Perplexity 上线 Snowflake 连接器：免写 SQL，用自然语言查数据

以前在公司想查个业务数据，流程基本是固定的：提工单给数据分析师，排期写 SQL，几天后拿到一个看板，发现口径不对还得再来一轮。

Perplexity 想把这套流程砍掉。他们为旗下的 Computer 产品上线了 Snowflake App Connector，直接让业务人员用日常说话的方式向公司的数据仓库提问。

这项功能目前面向 Pro、Max 和 Enterprise 用户开放。

先给数据仓库画一张「地图」

很多人以为用自然语言查数据，就是把大模型直接挂在数据库前面写 SQL。但现实往往很惨烈，模型根本搞不清哪张表才是最新的，经常算出互相矛盾的数字。

Perplexity 的解法是加一个语义上下文层。连接 Snowflake 之后，管理员可以在设置里点击生成一张数据地图，告诉 AI 哪些表真正重要、核心指标是怎么定义的、常用问题该怎么转换成 SQL。根据数据平台的规模和复杂度，这张地图最多需要 90 分钟来生成。

有了这个中间层，市场人员可以直接问哪场营销活动的转化率最高，运营可以问未来八周的需求预测，客服负责人也能直接查本季度工单激增到底是因为哪个产品漏洞。

这个功能最初来自 Perplexity 内部的自用工具。他们原本做了一个连接 Snowflake 的 Slack 机器人，现在产品、增长、基建、安全等各个团队每周会通过它跑大约 3000 次查询，比如分析发版日历和订阅增长的对应关系，或者看金融类查询最爱调用哪个模型。

在权限方面，系统支持基于角色的访问控制，可以限制只读权限。Perplexity 推荐使用 User OAuth，每个人用自己的 Snowflake 账号登录，平时在数据库里能看什么，在 AI 里就只能看什么。官方同时承诺，所有企业数据绝不用来训练模型。

为什么重要

我们认为，Perplexity 这次切入企业市场的思路非常务实。很多所谓 AI 数据分析工具最后沦为玩具，是因为没有跨过业务语义这道坎。让管理员花 90 分钟去跑一张数据地图并维护业务定义，看起来增加了一点上手成本，但恰恰是这一步保证了回答口径不会乱套。

对普通业务员工来说，最大的价值是终于可以甩开 SQL 和漫长排期，做一些探索性的即兴提问。但值不值得现在就在全公司铺开，还要看数据团队愿不愿意花精力去校准那层语义关系。如果底层的表原本就乱七八糟，AI 查出来的结论一样会误导决策。

对行业而言，Perplexity 正在从单纯的网络搜索工具，加速渗透进企业内部知识库和核心生产环境。它不再只是跟 Google 抢网页搜索流量，而是开始直接在企业工作流里，跟微软 Copilot 以及各类 BI 巨头正面交锋了。