竞争将非常困难。我们根本没有足够的资本来有意义地投资于这类事物。所以我们从那里转向了更多地关注人工智能如何极大地加速 Snowflake 中数据的处理能力，随着时间的推移，这可以成为将更多数据引入 Snowflake 的原因，而这正是我们现在所处的阶段。但我们的大部分人工智能产品战略实际上相当谦逊，它并没有说我们要重新思考一切，而是说大量的客户，你知道，地球上近一半的合格财富 2000 强公司都是 Snowflake 的客户。他们最宝贵的数据都在 Snowflake 上。人工智能对这些意味着什么？因此，我们系统地投资于各种组件，无论是搜索还是文本到 SQL，这些都为人们已经用 Snowflake 做的项目增加了价值。而 SI 是一个代理平台，但它实际上是一个有主见的代理平台。例如，来自 CSP 的许多代理平台会说，哦，您可以从任何地方引入数据。您可以想象任何您想做的流程，而一个代理将统治一切，这在理论上很好，但实际上，当您有无限的可能性时，也很难弄清楚您应该做什么。Snowflake Intelligence 非常专注于如何更快地从结构化或非结构化数据中创造价值。所以，让我们感到非常兴奋的用例，坦白说，是内部用例，比如如果我们把我们在销售中使用的所有不同的仪表板整合到一个单一的界面中，那会是什么样子？我们已经做了两三个版本，但最终它形成了我们称之为 Raven 的内部产品，但它基本上是销售数据助手。然后我们开始与早期客户合作，无论是 Cisco、Fanatics 还是美国雪橇队，来弄清楚这对他们意味着什么。主题再次是摆脱仪表板的僵化。仪表板是复杂表面的二维视图。>> 它无法轻易回答我们任何人都会提出的许多问题。所以我们想创造一些能让人们摆脱二维思维方式的东西，让人们更容易获得访问权限，但也知道自己的位置。这不是一个通用的代理平台，可以做所有事情。这是一个代理平台，可以让人们更快地从数据中获得价值，并且是人们快速有意义地从数据中获得价值的绝佳基础。我认为拥有这样一个有主见的框架来处理人工智能对我们非常有帮助。用户如何消费 Snowflake Intelligence？是像我问一个问题，然后得到一个答案，它为我构建仪表板，就像我应该想象的那种体验吗？>> 是的。所以，我们应该向您展示一个 Snowflake Intelligence 的演示。但是，是的，它是一个交互式界面。您可以提问。有一系列预设问题，以确保您在提问时不会卡住。您可以问它，“嘿，您能访问哪些数据集？您能回答哪些问题？”它会做得相当不错。我们的愿望是让公司里的每个员工都使用这个产品。>> 所以它不是给会写 SQL 的人用的。>> 它不是给会写 SQL 的人用的。我们希望它成为每个人日常使用的产品。>> 我不会有任何客户会议，而不快速查看这位客户的最新情况。所以，我提到的 Raven，我们的销售数据助手，绝对包含客户关系、他们签署了什么合同、他们的消费情况如何，以及我们最近与他们的谈话内容、从中得出了什么、是否有任何悬而未决的问题。所以，这有很多方面，而且像许多好的产品一样，它具有广度，为公司内的许多人带来了价值。但另一方面，我们并不声称它是一个 BI 仪表板。>> 您可以通过 Tableau 或 Sigma 做的事情比通过 SI 做的事情要多。但这并非目标，因为这个产品还允许您做一些在仪表板中不容易做到的事情，并且真正面向任何业务用户。我们在所有人工智能产品中都非常信任，并且非常重视信任。意思是，我告诉人们，我们需要像对待软件工程一样看待人工智能，有对有错。好的。>> 它不能是“YOLO AI”的那种模式。您可以得到一些好的答案，一些糟糕的答案。这是您的问题。因此，我们非常强调您需要对您将要推出的每一个新事物进行评估。如果您想更改底层模型，您需要能够快速验证您没有搞砸您已经做的事情。因此，我们希望它成为每个员工值得信赖的产品，这实际上对我们来说是一件新事，因为 Snowflake 在其几乎所有的历史中，一直由数据团队使用，然后在上面添加一个仪表板，然后暴露给最终用户。这是一个非常不同的模式。这就是为什么我们正在研究身份提供商集成等内容，这样您就不必为公司中将要使用的许多用户中的每一个都设置 Snowflake 帐户。