信托级人工智能：专业出版领域的托管人工智能——汤森路透如何利用 Snowflake 解决企业级人工智能的信任问题

路透社开放档案：新闻内容如何转化为有价值的人工智能原材料

信托级人工智能：为什么在使用人工智能时信任至关重要

人工智能已成为各行业创新发展的驱动力，但在法律、税务和监管等高度敏感的领域，它有其自身的一套规则。在人工智能模型出现幻觉或法律条款存在缺陷的情况下，不仅会损害声誉，还会带来巨大的法律责任风险，因此盲目信任技术绝非明智之举。为了应对这一挑战，全球信息服务提供商汤森路透正与人工智能数据云平台 Snowflake 建立广泛的合作伙伴关系。其核心理念是“托管式人工智能”——一种严格控制、值得信赖的人工智能，它优先考虑结果的可靠性而非速度。本文将探讨汤森路透如何整合数万个数据库，大幅提升关键工作流程，并顺带将其庞大的、拥有数十年历史的新闻档案转化为全球人工智能经济的宝贵资源。了解为何卓越的数据治理正在成为现代专业出版业的决定性竞争优势，以及在企业级人工智能规模化应用过程中仍需克服哪些障碍。.

“受托人级人工智能”是受管理人工智能的一种特定类型：它专门描述了受管理人工智能环境中最高级别的信任和治理，这是法律、税务和监管等受托人敏感用例所必需的，而受管理人工智能则是对专业运营、受监督的人工智能基础设施的更一般性术语。.

汤森路透是一家总部位于多伦多的加拿大-英国媒体和技术公司，由加拿大汤姆森公司于 2008 年收购英国新闻机构路透社而成立。.

路透社于1851年在伦敦创立，是世界上历史最悠久、规模最大的通讯社之一。汤森路透集团仍由伍德布里奇公司控股，该公司是加拿大汤姆森家族的私人投资公司，持有约67%至70%的股份。该公司在纽约证券交易所和多伦多证券交易所上市，股票代码为TRI。.

2025财年，该集团营收约为74.8亿美元，在全球100多个国家拥有约27100名员工。公司主要分为五个业务部门：法律专业人士（为律师事务所和政府机构提供法律研究和工作流程产品）、企业（为内部法律、税务和合规部门提供解决方案）、税务和会计专业人士（税务和会计产品）、路透新闻（传统新闻业务）以及全球印刷业务。.

汤森路透如今将自身定位为一家“人工智能和技术公司”，致力于通过值得信赖的内容和自动化工作流程为专业人士提供支持，其背后是超过150年的内容专业知识积累。该公司最知名的产品包括法律研究平台Westlaw和面向法律专业人士的生成式人工智能助手CoCounsel，这两款产品都日益依赖于现代化的、人工智能驱动的数据基础设施——而这恰恰是此前分析过的与Snowflake合作的核心所在。.

可靠性优先于速度：专业出版社人工智能的新标杆

无误人工智能：汤森路透如何解决法律体系中的信任问题

人工智能通常被视为增长加速器，但在法律、税务和监管领域，可靠性才是最重要的。任何向律师、税务顾问和合规部门出售人工智能系统，如果该系统捏造错误的法律条文或引用过时的法规，不仅会损害自身声誉，还会给客户带来法律风险。汤森路透与 Snowflake 的合作正是在此背景下应运而生。该合作方案于 2026 年 6 月在 Snowflake Summit 26 上发布。它展示了传统媒体和信息公司如何将其庞大且高度敏感的数据存储库转化为生成式人工智能的强大基础，同时又不失去对数据来源​​、质量和访问权限的控制。.

汤森路透是一家全球领先的法律、税务和监管信息服务提供商，为客户提供诸如Westlaw（用于法律研究）和CoCounsel（一款面向法律专业人士的生成式人工智能助手）等产品。Snowflake则定位为人工智能数据云平台，该平台集中、安全地提供企业数据，并符合相关监管法规，用于分析和人工智能应用。两家公司的合作生动地展现了“托管式人工智能”（即在现有业务流程中专业运营、监控和集成人工智能）的概念如何在监管环境最为严苛的地区取得成功。.

从 37,500 张表到统一真理：人工智能背后的数据架构

早在 2021 年，汤森路透就选择了 Snowflake，因为该平台能够将企业级治理和安全要求与可扩展的数据基础设施相结合。自那时起，该公司已在超过 37,500 个受控表和 350 个不同的数据源中构建了一个单一、安全的真实数据源。这一基础架构为内部的“我的数据空间”（My Data Space）平台提供支持，通过该平台，各个中心团队可以在整个组织内交付和共享可信的数据产品。.

