Snowflake Cortex

Snowflake Cortex هي مجموعة الذكاء الاصطناعي والتعلم الآلي الأصلية المدمجة في Snowflake Data Cloud، والتي طورتها شركة Snowflake Inc. تتيح لفرق البيانات تشغيل استدلال النماذج اللغوية الكبيرة، وبناء وكلاء الذكاء الاصطناعي، ونشر البحث الدلالي مباشرةً على البيانات الموجودة بالفعل في Snowflake، دون توجيه تلك البيانات إلى خدمات ذكاء اصطناعي خارجية أو إدارة بنية تحتية منفصلة لوحدات معالجة الرسومات (GPU). يتمثل العرض الأساسي في الأمان من خلال البنية: تأتي النماذج اللغوية الكبيرة (LLMs) إلى بياناتك الخاضعة للحوكمة بدلاً من خروج بياناتك للوصول إلى تلك النماذج. ترث كل عملية في Cortex ضوابط الوصول الحالية، وسجلات التدقيق، وحدود VPC، وشهادات الامتثال الخاصة بـ Snowflake.

تحتوي مجموعة Cortex على أربع ركائز خدمية متميزة. تتيح Cortex LLM Functions (وتسمى أيضًا Cortex AI SQL) للمحللين استدعاء نماذج مثل Anthropic Claude و Meta Llama 4 و Mistral مباشرةً من SQL باستخدام دوال مثل AI_COMPLETE و AI_CLASSIFY و AI_SUMMARIZE و SENTIMENT و TRANSLATE و EXTRACT_ANSWER و AI_TRANSCRIBE. توفر Cortex Search خدمة بحث هجينة مُدارة بالكامل تجمع بين استرجاع المتجهات الدلالية ومطابقة الكلمات الرئيسية عبر المستندات غير المهيكلة المخزنة في Snowflake. يقوم Cortex Analyst بتحويل الأسئلة باللغة الإنجليزية البسيطة إلى SQL ويُرجع إجابات نثرية، مما يجعل البيانات المهيكلة في متناول مستخدمي الأعمال الذين لا يكتبون الاستعلامات. يقوم Cortex Agents بتنسيق كل ما سبق في حلقة تفكير متعددة الخطوات يتم عرضها عبر واجهة برمجة تطبيقات REST API، مما يسمح للفرق ببناء روبوتات محادثة وسير عمل آلي يمتد عبر كل من الجداول المهيكلة ومخازن المستندات. المكون الخامس، Cortex Code، هو مساعد برمجة بالذكاء الاصطناعي أصلي في Snowflake يتمتع بوعي كامل بمخططات الحساب وأسماء الأعمدة، وقد اعتمده أكثر من 50% من عملاء Snowflake منذ إطلاقه في نوفمبر 2025.

ما يفعله Snowflake Cortex فعليًا في مايو 2026

وصل Cortex إلى جاهزية الإنتاج في 4 نوفمبر 2025، عندما أطلقت Snowflake في وقت واحد Cortex Agents و Cortex AI Functions للتوافر العام (General Availability) في مؤتمر المطورين Snowflake BUILD 2025. قبل ذلك التاريخ، كانت كلتا الخدمتين في مرحلة المعاينة، مما حد من اعتمادهما على عملاء الوصول المبكر. فتح إصدار التوافر العام المجال لجميع حسابات Snowflake ومنح المؤسسات اتفاقيات مستوى الخدمة (SLAs) على مستوى العقد اللازمة لبناء أعباء عمل إنتاجية عليها.

تغطي مجموعة الإمكانات الحالية سير عمل الذكاء الاصطناعي على البيانات بالكامل: الاستيعاب، والتحويل، والتحليل، والعرض. يمكن لمهندس بيانات يعالج 10 ملايين مراجعة للعملاء إضافة عمود SQL واحد يشير إلى AI_SENTIMENT إلى نموذج dbt حالي والحصول على درجات المشاعر في تشغيل المسار التالي، دون الحاجة إلى إدارة بيانات اعتماد جديدة أو إنشاء مستودع بيانات إضافي. يستخدم فريق يبني روبوت محادثة تحليلي داخلي واجهة برمجة تطبيقات Cortex Agents REST API لقبول الأسئلة باللغة الطبيعية، وتوجيه الاستعلامات المهيكلة إلى Cortex Analyst لإنشاء SQL، وتوجيه أسئلة المستندات إلى Cortex Search للاسترجاع، وتجميع النتائج، وإرجاع إجابة واحدة متماسكة. تمتد المعالجة متعددة الوسائط لتشمل نفس النمط القابل للاستدعاء عبر SQL للصور والصوت: تقوم AI_TRANSCRIBE بتحويل ملفات الصوت أو الفيديو المخزنة في مراحل Snowflake مباشرةً إلى نص للتحليل اللاحق.

