Snowflake 今年发布内容核心也是面向AI 转型。 比较值得一提的是：内置 PG，Agent 开发平台，以及直接的 DataAgent，语义视图功能等等。
大家可以回顾下去年的发布内容，和今年做对比：snowflake 不再是个数据仓库公司了
接下来可以一起看看具体发布了哪些内容：
1、围绕Data engineering，分析，AI，应用四个维度来讲
2、发布snowflake adaptive computer ，动态调整资源，相比原来需要选资源大小够实时感知工作负载的需求，自动、动态地调配和优化计算资源
3、调整数据接入计费模式，从原来按文件个数+计算资源，调整为按文件大小，最高节省 50% 的成本
4、元数据支持外部资源发现（向 databricks 靠齐了，也被 databricks 在发布会上嘲讽了）
5、发布 snowflake Openflow，基于 Apache NiFi 实现
6、优化了 snowpipe streaming，降低延迟，提升吐吞
7、支持 DBT projects，集成更紧密了
8、新版本 workflowspace，集成 git，文件能力，在线开发环境和离线开发环境靠近。
9、数据分享（通过元数据管理实现数据分享）
10、内置 PG 能力（snowflake，databricks 今年不约而同支持 PG，数据平台上孵化应用是一个新趋势）
11、AI 加持的迁移能力
12、新版本数仓，优化底层硬件，DML，存储引擎等，性能提升 2 倍左右
13、发布面向数据科学家的 Agent（是一款高度智能化的 Agent，旨在通过自然语言交互，自动化执行机器学习全流程 ：包括数据准备、特征工程、模型训练与部署。）
14、SQL 里面增强 AI 的处理能力（ 通过 SQL 的扩展语法）
14.1 支持图里面这些能力
14.2 一个表里面同时展示结构化和非结构化
14.3 其他使用方法
15、语义视图，语义 SQL（databricks 类似的是 catalog metrics，都是要数据上面建立语义一层）
Snowflake引入了Semantic Views ，一种全新的语义建模机制，用于定义业务实体、指标和关系，帮助Cortex Analyst等工具生成精准的SQL查询。
- 与传统的YAML格式定义的Semantic Model 不同，Semantic View是SQL定义的虚拟视图，可以直接参与查询逻辑。
- 更适合动态业务场景下的快速迭代。
- 可通过Snowsight UI中的Semantic View Generator创建和管理，极大简化了语义建模流程。
16、发布 Agent 调度（cortex Agent 是开发 Agent 的平台）
17、支持 snowflake intelligent（智能数据 Agent）
18、一句话识别和处理多媒体文件，并进行分析（现场音乐，可以查询哪些乐器用的最多，哪些最少等等）
