2026年8月18日，Snowflake宣布为其Cortex AI Gateway新增动态模型路由功能。同一天，这家AI数据云公司还扩大了领先开源模型的访问权限，包括DeepSeek-V4-Flash 0731和GLM-5.3。消息本身不算惊天动地，但它指向一个正在发生的产业拐点：企业AI正在从“有没有模型”转向“用不用得起模型”。

一、一个被忽视的真相：大多数AI请求不值得用最强的模型

过去两年，大模型厂商的叙事逻辑高度一致——参数越大越好、能力越强越优。企业也陷入了同样的思维惯性：既然要用AI，就用最好的模型。但这个逻辑正在被现实瓦解。

Snowflake在内部测试中发现，用同一个最强大的模型处理所有任务，不仅成本高昂，而且效率低下。简单的问题用顶级模型回答，就像用超级计算机算1+1——能算，但没必要。

Snowflake CEO Sridhar Ramaswamy在官方博客中道破了这个困局：“企业正在变得对AI的经济性越来越严格。问题不再是他们使用了多少AI，而是这些AI是否转化为了有意义的商业价值。”他提出了一个概念——“智能效率”（intelligence efficiency），即企业将算力、模型、数据和上下文转化为商业成果的能力。在他看来，过去几年行业一直在优化单个模型的能力，而现在企业需要优化围绕模型的整个系统。

二、模型路由：AI的“计划经济”正在到来

动态模型路由的运作机制并不复杂。Snowflake AI业务副总裁Baris Gultekin介绍，系统通过两种方式决定任务去向：一种是“顾问模式”——小模型先尝试处理任务，如果无法完成，再像调用工具一样切换至大模型接手。另一种则是通过独立分类器学习历史查询数据，将简单问题自动分配给小模型。

企业客户启用“自动”选项后，系统会根据具体任务在效果与成本之间权衡，自动选择最合适的模型。路由功能本身不额外收费，仅按Token实际用量计费。

Snowflake的内部测试数据颇具说服力：在构建dbt数据管道的任务中，使用动态模型路由的Token效率比仅用前沿模型高出三倍，同时保持了相同的质量；在代码工作负载测试中，工程团队维持了相同的拉取请求吞吐量，Token使用量却减少了约25%。

用一句话概括：不需要所有任务都用最贵的模型，但需要每个任务都用最对的模型。

三、一场“模型路由”的集体转向

Snowflake并非孤例。模型路由正在成为整个行业的集体行动。Databricks、AWS、Google Cloud和NVIDIA都已推出了各自的模型路由方案。Boomi在5月宣布收购Lunar.dev以实现模型路由；NVIDIA发布了NeMo Switchyard，一个面向AI代理的开放模型路由技术；Stripe据传正在收购OpenRouter，后者是全球最大的AI模型路由平台。

有行业分析师直言：“模型路由将成为AI架构的一部分。”

这场集体转向的背后，是一个简单而残酷的商业逻辑：当企业将AI从试点推向规模化生产，成本不再是可选项，而是必答题。

四、开源模型的“平权运动”

动态模型路由之所以可行，离不开开源模型的崛起。Snowflake此次同时宣布扩大了开源模型的访问权限，新增DeepSeek-V4-Flash 0731和GLM-5.3。加上已有的Anthropic、OpenAI、Google、Meta、Mistral等模型，Snowflake的模型库已覆盖主流选择。

Snowflake AI研究团队对企业级任务进行了评估，DeepSeek-V4-Flash在数据工程任务中得分74.4%，表现优于部分专有模型。GLM-5.2同样得分62.8%，且Token消耗低于测试中的任何其他模型。

这意味着什么？意味着企业不再被绑定在任何一个模型供应商身上。他们可以在开源模型和专有模型之间自由组合，根据成本、性能、数据主权等多重因素灵活调配。Snowflake将推理过程全部保留在其安全边界内，无论是开源模型还是专有模型。

模型路由让“模型选择”从开发者的手动决策，变成了系统的自动化调度。这就像云计算让企业不必自建机房，模型路由让企业不必自研路由逻辑。

五、对国产基础软件的启示

Snowflake的这次发布，对中国的数据库、中间件厂商而言，既是参照系，也是警钟。Cortex AI Gateway本质上解决的是AI应用与底层模型之间的连接、调度与治理问题——这正是中间件的核心能力范畴。

从API网关到消息队列，从服务治理到数据集成，中间件正在从“应用之间的桥梁”演变为“AI能力与业务场景之间的调度层”。国内中间件厂商在政务、金融等关键行业持续取得突破，但在新兴的AI中间件领域，与国际巨头相比仍存在差距。差距不在技术本身，而在于场景的深度和生态的广度——Snowflake拥有数万家企业的数据云平台作为底座，模型路由能力是生长在数据之上的自然延伸。

不过，中国厂商并非没有机会。金蝶天燕已将Apusic Copilot智能问答系统全面对接DeepSeek大模型；在金融、政务等信创场景中，国产中间件已在超大规模部署中经受考验。从“应用集成”到“模型路由”，从“消息队列”到“Token调度”——中间件的内涵正在被AI重新定义。谁能率先完成这一跃迁，谁就能在下一轮竞争中占据身位。

六、写在最后

Snowflake动态模型路由的发布，标志着企业AI从“模型优先”走向“效率优先”。过去两年，行业沉迷于参数竞赛和模型数量的比拼。而接下来的故事，将围绕一个更务实的问题展开：如何用最少的Token，创造最大的商业价值。

模型路由给出了一个回答——不是所有任务都需要最强的模型，但每个任务都需要最合适的模型。这听起来像常识，但在AI的狂热年代，常识往往是最容易被遗忘的东西。当每一笔AI支出都需要被审视，当每一个Token都需要被计算，AI的“计划经济”时代，正在到来。