包括数据工程师、分析师和高管在内的1500多名内部用户现在每天都会访问该系统，以检索受保护的数据并从中获取洞察，从而优化工作流程。尤其值得一提的是，关键工作负载的处理速度提升了高达3.4倍，使得以往需要数周才能完成的复杂数据分析，现在只需几秒钟即可完成。这一飞跃并非仅仅得益于计算能力的提升，而是得益于整合的数据管道，该管道消除了手动数据准备工作，使团队能够专注于决策制定，而不是底层的数据处理。.

Cortex AI 和 CoCo：提升速度和实现现代化的两大工具

技术实现的核心是 Snowflake Cortex AI，这是一项完全托管的 AI 服务，使组织能够直接在其自身受监管的安全数据上运行大型语言模型，而无需将其迁移到外部系统。对于汤森路透而言，这意味着复杂的监管数据集可以转化为实时洞察，从而显著加快智能应用的开发。Cortex AI 支持来自多家供应商的模型，包括 Anthropic、Meta 和 Mistral，以及 Claude Opus 5 和 Gemini 3 Pro 等现有模型，这些模型可以直接在安全的 Snowflake 环境中运行。.

与此同时，汤森路透正在使用 Snowflake CoCo，这是一款人工智能驱动的编程助手，可帮助团队实现传统系统的现代化，并加速向 Snowflake 环境的迁移。通过在受控环境中简化开发流程，团队可以在不影响安全性和合规性标准的前提下，扩展人工智能和数据创新。这种分析工具与开发助手的结合，正是托管式人工智能在实践中运作方式的典范：基础设施、模型选择、安全策略和扩展均由平台提供商管理，而业务部门则保留对其数据和用例的内容控制权。.

受托人级人工智能：人工智能受托责任的新标杆

Snowflake 和 Thomson Reuters 使用的“受托人人工智能”一词，描述了一种质量水平，在这种水平下，结果的准确性、可追溯性和可靠性不容妥协。Thomson Reuters 数据与分析主管 Caitlin Halferty 强调，真正的价值不仅在于速度，更在于能够在可控的环境中进行创新，使团队能够将复杂的监管数据转化为可执行的洞察，同时保持专业、高风险应用所需的信任度、控制力和可靠性。.

对于一家其核心产品被律师、税务顾问和监管专家用于关键业务场景的公司而言，这种方法并非营销口号，而是经济上的必然选择。在涉及数百万美元或法律责任的领域，任何错误或未经记录的人工智能支出都将危及整个公司的商业模式。Snowflake 的治理层（包括基于角色的访问控制、数据脱敏、对象标记和审计日志）提供了技术基础，而 Cortex Guard 等附加过滤功能则有助于防止不当或有害的模型输出。.

托管式人工智能平台 - 图片来源：Xpert.Digital

在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.

托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.

主要优势一览：

⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.

🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.

💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.

🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.

📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.

更多信息请点击这里：

• 托管人工智能平台

Westlaw 和 CoCounsel 作为受益者：对旗舰产品的实际影响

数据整合的关键影响在汤森路透的两大旗舰产品中体现得尤为明显。随着汤森路透整合其面向成熟法律研究平台 Westlaw 和律师的生成式人工智能助手 CoCounsel 的数据管道，核心工作负载的运行速度提升了高达 3.4 倍，从而实现了从静态报告到近乎实时洞察的转变。这一转变从根本上改变了法律专业人士的日常工作方式：用户无需再等待每日更新，即可持续获取经核实的监管动态信息。.

Snowflake产品执行副总裁Christian Kleinerman强调，汤森路透的合作展示了企业如何通过构建一个值得信赖的基础架构，将人工智能和治理能力相结合，从而提升团队协作效率，并在整个企业范围内扩展人工智能应用。这一声明凸显了此次合作的双重战略意义：它既是一个技术现代化项目，也是一个与客户群体建立信任的工具，而这些客户群体在技术创新方面历来都非常规避风险。.

内容即原材料：路透社向人工智能经济开放其档案库

除了内部数据平台外，路透社于2026年8月宣布，将通过Snowflake Marketplace平台提供其新闻内容，使企业能够利用基于事实的路透社新闻和多媒体内容来丰富其人工智能应用和模型。该平台为企业提供自1987年以来路透社的新闻报道，支持五种语言，并可直接集成到人工智能工作流程中。此举对整个媒体行业而言意义重大，它表明受版权保护的新闻档案如何在不放弃使用权的前提下，成为生成式人工智能系统的可盈利资源。.