الضبط الدقيق (Fine-tuning) يتم أيضًا بدون خوادم (serverless). يمكن للفرق إجراء ضبط دقيق لنماذج Llama على بيانات Snowflake الخاصة دون توفير حوسبة GPU أو مغادرة بيئة Snowflake. تظل أوزان النموذج المُدرب داخل الحساب، ويتم التقديم من خلال نفس نظام القياس القائم على الأرصدة مثل جميع وظائف Cortex الأخرى.

"يُحدث Cortex Code تحولاً في كيفية تعاملنا مع التحليلات الوكيلة في Braze. إن فهمه الأصلي لمجموعات البيانات والمخططات والأعمدة الخاصة بنا يعني أن مهندسينا يقضون وقتًا أقل في الصراع مع السياق ووقتًا أطول في الحصول على مخرجات دقيقة وقابلة للتنفيذ." - Spencer Burke، نائب الرئيس الأول للنمو في Braze، بيان صحفي لشركة Snowflake، فبراير 2026

موقع Snowflake Cortex مقارنةً بـ Databricks Mosaic AI و AWS Bedrock

يُعد Databricks Mosaic AI أقرب منافس معماري لأنه يحل نفس المشكلة: ذكاء اصطناعي مدمج داخل منصة بيانات حالية حتى لا تضطر الفرق إلى بناء حزمة تعلم آلي (ML) منفصلة. الاختلاف الميكانيكي يكمن في مستوى التجريد. يعرض Databricks مجموعات GPU بشكل صريح من خلال طبقات Mosaic AI Training و Serving؛ حيث يمكن للمهندسين فحص تكوينات العقد، واختيار مستويات الأجهزة، وتشغيل مهام تدريب PyTorch مخصصة مع رؤية كاملة للحوسبة. يدعم إطار عمل الوكيل (Agent Framework) في Mosaic AI تدريب النماذج المخصصة، والتعلم المعزز من الملاحظات البشرية، وتوجيه النماذج اللغوية الكبيرة (LLM) متعددة المزودين عبر AI Gateway مع تحديد معدل الاستخدام. يقوم Snowflake Cortex بتجريد كل ذلك: أنت تكتب SQL، ويقوم Snowflake بتخصيص حوسبة بدون خوادم بشكل غير مرئي، ولا توجد خيارات لتكوين GPU. يتفوق Databricks بالنسبة للمؤسسات التي تحتاج إلى تدريب نماذج خاصة، أو تشغيل مجموعات تقييم صارمة مع تكامل MLflow، أو بناء بنيات وكلاء معقدة تتطلب ذاكرة مخصصة وسجلات أدوات. بينما يتفوق Cortex بالنسبة لمستخدمي Snowflake الذين يريدون سرعة نقل الذكاء الاصطناعي إلى الإنتاج دون إنشاء منصة تعلم آلي. المقارنة الكاملة في Databricks Mosaic AI.

يتميز AWS Bedrock بأنه مستقل عن السحابة ومتنوع النماذج، حيث يوفر الوصول إلى أكثر من 30 نموذج أساسي من Anthropic و Meta و Mistral و Cohere و Amazon Nova وغيرها عبر واجهة برمجة تطبيقات REST API موحدة. يتلخص التباين المعماري بين Bedrock و Cortex في حركة البيانات. يعمل Bedrock خارج مستودع البيانات الخاص بك: لاستخدامه مع بيانات Snowflake، تقوم باستخراج مجموعة بيانات، وإرسالها عبر حدود الشبكة إلى نقطة نهاية Bedrock، وتلقي النتائج مرة أخرى. يتطلب عبور هذه الحدود سياسات IAM إضافية، وضوابط أمان الشبكة، ووثائق امتثال للصناعات الخاضعة للتنظيم. يقضي Cortex على هذه الحدود تمامًا من خلال تشغيل الاستدلال داخل محيط الأمان المعتمد بالفعل لـ Snowflake باستخدام نفس أدوار IAM وسجلات التدقيق التي يديرها فريق الحوكمة لديك بالفعل. ميزة Bedrock هي الشمولية: فهو يدعم النماذج وأنماط الوكلاء التي لم تظهر بعد في كتالوج Cortex، ويتكامل بشكل طبيعي مع AWS Step Functions و Lambda لتنسيق سير العمل المعقد. بالنسبة للفرق التي تمتد بياناتها عبر سحابات متعددة، فإن موقع Bedrock المستقل عن السحابة يُعد أنظف معماريًا من Cortex. قارن الخيارات في AWS Bedrock، و Google Vertex AI، و Azure OpenAI.