我们还面临订阅疲劳，因此 Snowflake Intelligence 非常注重消费产品。人们为他们消费的东西付费，我们正在尝试各种方法，以实现广泛而深入的采用，而不会让人们担心失控的成本等问题。您描述的 Raven 或销售助手代理用例，听起来像一个应用程序，或者像我收到的许多应用程序的推销，您如何区分数据和代理系统以及应用程序？>> 回到我关于执行力的观点，我倾向于对最强的电流在哪里完全不带感情。另一方面，如果我们认为我们是 SAP 或 Salesforce，那真是荒谬。我们不是。您知道，有人管理着一个拥有复杂软件供应商的价值千亿美元的供应链生态系统，他们不会说，“嘿，我将使用 SI，我不需要那个。”那真的不是目标。但另一方面，我认为像这样的代理系统和纯粹的软件之间的界限将绝对会变得模糊。我可以想象很多简单的用例，比如我的销售团队必须经常更新 Salesforce，您知道，因为我们强迫他们在每次用例转换等事情发生时进行更新。这可以通过 API 完成吗？绝对可以。您应该能够通过我们的 HR 代理在 Workday 上申请休假吗？我认为这是合乎情理的。因此，我们非常采取这种机会主义的方法，但再次强调，要从价值和优势的角度出发，而不仅仅是赤裸裸的野心，因为我认为那行不通。但另一方面，如果您专注于如何创造价值，用户真正想要什么？我认为这往往更持久。所以您描述了您在组织中非常迅速地执行了许多变革，对吗？两者都>> 总是感觉太慢了。>> 是的。我一直觉得您很不耐烦，但对于规模来说，这似乎相当快。您是如何做的？您在领导方面采取了哪些战术措施，以加快速度或向内部传达新方向并让人们参与进来，因为您知道，这是一个比以前更广泛、更不同的 Snowflake 愿景。>> 变革是困难的。您必须承认这一点，而且要推动许多人的行为改变是极其困难的。我们衡量了我们推出变革的方式。例如，最早的变革之一是领导层和协调层面的调整以及更清晰的问责制。这在几个季度内就完成了，因为您处理的人不多。是的，您将团队组织在他们之下。但我想说，我们后来称之为战时状态或产品和工程以及我们的上市职能部门的团队模式将协同工作。这又是早期的一项变革，而且是通过少数人完成的，而不必打扰很多人。我想说，其他事情，例如向我们的工程师推出编码代理，那是一个项目>> 不是每个人都想这样做。有些人持怀疑态度，有些人则不然。我非常赞成结合自下而上和自上而下的方法。编码代理的例子是，我们出色的创始人 Benoa，他爱上了编码代理，他比我说的任何话都更能推动工程师采用编码代理。>> 您必须找到合适的人，找到支持者。我的观点是，每个大型组织都有这些具有前瞻性、好奇心、我将在周末工作来弄清楚如何做某事的人。嗯。>> 您需要找到他们，鼓励他们，提升他们，并利用这一点来推动变革。自上而下的变革可能很有帮助，但它确实需要从自下而上的角度出发。我们已经向我们所有的解决方案工程师推出了编码代理，他们对此感到兴奋，因为这极大地缩短了创建演示的时间。通常我们的演示是固定的，而且并不总是可以针对特定客户进行定制。但是，我们现在可以做到，比如我们知道 Elad 和 Sarah 的播客可能拥有什么样的数据，让我们为他们创建一个演示，使用合成数据集。我认为这就是我们获得的能力。变革是困难的>> 当我和您第一次见面并一起工作时，您当时是一名投资者，然后您是一名企业家。>> 这两种角色是否改变了您作为大规模领导者或首席执行官的方式？>> 我认为这些东西是累积的。它们以您不总是欣赏或喜欢的方式添加，当时或现在。就是这样。我总是抱怨我的家人，我花了十年时间做研究并获得博士学位。我当时觉得那是在浪费时间，但实际上并非如此。例如，获得博士学位可以教会您专注于想法，教会您如何清晰地传达它们。您经常花费大量时间撰写摘要，但实际上，能够以简单的方式传达想法非常强大。NEA 是我生命中最艰难、最令人心碎的经历之一。就是这样。有时您太早了。但另一方面，我可能从中学到了更多关于拼搏、不把成功视为理所当然的东西。我学到了更多关于社交、营销或您在 Google 时会认为理所当然的任何其他东西。在 Google，无论您做什么，我第一次在 Google 的发布，完全是我三个月的工作，一个人，好的。>> 被《纽约时报》报道了。>> 好的。是的。>> 所以您对任何事情都有即时规模。>> 是的。