近期，关注到数据圈的一则产品动态。云数据平台巨头 Snowflake 正式推出 Cortex AISQL 功能，将 SQL 语言与生成式AI深度结合，彻底改变了数据分析师处理非结构化数据的方式。这不仅是产品功能的升级，更是数据处理范式的一次根本性转变。可以说 Snowflake 用 AI 重新发明 SQL，开启多模态数据查询新时代。本文就从这一产品能力谈起，谈谈未来对 SQL 能力的展望。
1).Cortex AISQL 诞生背景
随着数字化转型的深入，企业面临的数据环境发生了根本性变化。传统的数据分析主要针对结构化数据——那些整齐排列在表格中的数字和文本。然而，根据Gartner的研究，企业中有价值的信息高达80%存在于非结构化数据中：合同文档、会议记录、产品图片、用户反馈视频、社交媒体内容等。
✦ 数据处理的“暗物质”难题
正如宇宙中暗物质占据大部分质量却难以观测一样，非结构化数据一直是企业数据价值挖掘的盲区。传统方法需要数据工程师先将非结构化数据转化为结构化格式，或者由数据科学家编写复杂的 Python 代码和机器学习流水线。这个过程既耗时又昂贵，成为数据价值释放的主要瓶颈。
✦ SQL语言的局限性
SQL作为数据分析的通用语言，在过去几十年中完美服务于结构化数据分析。但当面对一段客户投诉音频或产品设计图纸时，传统的SQL查询显得力不从心。数据分析师要么依赖其他团队提供支持，要么被迫学习编程技能，严重影响了洞察效率。
Snowflake产品高级副总裁Christian Kleinerman指出：“AISQL的目标是让数据分析师及其组织更轻松地使用SQL分析非结构化数据，消除他们对数据工程师和开发人员的依赖。”
2).Cortex AISQL 产品特点
Cortex AISQL的核心创新在于将AI能力封装为SQL查询的“一等公民”，而非外部附加功能。这项服务构建在Snowflake Cortex之上——一个全托管服务，提供使用大语言模型（LLMs）所需的构建模块，而无需管理复杂的GPU基础设施。
✦ 多模型集成架构
Cortex AISQL并非依赖于单一AI模型，而是整合了来自Anthropic、Meta、Mistral和OpenAI等公司的多个大型语言模型。这种多模型架构确保了处理不同类型非结构化数据时的最优效果。
✦ AI作为SQL算子
Cortex AISQL 最革命性的设计是将AI功能作为新的 SQL 算子直接嵌入查询引擎。这种语法革命使得分析师能够用熟悉的 SQL 语言直接调用最先进的AI能力，实现对文本、图像甚至视频内容的智能分析。
3).Cortex AISQL 场景价值
根据Snowflake官方数据，AISQL可以根据不同数据集将查询响应时间缩短30%至70%，在进行数据过滤或连接操作时节省高达60%的成本。这一性能提升源于AI驱动的智能过滤机制，能够在昂贵的AI计算前精准检索最小必要数据集。正是基于上面的能力，AISQL 应用场景价值巨大。例如：
客户反馈智能分析，传统的客户反馈分析需要人工阅读大量文本或依赖简单关键词匹配。AISQL 使得企业能够直接通过SQL查询对海量客户评论进行情感分析、主题提取和紧急问题识别。例如，电商平台可以实时监控产品评价，自动识别质量问题并触发补货或改进流程。
合同与文档解析，法律和合规部门可以利用 AISQL 自动分析大量合同文档，提取关键条款、到期日期和签约方信息。保险行业能够快速处理索赔文档，提高理赔效率的同时降低人工错误率。
多媒体内容管理，媒体公司现在可以通过自然语言查询视频档案：“找出所有包含日落场景的山脉镜头”。AISQL 能够理解视频内容的语义信息，而不仅仅是依赖元数据标签。这种能力为内容重用和版权管理开辟了新可能性。
供应链风险监控，制造企业可以结合结构化数据（库存水平、交货时间）和非结构化数据（供应商新闻、天气报告），建立全面的供应链风险预警系统。当 AI 识别到某供应商所在地出现自然灾害报道时，系统可以自动触发备选方案评估。
1).AISQL 样例
在 Cortex AISQL 中内置了大量的 AI 函数，从下面摘自官网的示例可见，其可与传统 SQL 混合使用，通过标准 SQL 来访问非结构化数据。
2).AISQL 算子
✦ FILTER
✦ JOIN
✦ CLASSIFY
Cortex AISQL 产品的出现，给我耳目一新的感觉。原来高高在上的AI 应用变得不再遥不可及，数据分析的门槛将进一步降低。未来，企业数据分析的最大用户可能不再是人类分析师，而是AI智能体。这一产品的创新不仅解决了当下非结构化数据分析的痛点，更为 AI 原生时代的数据交互模式奠定了基础。在数据价值决定竞争力的时代，AISQL 这样的技术正在重新定义“数据民主化”的含义。当每一位业务人员都能用自然语言般的 SQL 查询从多模态数据中获取洞察时，企业才能真正实现数据驱动的智能决策。
上面表格是摘自近期数智大会上的一张图，描述了不同数据模型与计算方式（关系、标量/全文检索、向量、图、模型）在多个维度上差异显著，各具优劣。例如，关系型计算在准确度、可解释性和可控性上表现优秀，而向量和模型计算则在处理非结构化数据和表达能力上更胜一筹，但牺牲了可解释性。这种“多模态”计算格局构成了当前数据处理的现实。那么未来构建一种统一的SQL语句来实现跨多种计算方式的访问能力，既是明确的趋势，也面临本质的挑战。其实现上可能采用对 SQL 语法层的扩展，即统一的SQL不会是一种全新的语言，而是现有SQL标准的强大扩展。其核心思路是“声明式抽象” ，即用户用统一的语法声明“要做什么”（如查找相似项、发现关联、提炼摘要），SQL优化器与执行引擎则自动将其“翻译”并下推到最合适的底层计算模型（向量索引、图数据库、大模型）去执行。如上面展示的 Snowflake Cortex AISQL 正是这一理念的实践典范，它通过AI_XXX
新“AI运算符”，将非结构化数据查询和模型调用封装为标准的SQL操作，初步实现了对文本、图像、音频、向量计算的统一访问。此外，未来的统一SQL引擎需要一个能理解关系、向量、图等不同数据形态的统一数据对象模型，以及一个强大的跨模型代价优化器。这个优化器能智能决定查询计划，例如，是先做向量检索缩小范围再进行图关联，还是先执行模型推理再进行关系过滤，以实现全局最优性能。