这使得汤森路透既能为第三方人工智能系统提供值得信赖的训练和上下文数据，又能为其核心客户运营符合监管规定的自有人工智能应用。这种双重角色从根本上将出版商和专业信息提供商与纯粹的技术公司区分开来，因为它们拥有独家且往往已有数十年历史的数据集，与公开的互联网数据相比，这些数据集为生成式人工智能模型带来了显著的质量优势。.

Snowflake的平台战略：从数据仓库到企业人工智能的控制层

与汤森路透的合作符合 Snowflake 的整体战略方向，该公司正日益将自身定位为基于代理的企业级控制层。2026 年 4 月，Snowflake 宣布对 Snowflake Intelligence 和 Cortex Code 进行重大增强，旨在帮助企业在统一的体验中，将更多数据源、企业系统和 AI 模型与其可信赖的 Snowflake 数据连接起来。Snowflake Intelligence 可作为业务用户的私人工作助手，随着时间的推移不断适应用户的个性化偏好和工作流程；而 Cortex Code 则作为企业级 AI 的开发层，支持整个生态系统的数据驱动开发。.

自2025年11月推出以来，该工具迅速普及，超过半数的客户都在积极使用它来提高工作效率。Snowflake 正在金融服务领域推行类似的策略，推出了 Cortex AI for Financial Services，该工具将严格的安全和合规控制与来自 FactSet、MSCI 和美联社等合作伙伴的数据访问权限相结合。金融和法律领域的这种相似性凸显了一种行业模式：在错误代价高昂且可追溯性至关重要的领域，以治理为先的 AI 模型比开放、不受控制的方法更受欢迎。.

将人工智能管理作为一种商业模式：为什么管理比模式选择更重要？

“托管式人工智能”一词描述了企业使用人工智能方式的根本性转变。像汤森路透这样的公司不再孤立地运行单个语言模型，而是将基础设施、安全架构、模型选择和运维等重要部分转移到一个专门的平台上，该平台能够大规模地处理这些任务并持续更新。真正的价值不再仅仅体现在训练或调整单个模型上，而是体现在对整个数据和人工智能生命周期的可靠管理上：从数据采集和治理到在生产应用中交付结果。.

对于专业出版商、律师事务所、咨询公司和其他知识密集型行业而言，这意味着竞争优势越来越不来源于获取人工智能模型本身——这些模型如今已基本标准化，许多供应商都能使用——而是来源于底层数据的质量、独特性和治理。汤森路透就令人印象深刻地证明了这一点：真正的竞争优势不在于使用Claude、Gemini或其他语言模型本身，而在于能够安全、透明且合法地在数十年积累的高度专业化数据集上使用这些模型。.

专业信息市场的竞争格局：加速发展成为差异化因素

汤森路透将工作负载处理速度提升至 3.4 倍，使其能够以远超以往的速度，为终端客户——律师、税务专家和监管分析师——提供关键的、最新的信息。在 LexisNexis、彭博法律等竞争对手以及众多专注于法律科技的初创公司也在推出生成式人工智能工具的市场中，速度与可靠性的结合正成为至关重要的差异化优势。率先提供可靠、经​​核实答案的供应商，将赢得那些历来对新技术持极其保守态度的专业人士的信任。.

与此同时，这一发展也为拥有庞大、历史悠久且经过法律审查的数据集的成熟信息提供商创造了结构性优势，相比之下，那些拥有现代人工智能技术但缺乏同等数据深度和声誉的新市场进入者则相形见绌。因此，与 Snowflake 的合作也构成了一种市场准入壁垒：虽然规模较小的公司理论上可以使用相同的云基础设施，但它们缺乏构成人工智能应用实际实质性内容的、历经数十年精心整理的数据宝库。.

基于治理的人工智能规模化面临的风险和未决问题

尽管官方新闻稿中对人工智能系统进行了正面描述，但仍有一些关键问题悬而未决，而这些问题对于进行全面评估至关重要。汤森路透和Snowflake均未公布所用人工智能系统的实际错误率、人工审核步骤的频率以及具体的实施成本等详细信息。3.4倍加速的指标明确指出仅针对某些关键工作负载，而非公司内部的所有用例，这限制了其在全面评估系统成功与否方面的意义。.