分发，您的想法，您的产品。>> 做一家初创公司，您会意识到这确实很特别。所以，我认为，当涉及到需要拼搏什么，需要获胜什么时，我带来了很多这方面的经验。老实说，我认为 Google 和 NEA 的经历都让我对我的工作更加感激。我们之前谈过您必须处理很多您不想处理的事情，当涉及到做您喜欢的大事时。>> 我对此更加宽容。>> 因为这真的是一种荣幸。能够身处 Snowflake 这样的地方，能够产生我们所产生的影响。我记得您在峰会后告诉我，您说的话大致是“感谢您邀请我参加您的摇滚音乐会”。在纽约的 Jabit 中心，人们排起了两条街的队伍，等着进入参加我们举办的这个小会议。我更加感激[笑声]这样的事情。没有什么普通之处。您可能是世界上游戏理论和与科技巨头博弈策略的专家，因为您领导过巨头，与巨头搏斗过，现在您又在巨头之上建立了东西，对吗？所以，我认为这个类比在某个时候会失效，但就构建 Snowflake 在云服务提供商上的经验而言，无论是对您今天，还是对任何在基础模型上构建的人来说，您是如何看待的？创造持久价值的框架是什么？我认为产品市场契合度仍然是神奇的。>> 是 Snowflake 存在的原因。想想看。三大超大规模云服务商希望完全掌控数据领域。>> 是的。>> 就像他们掌控其他任何领域一样。>> 是的。>> 但仍然有 Snowflake，有 Databricks。所以这种救赎价值非常独特。我们都应该对创造这种“瓶中闪电”的难度保持谦虚。话虽如此，我认为模型公司，尤其是 OpenAI，非常有趣，因为它们正处于增长阶段，它们真的就像，它们认为自己什么都不能不做。>> 是的。是的。我开玩笑说，这些就像还没有遇到海洋的帝国。所以，我认为您确实需要关注它们眼前的路径。例如，我认为编码代理从这个角度来看特别有趣，因为很明显，Anthropic 和 OpenAI>> 都将专注于拥有最好的一个。所以，我认为思考这些公司的可能轨迹，以及它们是否真的有获胜的权利，或者它是否是某种足够不同的东西，以至于您不必担心。例如，Google 在信息方面停滞不前。天知道我花了足够多的时间试图进入实体领域，比如购物、机票预订或酒店。我们并没有真正成功，因为我们除了信息世界之外，在根本上并没有核心竞争力。我认为，发现 OpenAI 或 Anthropic 的这种界限将是令人着迷的，但我认为有很多领域可以合理地猜测它们将走向何方。我认为这是艰难的，如果例如您是一系列提示，在这些模型之上，这是一个有问题领域，您需要添加价值。我也一直在思考，是什么让我们与这些模型公司区分开来，以及它们可能感兴趣的领域。我们如何确保我们与我们所添加的东西保持距离，以及我们与这些人合作创造的产品中的紧迫性和变革，都将我们引向数据平台作为一个持久的类别。但这也是一个时期，字面上没有一家软件公司可以对其在阳光下的地位感到安全。而且，我认为这可能与我刚才说的任何事情一样重要。>> 您是否有“我们需要继续赢得它”的这种导向？>> 我们需要继续赢得它。如果我们从 CSP 那里学到了任何东西，那就是它们拥有无限的预算，无限的耐心，除非您创新并保持领先，不仅仅是领先，而是保持领先，否则您就会成为英特尔。>> 我认为这是另一个非常有用的教训，供像 Snowflake 这样的公司在当前领域航行时记住。这与我非常契合，因为我正在考虑，您知道，我最喜欢的几家公司之一的创始人兼 CEO，现在是一家上市公司，我认为它坚不可摧，而 AI，我讨厌成为那个说“好吧，这改变了一切”的人，但他们多年来第一次感到受到威胁。我认为这在软件 CEO 中是很常见的经历。我认为，尤其是在技术环境如此不稳定的时候，防御能力是建立起来的，而不是战略规划出来的。>> 这是正确的。它每天都在建立。您必须不断前进。关于数据云的一个问题是，即使您没有 CSP 的预算，您也有能力制定多年的计划，您加入 Snowflake 是因为您看到了它不仅仅是数据云的愿景。作为一个技术人员，当您展望三到五年时，您期望人们如何看待 Snowflake，无论是在生态系统中，还是客户如何使用它？>> 我们的核心优势在于数据平台层。你知道，我有时在内部谈论为我们的客户提供从概念到洞察的服务，从数据首次被构思到有人获得反馈到系统的数据。