Snowflake Cortex AI 使用介绍：功能、价格与上手指南

Snowflake Cortex AI 是 Snowflake 提供的内置 AI 服务层，让用户直接在数据仓库中调用大语言模型、向量检索与机器学习函数。本文介绍其核心功能、定价逻辑与上手步骤，并给出成本优化与安全建议，帮助数据团队快速落地生成式 AI 应用。

Snowflake Cortex AI 是 Snowflake 平台内置的 AI 服务层，目标很明确：让数据分析师和工程师不用把数据搬出 Snowflake，就能直接调用大语言模型、做向量检索、运行机器学习函数。对于已经在用 Snowflake 的团队，这意味着更短的链路、更少的安全审查和更低的运维成本。

一、Snowflake Cortex AI 是什么？

Cortex AI 把生成式 AI 能力封装成 SQL 函数和 Python API。你不需要管理 GPU 集群，也不需要单独申请 OpenAI 或 Anthropic 的密钥。只要在 Snowflake 里有权限，就能在查询里直接调用。

它主要覆盖三类能力：

  • LLM 函数：COMPLETE、SUMMARIZE、TRANSLATE、SENTIMENT 等，用于文本生成、摘要、翻译和情感分析。
  • 向量与检索：VECTOR 类型、向量相似度函数、Cortex Search，用于 RAG 和语义搜索。
  • 机器学习：ML Classification、ML Regression、Forecasting，用 SQL 完成训练和预测。

二、核心功能详解

1. LLM 函数：用 SQL 调用大模型

最常用的是 COMPLETE 函数。例如对客户评论做摘要：

SELECT SNOWFLAKE.CORTEX.COMPLETE(
  'llama3-8b',
  '用一句话总结这条评论：' || review_text
) AS summary
FROM customer_reviews
LIMIT 10;

常用模型包括 llama3-8b、llama3-70b、mistral-large、mixtral-8x7b 等。不同模型在成本、延迟和效果上有差异，建议先用小模型验证流程，再按需升级。

2. Cortex Search：快速搭建 RAG

Cortex Search 负责向量化和检索，适合做企业知识库问答。你只需指定文本列和索引配置，Snowflake 会自动完成嵌入和相似度搜索，再配合 COMPLETE 生成回答。

3. 机器学习函数：SQL 做预测

ML.CLASSIFICATION 和 ML.REGRESSION 可以直接在表上训练模型并预测，适合流失预警、销量预测等场景。优点是无需导出数据，训练结果也能留在仓库内审计。

三、价格与成本逻辑

Cortex AI 的计费基于 按使用量付费，主要看两个维度：

计费项说明
模型推理按输入/输出 token 数或字符数计费，不同模型单价不同
向量与检索按嵌入和检索的数据量计费
计算仓库调用 AI 函数仍会消耗虚拟仓库的计算资源

需要注意：Cortex AI 的费用通常单独列出，不包含在常规仓库费用中。建议在 Snowsight 的 Account Usage 里监控 CORTEX_FUNCTIONS_USAGE_HISTORY 视图，按模型和用户拆分成本。

成本优化建议：

  • 先用小模型跑通流程，再对高价值场景使用大模型。
  • 对重复查询做结果缓存，避免重复推理。
  • 控制输入长度，摘要类任务先截断无关文本。
  • 设置资源监控和预算告警。

四、上手指南：五步跑通第一个 AI 查询

  1. 确认权限：确保角色拥有 SNOWFLAKE.CORTEX_USER 数据库角色。
  2. 选择模型：从 llama3-8b 开始，成本低、响应快。
  3. 准备数据：在表或视图里准备好文本列。
  4. 调用函数：用 COMPLETE 或 SUMMARIZE 写第一条 SQL。
  5. 监控成本：查询 Account Usage 视图，观察 token 消耗。

示例：批量摘要

CREATE OR REPLACE TABLE review_summary AS
SELECT review_id,
       SNOWFLAKE.CORTEX.SUMMARIZE(review_text) AS summary
FROM customer_reviews;

五、安全与治理

Cortex AI 继承 Snowflake 的权限体系。数据不离开账户，模型调用也受角色控制。建议：

  • 用独立角色调用 AI 函数，避免过度授权。
  • 对敏感数据先脱敏再送入模型。
  • 开启访问历史审计，跟踪谁在什么时间调用了哪个模型。

结论

Snowflake Cortex AI 的价值在于 把 AI 能力放进数据仓库，减少数据搬运和工具切换。它适合已经使用 Snowflake、希望快速验证生成式 AI 场景的团队。建议从 LLM 函数和 Cortex Search 入手，先用小模型和少量数据验证效果，再逐步扩大规模并建立成本监控。只要控制好模型选择和输入长度，Cortex AI 可以成为数据团队低门槛落地 AI 的实用工具。

返回 AI 教程列表