此外，对单一云服务提供商的依赖问题依然值得关注：一家公司如果将其整个数据基础设施和人工智能治理都建立在像 Snowflake 这样的平台上，就意味着它做出了一项重大的战略承诺，一旦服务提供商提价、技术中断或进行战略调整，都可能产生显著的影响。生成式人工智能模型如何处理包含 37,500 个表格的庞大数据集中相互冲突或过时的法律来源，这个问题在公开声明中仍未得到解答，并且很可能在实际应用中持续面临挑战。.

受监管数据作为媒体行业的一项新核心竞争力

汤森路透与 Snowflake 的合作模式，为传统媒体和专业信息公司如何在生成式人工智能时代保持竞争力提供了一个富有洞见的范例。它们并没有直接与主流人工智能模型提供商竞争，而是将自身定位为高质量、经审计数据集的管理者、维护者和保障者，这些数据集是构建可信赖人工智能应用的基础。这种模式很可能在未来几年内扩展到​​其他监管要求较高的行业，例如医疗保健、金融监管和公共部门。在这些领域，数据的来源、可审计性和控制力至少与所用模型的强大计算能力同等重要。.

从长远来看，人工智能管理战略的成功与否，并不取决于哪种语言模型最强大，而是取决于企业如何持续有效地管理、维护和准备数据，使其能够高效利用。汤森路透通过多年来对统一、可控的数据架构的投资，构建了结构性优势，如今这种优势正转化为可衡量的速度和效率提升，同时也为整个专业出版和信息行业树立了典范。.

Snowflake 和 Unframe.AI 的目标都是安全地提供符合治理要求的企业级 AI，但它们的商业模式和目标群体存在根本差异：Snowflake 主要是一个数据基础设施平台， Unframe 则是一个完全托管的解决方案交付平台。.

核心业务模式和方法

Snowflake 最初是一个云数据仓库平台，如今已发展成为“AI 数据云”，为企业提供基础设施、治理工具和 AI 构建模块（例如 Cortex AI），帮助企业独立或通过 Thomson Reuters 等合作伙伴构建自己的 AI 应用。而 Unframe 明确将自身定位为“托管式 AI 交付平台”。它不提供 DIY 工具，而是根据预先构建的模块化“构建模块”，在几天内交付针对特定业务问题的即用型、生产就绪的 AI 解决方案。使用 Unframe ，客户只需定义预期结果，而 Unframe 则负责技术实施、运维和持续优化。.

相似之处

两家供应商都强调高水平的治理、安全性和可追溯性，将其作为吸引大型企业部署人工智能而不失对敏感数据控制权的关键卖点。两家供应商也都秉持模型无关的原则，这意味着它们不会将客户锁定在单一语言模型中，而是允许在同一平台上使用各种语言模型，例如 Claude、Gemini 或 GPT。此外，两家供应商都致力于整合来自不同源系统的数据，并以上下文相关的方式将其准备用于人工智能应用：Snowflake 通过其中央数据平台实现， Unframe 通过其“知识架构”实现。.

主要差异

Unframe何时会变得更有趣？

Unframe可能更具吸引力，尤其对于那些需要在特定、明确的用例中快速获得可衡量结果，但又没有庞大的内部数据工程或 AI 开发团队的公司而言，因为该平台明确宣称可在几天内而非几个月内完成部署。这对于那些已经拥有分布式、历史悠久且不断扩展的 IT 系统（例如 SAP、Salesforce 或传统数据库）并希望将其集成到 AI 工作流程中而无需进行复杂迁移的组织而言尤为重要，因为 Unframe 明确使用了预构建的连接器来对付这些系统，而无需像 Snowflake 那样创建中央数据平台。.

Unframe 基于结果的定价模式也使其对那些不愿进行大笔前期投资的公司极具吸引力，因为他们通常只有在解决方案被证明有效后才需要付费。例如，财富 500 强保险公司平均响应时间缩短了 45%，全球保险公司理赔速度提高了三倍，这些案例研究表明，这种方法尤其适用于具有明确可衡量的关键绩效指标 (KPI) 的运营流程导向型用例。然而，一旦公司想要构建并维护对包含数千个表和数据源的全面企业级数据基础设施的控制，就像 Thomson Reuters 的情况一样，像 Snowflake 这样的平台在结构上仍然是更合适的选择，尽管它耗时更长。.

Konrad Wolfenstein

我很乐意担任您的私人顾问。.

您可以通过wolfenstein∂xpert.digital 联系我

请拨打 +49 7348 4088 965 。

LinkedIn