事实上，我向我遇到的 CEO 或首席运营官做的推介是，本世纪伟大的公司，像 Google 或 Meta 这样的公司，比以往任何时候都更像是数据优先的公司，而不是纯粹的产品优先的公司。您制造汽车，然后进行一些仪表化，以确保它不会发生碰撞，或者维护记录是什么。甚至产品，想想看，如果您在 90 年代制造了 Adobe Photoshop 这样的产品，您会做一些研究，制造产品，然后将 CD 发送给各种人，然后等待一些反馈回来，数据总是像一个缓慢的后续。但是搜索广告，例如，是神奇的，因为人们与这些广告互动时的行为会影响到该系统发生的事情，几乎在几分钟之内。>> 嗯。>> 我的数据团队和产品团队一样庞大。我告诉客户的是，我们希望成为所有不同类型数据的伴侣。我们希望他们拥有 Google 和 Meta 那样的专业知识。因此，我们将人工智能视为这些事物的巨大加速器，因为突然之间，CEO 们现在意识到，这不仅仅是关于数据现代化。这不仅仅是关于我能够运行更多的查询，或者可能编写一个机器学习算法。这可能会影响我的业务运营方式。这可能会影响效率对我来说意味着什么。所以我认为这是我们从人工智能那里获得的顺风，因为数据的价值刚刚大大提升。这是我们的愿望，关于 CSP，我的观点是，像 Snowflake 这样的公司，它以数据为先，而不是以服务为先，并强调简单性和集成性，您可以在 Snowflake 上创建任意大的数据库，它将在公司内部完全可共享。它将完全可与您的合作伙伴共享。当我们谈论 Snowflake 中的人工智能时，它不是事后诸葛亮。它将与您之前设置的所有治理一起工作。我们认为这种集成方法将具有持久性，因为随着时间的推移，购买原始计算和存储并编写代码来解决问题的想法，它永远不会变得更容易。所以我们是一个更高层次的抽象。我加入 Snowflake 的主要论点是，一个跨 CSP 的数据平台，您必须赢得它，它有权像 CSP 本身一样大。所以，这大致就是我加入公司的原因。我们中长期的愿景是什么。正如我所说，我认为人工智能是关于如何更快地从数据中获取价值，或者如何更快地更好地采取行动的一个巨大加速器。>> 当您想到今天整体的数据格局时，有传统上存在于 Snowflake 中的数据，然后是您进行的投资和宣布的新合作伙伴关系。您能解释一下为什么 SAP 和您现在正在合作的其他合作伙伴吗？>> 是的，这是一个好问题。我认为，在一段时间内，Snowflake 对世界的看法是 Snowflake 为中心。很多人从 SAP>> 或 Workday 或 Salesforce 引入数据，但越来越多发生的是，所有这些公司都意识到这些数据非常有价值。它不完全是他们的数据，而是客户数据，但他们明白它很有价值。而且他们也明白，软件和服务之间，以及软件和数据之间的界限正在以一种非常有意义的方式变得模糊。我从 Google 在支付等领域工作中学到的一个品质，这完全是关于合作的，那就是合作心态。您如何选择一群人，并找出如何共同创造价值？最早奏效的地方之一是与微软的关系，这还不错，但也不是很好，因为他们与 Databricks 有一种关系，他们总是有些矛盾，是 Fabric 是答案，还是 Snowflake 是答案。当然，您知道 Satya 是如何建立成功的合作伙伴关系的。>> 所以我们从中吸取了教训，如何摆脱它们，以及如何根据需要进行调整。所以，我们已经与他们合作了几年。这既包括与 Fabric 等产品的集成，也包括公司如何协同工作。我认为我们现在比 18 个月前有了很大的进步，是的，我们认识到我们将与一些客户竞争，这没关系，我们将在其他客户那里进行合作，比如 Azure 加 Snowflake 是绝对正面的，这与我们与 AWS 的态度相同，我们正在与 GCP 建立类似的安排。>> 我认为软件提供商有所不同，正如我所说，他们明白世界正在变化。所以与 SAP 等公司合作，我们正在更认真地思考 1+1=3 是什么。与 SAP 合作，我认为这将是绝对双向的数据共享。>> 但是，我们能否在分析、人工智能和代理领域进行合作，并使人们更容易在 SAP 数据之上创建这些？我认为这也可以成为我们扩展到更多公司的杠杆点，因为您知道 SAP 在全球拥有令人难以置信的影响力。所以我认为这代表了我们对合作伙伴关系的思考正在成熟。