Perplexity 上線 Snowflake 聯結器：免寫 SQL，用自然語言查資料

以前在公司想查個業務資料，流程基本是固定的：提工單給資料分析師，排期寫 SQL，幾天後拿到一個看板，發現口徑不對還得再來一輪。

Perplexity 想把這套流程砍掉。他們為旗下的 Computer 產品上線了 Snowflake App Connector，直接讓業務人員用日常說話的方式向公司的資料倉儲提問。

這項功能目前面向 Pro、Max 和 Enterprise 使用者開放。

先給資料倉儲畫一張「地圖」

很多人以為用自然語言查資料，就是把大模型直接掛在資料庫前面寫 SQL。但現實往往很慘烈，模型根本搞不清哪張表才是最新的，經常算出互相矛盾的數字。

Perplexity 的解法是加一個語義上下文層。連線 Snowflake 之後，管理員可以在設定裡點選生成一張資料地圖，告訴 AI 哪些表真正重要、核心指標是怎麼定義的、常用問題該怎麼轉換成 SQL。根據資料平臺的規模和複雜度，這張地圖最多需要 90 分鐘來生成。

有了這個中間層，市場人員可以直接問哪場營銷活動的轉化率最高，運營可以問未來八週的需求預測，客服負責人也能直接查本季度工單激增到底是因為哪個產品漏洞。

這個功能最初來自 Perplexity 內部的自用工具。他們原本做了一個連線 Snowflake 的 Slack 機器人，現在產品、增長、基建、安全等各個團隊每週會通過它跑大約 3000 次查詢，比如分析發版日曆和訂閱增長的對應關係，或者看金融類查詢最愛呼叫哪個模型。

在許可權方面，系統支援基於角色的訪問控制，可以限制只讀許可權。Perplexity 推薦使用 User OAuth，每個人用自己的 Snowflake 賬號登入，平時在資料庫裡能看什麼，在 AI 裡就只能看什麼。官方同時承諾，所有企業資料絕不用來訓練模型。

為什麼重要

我們認為，Perplexity 這次切入企業市場的思路非常務實。很多所謂 AI 資料分析工具最後淪為玩具，是因為沒有跨過業務語義這道坎。讓管理員花 90 分鐘去跑一張資料地圖並維護業務定義，看起來增加了一點上手成本，但恰恰是這一步保證了回答口徑不會亂套。

對普通業務員工來說，最大的價值是終於可以甩開 SQL 和漫長排期，做一些探索性的即興提問。但值不值得現在就在全公司鋪開，還要看資料團隊願不願意花精力去校準那層語義關係。如果底層的表原本就亂七八糟，AI 查出來的結論一樣會誤導決策。

對行業而言，Perplexity 正在從單純的網路搜尋工具，加速滲透進企業內部知識庫和核心生產環境。它不再只是跟 Google 搶網頁搜尋流量，而是開始直接在企業工作流裡，跟微軟 Copilot 以及各類 BI 巨頭正面交鋒了。