كيف يبدو واقع سير عمل Cortex

بالنسبة لمهندس بيانات يتقن بالفعل Snowflake SQL، فإن تجربة الإعداد في Cortex سلسة للغاية. لا توجد منصة جديدة لتعلمها، ولا توجد حزمة تطوير برمجيات (SDK) لتثبيتها للوظائف الأساسية، ولا توجد بيانات اعتماد لإدارتها. المشروع الأول الشائع هو تشغيل AI_SENTIMENT أو AI_SUMMARIZE على جدول حالي لسجلات العملاء. يعمل الاستعلام، وتظهر النتائج، وتكون دورة التكرار من الفكرة إلى النموذج الأولي العامل في غضون ساعات بدلاً من أسابيع.

يظهر الاحتكاك في طبقة مراقبة التكاليف. يحتوي Snowflake Cortex الآن على تسع فئات خدمات متميزة مع طرق عرض فوترة منفصلة: AI SQL Functions و Cortex Code و Cortex Copilot و Cortex Analyst و Cortex Search و Cortex Agents و Fine-Tuning و Document Processing و Legacy Functions. تستخدم طرق العرض هذه حقول معرف مستخدم غير متسقة، مما يجعل بناء لوحات معلومات تكلفة موحدة أمرًا غير سهل. وجد أحد الممارسين الذي قام بتدقيق حساب Snowflake إنتاجي أن أكثر من 60% من إنفاق Cortex كان غير مرئي لفريق المراقبة لأنهم كانوا يراقبون فقط طريقة عرض استخدام AI Functions الأساسية.

"في أحد الحسابات التي قمت بتدقيقها مؤخرًا، كان أكثر من 60% من إنفاق Cortex غير مرئي لفريق المراقبة." - Vedprakash، مهندس بيانات، DataAIChronicles على Medium، مارس 2026

يزيد Cortex Search من تعقيد هذا الأمر لأنه يستخدم نموذج فوترة يعمل دائمًا (always-on). على عكس دوال SQL التي تفرض رسومًا لكل استدعاء، فإن خدمات Cortex Search هي عمليات خلفية تعمل باستمرار وتُفوتر بالجيجابايت من البيانات المفهرسة شهريًا، بغض النظر عما إذا كانت أي استعلامات بحث قد تم تشغيلها خلال فترة الفوترة تلك. تتفاجأ الفرق المعتادة على نموذج الدفع مقابل الحوسبة الخاص بـ Snowflake أحيانًا عندما تتراكم رسوم الفهرسة لمدة شهر على خدمة Cortex Search التي قاموا بتشغيلها لإثبات المفهوم.

أصدرت Snowflake ضوابط إنفاق أصلية لـ Cortex AI Functions في مارس 2026، مضيفة حدودًا متجددة على مدار 24 ساعة لكل مستخدم وحدود ميزانية على مستوى الفريق. لكن المراقبة القوية لا تزال تتطلب تجميع طرق عرض قياس متعددة في لوحة معلومات تكلفة موحدة، وهو أمر تبنيه معظم الفرق بشكل تفاعلي بعد فاتورة غير متوقعة بدلاً من بنائه بشكل استباقي قبل الإطلاق.

غالبًا ما تقوم الفرق التي تبني تطبيقات مدعومة بالبحث بإقران Cortex Search بأدوات إدارة المعرفة المؤسسية. تعالج منتجات مثل Glean مشكلات بحث مؤسسية مماثلة للمحتوى غير المهيكل، وإن كان ذلك من خلال نهج معماري مختلف.