我们绝对希望与少数其他关键人士一起这样做。这不是您可以与每家公司都做的事情，但我认为合作心态，共同创造价值，将使我们受益，并希望也为我们带来利润，从而产生更多业务。>> 我想以我经常收到的两个最常见的问题来结束，我认为您更有准备来回答。第一个是，您知道，我与每个企业客户交谈时，他们最先问的两个问题之一是，人工智能为我的业务带来的最高投资回报率的用例是什么？您经营着一家大公司，您服务于大公司，那么您的排名是什么？您认为人们应该如何解决这个问题？>> 每个公司现在都有一套技术人员。即使他们不是软件公司，他们也需要处理技术。嗯。>> 我想说，编码代理可能是最容易获得投资回报率的，就提高新项目的速度，使技术更容易理解，让更多人能够接触到它而言。正如我之前所说，我们是编码代理的大用户，我们正在开发将成为 Snowflake 一部分的编码代理，因为我们希望让人们更容易使用 Snowflake 本身。对别人有好处，对 Snowflake 也有好处。我认为，在客户支持等领域，这符合以下模式：这里有一个人类知识库，这里有一个备用方案，以防人工智能无法完成某项任务，加上人工智能模型能够轻松地利用语音和打字问题并生成答案的能力，这是一个有明确的投资回报率的领域，更快、更容易、更无缝地访问数据，尤其是当它与我不需要支付 50 美元/用户/月的许可证相结合时，这是另一个容易获得投资回报率的项目，这也是我们推出 Snowflake Intelligence 的部分动机，即实现数据访问的民主化。这些是投资回报率几乎有保证的领域。但另一种思考方式是，我认为过早地纠结于投资回报率对许多公司来说也是一个坏主意，因为您不希望您的第一步是 100 英尺。您想做很多小事情来证明价值。人们可以从使用 ChatGPT，甚至是免费版本以及类似的工具中获得很多价值，用于我们日常做的许多事情。我认为，公司对使用人工智能的理解越深入，他们就越有可能找到如何获得价值，因为您承担了风险。我非常强调您有多少次射门。>> 您能运行多少个项目，非常非常快，以便您能了解变革的格局。销售数据助手在此之前有三个版本。>> 它们都很好，实际上它们都奏效了。它们都添加了越来越多的功能。第一个版本只是关于赋能。第二个版本更多地是关于客户信息。我们还有一个名为 Customer 360 的应用程序。它是一个流应用程序。您可以获得那种信息的 Python 应用程序。所有这些最终都汇集成了销售助手，它结合了所有这些功能。对我来说，正是这种迭代的旅程，通常与我成功推出一个大项目一样重要。我宁愿不进行大的赌注，无论是完成工程项目还是这类项目。我认为在每一步都进行迭代和创造价值是关键。这也是我给客户的建议。我告诉他们，您不应该在 Snowflake 上花费大量资金用于人工智能。您应该一次花费一千美元，当您获得可观的价值并感到满意时，然后您可以将其包装起来。>> 这是我非常看好应用型公司的一个原因，它们知道自己眼前的用处，因为人工智能的可能性非常大，如果您拥有客户信任并且了解工作流程。我认为对于那些拥有速度和偏执狂来不断扩展的人来说，有很多机会。>> 但这也支持了为什么应该存在这一层，因为与某人自己使用通用框架或直接 API 和工程工作来构建相比，您正在缩短价值实现时间。是的。我们许多客户发现，创建像 Cortex Analyst 这样的东西，它在某种简单的方式上是文本到 SQL，实际上比他们想象的要困难得多。在 Snowflake 中有更多的信任，因为在我们进入 Snowflake Intelligence 之前，我们已经做了很多分析师项目，而 Snowflake Intelligence 在功能和复杂性方面都上了一个台阶。我经常收到的另一个问题是，如果您认为互联网上的广告会在聊天界面比提供 10 个蓝色链接更具指导性时会发生什么？我必须问您。[清嗓子]>> 这是一个很好的问题。我认为广告是一个极其强大的媒介，也是一个极其强大的业务，而且有好的广告方式。我实际上，您知道，我在 Google 工作了 7 年。我现在比离开 Google 时更自豪于我们在搜索广告团队所做的工作。>> 我认为有好的方式来做这件事，您知道，当您看到它时。它有点像，它非常清楚。它将在聊天世界中重塑自我。希望它不会在可发现性和区分广告与非广告方面变得更加阴险。如果您的精神科医生对开一种药物比另一种药物有某种偏好，那对您来说将是令人毛骨悚然的。这些是我们将会发现的不幸的事情。但广告模式将继续存在。它只会以不同的形式出现。而且，我认为只要做得好，它就是一个合理的模式。而且，作为消费者，您也必须聪明地了解这些东西对您有什么好处。我认为，比以往任何时候都更加重视维护我们的自主权。我认为这是我们所有人作为个人都必须做的。>> 我对模型中的引文和来源在不同体验中如此强劲地普及感到非常鼓舞。我当然认为提供给消费者的东西已经大大缩小了，但事实是，人们想去查阅原始资料并了解信息来自哪里，即使有所有这些推理，也是一个有用的指标。>> 我认为这是一个非常积极的事情。而这些东西的好处是，它并不需要您做很多工作，比如复制 Gemini 撰写的深度研究文章，粘贴到 ChatGPT 中，并要求它验证所有链接。我认为我们有更多的工具。您知道，我们谈论过我们在 NEA 中是如何做引文的，我们当时为我们在 2023 年初推出它感到多么自豪。我认为这个想法的相关性仍然像以往一样强烈。而且，我认为，像 ChatGPT Deep Research 这样的产品在它们能创造的价值方面确实是惊人的。但任何人，想想看，您和我都可以获得关于任何主题的专家论文。我们只需要有能力消化它的头脑。我认为这非常了不起，而且看到一些核心技术拥抱这些东西而不是仅仅写“这是文章，接受或拒绝”真的很有趣。>> 我想问您最后一个架构问题，因为您在信息检索和搜索方面工作了很长时间，您也理解 LLM。您今天处理大量的结构化和非结构化数据。所以您有一个非常全面的观点。我认为有一部分人认为，随着模型提供更多数据，即使在企业用例或非消费者用例中，传统的搜索信息检索技术和索引也越来越不相关。您如何看待这个问题？>> 将搜索视为仅仅是信息检索是诱人的。驱动 Google 的洞察力是 PageRank。它是利用整个互联网的力量来确定什么受欢迎，什么不受欢迎的一种方式。但 PageRank 在六年后就失去了动力，大约在 2004-2005 年。虽然 Google 从来不喜欢谈论它，但越来越相关的是 Google 提供的搜索结果之上的点击行为。正是这种反馈循环最终赋予了它如此大的价值。因此，在人工智能系统方面，包括 SI，请记住我谈到了评估循环，这是一个基本结构，您需要能够推出有意义的产品，但事实证明，这也是该产品随着时间的推移会越来越好的结构。也许我们会找到一种方法将其编码到呈现给模型的上下文中。但对我来说，现在这就像 LLM 应该做数学吗？>> 嗯。>> 好的。您可以争辩说，是的，它们应该能够做数学。它们非常强大。但任何理性的人都会告诉您，一个更聪明的人会说不，它们不应该做数学。相反，我应该写两行 Python 代码，我知道如何指导和运行 Python 来解决数学问题。我以非常相似的方式看待信任。有一些众所周知的解决方案可以弄清楚什么是最值得信赖的，当您想回答一个问题时。为什么您不使用它，并将其视为您正在构建的任何人工智能系统、代理系统都将使用的另一个工具，而不是处于“人工智能可以解决一切”的这种最大化模式。我认为所有务实的人都会使用他们当时可用的最佳工具。至少在目前，这些外部工具（包括搜索）有足够的价值，以至于我看不出有什么理由现在就否定它。我>> 我的意思是，这是一个非常原则性的观点，即“最大化智能将使用可靠的工具”，100% 无论在哪里可用。有>> 您不可能如此聪明，以至于不使用计算机。[笑声]>> 没错。或者，没有勇气仅仅是努力工作。嗯，如果没有，如果某件事可以轻松完成，您就可以将精力集中在其他事情上。所以我认为情况将是这样，而且像搜索 API 的普及实际上证明了所有这些模型都受益于这样的事物，因为它们提供了那些目前还不容易内化到人工智能模型中的外部信息。>> Sudor，非常感谢您接受采访。>> 谢谢。谢谢 Sarah。在 Twitter 上关注我们 @no prior pod。[音乐] 如果您想看我们的脸，请订阅我们的 YouTube 频道。在 Apple Podcasts、Spotify 或您收听的任何地方关注该节目。这样，您每周都会收到新一集。并在 no-briers.com 上注册电子邮件或查找每集节目的文字记录。[音乐]