لمن تم بناء Snowflake Cortex

المستخدم الأساسي هو مهندس بيانات أو مهندس تحليلات التزمت مؤسسته بالفعل بـ Snowflake كمستودع بيانات لها. Cortex ليس منتجًا مستقلاً: لا يوجد اشتراك منفصل في Cortex، ولا توجد فئة مجانية، ولا توجد طريقة للوصول إلى Cortex بدون حساب Snowflake. إذا كان هذا يصف وضعك، فإن Cortex هو أسرع مسار لدمج الذكاء الاصطناعي في سير عمل البيانات الذي تمتلكه بالفعل.

ضمن هذا القيد، يُعد Cortex قويًا بشكل خاص للصناعات الخاضعة للتنظيم. غالبًا ما يكون لدى مؤسسات الرعاية الصحية والخدمات المالية والتأمين التي تعمل بموجب متطلبات HIPAA أو SOC 2 أو GDPR التزامات تعاقدية حول مكان معالجة البيانات. يُعد تشغيل استدلال النماذج اللغوية الكبيرة (LLM) داخل حساب Snowflake تغطيه اتفاقية شراكة أعمال (BAA) حالية أبسط من الناحية المعمارية من التفاوض على اتفاقية BAA جديدة مع مزود ذكاء اصطناعي منفصل لكل بائع نموذج في كتالوج Bedrock.

تستفيد فرق التحليلات التي تبني أدوات الخدمة الذاتية لمستخدمي الأعمال غير التقنيين من Cortex Analyst. بدلاً من بناء طبقة مخصصة لتحويل اللغة الطبيعية إلى SQL (NL-to-SQL)، يقومون بعرض واجهة برمجة تطبيقات Cortex Analyst خلف واجهة Streamlit أو روبوت محادثة داخلي والسماح لمستخدمي الأعمال بالاستعلام عن البيانات باللغة الإنجليزية البسيطة.

ما لا يمثله Snowflake Cortex

لا يُعد Cortex سببًا لتبديل منصات البيانات. إذا كانت بياناتك موجودة في Databricks أو BigQuery أو Redshift، فلن يكون Cortex متاحًا لك. تنطبق ميزة إقامة البيانات فقط على البيانات الموجودة بالفعل داخل حساب Snowflake؛ لا يوجد وكيل أو موصل يصل إلى أنظمة أخرى مع الحفاظ على خصائص حوكمة Cortex سليمة. توسع Cortex Code في فبراير 2026 للإشارة إلى أنظمة خارجية مثل AWS Glue و Postgres، لكن دوال استدلال النماذج اللغوية الكبيرة (LLM) نفسها لا تزال تعمل فقط على البيانات المرحلية في Snowflake.

لا يُعد Cortex منصة تعلم آلي (ML) كاملة. يقتصر دعم الضبط الدقيق على متغيرات نموذج Llama. لا يوجد تدريب مخصص لبنية النموذج، ولا يوجد تعلم معزز من الملاحظات البشرية، ولا يوجد ما يعادل تتبع تجارب MLflow الخاص بـ Databricks للتقييم المنهجي للنماذج. الفرق التي تتضمن خارطة طريق الذكاء الاصطناعي الخاصة بها تدريب نماذج خاصة على بياناتها الخاصة على نطاق واسع ستتجاوز العرض المُدار لـ Cortex وستحتاج إلى النظر في Databricks Mosaic AI أو منصة MLOps مخصصة.

كما أن Cortex غير مناسب للفرق التي تفتقر إلى الانضباط في مراقبة التكاليف. إن الجمع بين الفوترة القائمة على الرموز (tokens) عبر تسع فئات خدمات، ورسوم البنية التحتية لـ Cortex Search التي تعمل دائمًا، وغياب شاشات مراقبة الموارد الأصلية حتى مارس 2026، قد فاجأ الفرق بفواتير غير متوقعة. تضمنت إحدى الحالات المتداولة على نطاق واسع فريق بيانات دفع حوالي 5,000 دولار مقابل استعلام واحد في Cortex Functions عالج 1.18 مليار سجل عميل. انتهى الاستعلام، واستُنفدت الأرصدة، ولم يتم تكوين أي تنبيه لالتقاط ذلك. تم التخفيف من ديناميكية الفوترة هذه جزئيًا الآن من خلال ضوابط التكلفة الصادرة في مارس 2026، ولكن يجب على الفرق بناء لوحات معلومات المراقبة قبل تمكين Cortex على نطاق واسع عبر حساب مشترك.