这一周，两个巨头同时掏出了 AI 编程代理，Flink 造了个能跑 AI Agent 的流处理引擎，而初级数据岗的招聘还在缩。
消息很多，值得停下来想一想的没几条。这篇只说我觉得重要的。
行业动态：产品与技术
Databricks 推出 Genie Code——让 AI 自己写代码查数据
3 月底，Databricks 正式上线了 Genie Code，这不是一个简单的 SQL 补全工具，而是一个自主编程代理（autonomous coding agent）。
它能做什么？接到一个业务问题后，Genie Code 自己拆任务，写 Python 或 SQL，跑一遍，发现不对就自己调试——循环往复，直到给出答案。以前你花半天写的取数脚本，它可能十分钟搞定，而且还会自查。
配套的还有一个叫 Inspect 的功能（目前公测中），专门用来「复查」生成的 SQL——先把大查询拆成小块验证，确认逻辑没问题后再拼回去。
另外，Agentic Dashboard Authoring 也一并发布：用一句话描述你要看什么数据，AI 从找表、建数据集、画图表、配筛选条件到排版多页仪表盘，一条龙搞定。
这意味着什么？对数据分析师来说，取数和建仪表盘这两项最消耗时间的日常工作，正在被 AI 接管。
Snowflake 的 Cortex Code 全面开放
几乎同一时间，Snowflake 也没闲着。
Cortex Code 在 Snowsight（Snowflake 的 Web 界面）中已正式 GA（General Availability）。这同样是一个 AI 编程代理，但 Snowflake 走了一条不同的路——它不仅支持 Snowflake 原生工作流，还在 CLI 端扩展到了 dbt 和 Apache Airflow 的支持。
换句话说，Snowflake 想让 Cortex Code 成为一个跨平台的数据工程 AI 助手，不管你的管道跑在哪里，它都能帮你写代码。
更值得注意的是它的 Agent Teams 功能——多个 AI Agent 协同并行工作，这已经不是”AI 辅助”了，这是”AI 团队”。
底层模型可选 Claude Opus 4.6 和 GPT-5.2——Snowflake 不绑死模型供应商，这倒是个聪明的姿态。
Databricks vs Snowflake：一场 Coding Agent 军备竞赛
退后一步看，两家数据平台巨头同时在 2026 年 Q1 押注 Coding Agent，不是巧合。
| 维度 | Databricks Genie Code | Snowflake Cortex Code |
|---|---|---|
| 核心能力 | 自主写 Python/SQL + 自动调试 | AI 编程 + 跨平台管道支持 |
| 集成生态 | Microsoft Copilot Studio、Teams | dbt、Apache Airflow、CLI |
| 差异化 | 深度绑定 Lakehouse 生态 | 向外扩展，支持非 Snowflake 环境 |
| 协作模式 | Genie Agent Mode（多步推理） | Agent Teams（多 Agent 并行） |
它们解决的是同一个问题：数据工程师和分析师的时间不该花在重复性编码上。
策略不同。Databricks 在自己的城池里深挖，Snowflake 想翻过墙去够别人家的场景。谁赢不好说，但有一点确定——“手写 SQL 然后等结果”这件事，正在从日常变成偶尔。
Apache Flink CDC 3.6 发布 + Flink Agents 子项目亮相
开源生态这边也没停。
Flink CDC 3.6 在 3 月 30 日发布，继续完善变更数据捕获（CDC）的能力。同时，Flink Kafka Connector 升级到了 Kafka 4.2.0。
但真正让人注目的是 Flink Agents（FLIP-531）。
这是一个全新的子项目，目标是在 Flink 之上构建事件驱动的 AI Agent。它支持动态拓扑——简单说就是 AI Agent 能根据上一步结果决定下一步做什么（ReAct 循环、条件分支）。可以调用外部工具（MCP 协议），并且继承了 Flink 的 checkpoint 和 exactly-once 语义，也就是说，哪怕系统崩了重启，数据也不丢不重。
翻译成人话：你可以在流处理引擎里直接跑 AI Agent，而且它保证数据不丢不重。
对于需要在实时数据流上做 AI 决策的场景（比如实时风控、动态定价），这可能是 2026 年最重要的基础设施级创新之一。
市场现状：数据岗的「冷静期」
就业市场：入门更难，高端更香
产品发完了，聊聊人。
多项报告指出，2026 年初级数据岗位（尤其是 30 岁以下的 junior 到 mid-level）的招聘需求出现了明显收缩。不是岗位消失了，而是竞争更激烈了，企业的要求也更高了。
五年前，会 SQL + Python 就能拿到 offer。现在？这只是入场券。
招聘 JD 里越来越常见的关键词是：平台工程、DevOps 集成、ML Pipeline、数据治理编排——一个岗位干四个人的活。
与此同时，高级数据岗位的薪资依然坚挺。美国市场数据工程师薪资区间 138K（初级到高级），数据科学家 182K。国内上海市场，56.3% 的数据分析师岗位月薪在 20-50K 之间。掌握 Python + BI 组合技能的人，薪资溢价可达 27.3%。
需求变化：从「数据分析师」到「AI 增强分析师」
行业对数据人才的需求没有减少——全球数据分析市场预计 2026 年底达到 1044 亿美元，年增长率 21.5%。美国劳工统计局预计数据科学家岗位到 2034 年增长 34%。
但需求的内涵变了。
「数据分析师」这个 title 正在被重新定义，可能的新名字包括：Analytics Engineer、Business Insights Analyst、AI-Augmented Analyst。企业不再只需要你取数做报表，而是希望你能编排 AI + 数据 + 业务。
数据工程师也一样。2026 年的数据工程已经不是写 ETL 就完事了——cloud-native 管道、流式架构、Data Mesh、治理框架，每一项都在向「架构能力」靠拢。
用一句话总结：市场不是不要数据人了，是不要只会干活的数据人了。
突破口在哪里？
说了这么多坏消息，聊点有建设性的。
第一，成为 AI 的驾驶员，而不是被 AI 替代的乘客。
Databricks 的数据显示，平台上 80% 的新数据库已经由 AI Agent 自动创建。Snowflake 和 Databricks 都在推 Coding Agent。这些工具会取代「写 SQL」这件事本身吗？不一定。但它们一定会取代「只会写 SQL」的人。
学会用这些工具，让 AI 做重复工作，你做判断和决策——这不是锦上添花，是生存技能。
第二，「T 型能力」比任何单项技能都值钱。
纵向：Python、SQL、机器学习、大模型原理——这是你吃饭的手艺。 横向：业务理解、沟通能力、项目推动——这是你值钱的理由。
见过太多技术很强的人，写的代码自己看得懂，老板看不懂，客户更看不懂。能把技术翻译成业务价值的人，永远稀缺。
第三，关注实时和流式。
Flink Agents 的出现不是偶然。批处理时代的「隔夜跑数」正在被实时架构取代。Kafka + Flink 已经成为主流企业的标配。如果你还只会 Hive + Spark 批处理，是时候补课了。
第四，数据治理是被低估的金矿。
2026 年中国将推出 30 余项数据领域国家标准。「数据要素×」三年行动计划进入最后一年。公共数据、高质量数据集、数据基础设施——这些方向的标准化工作正在加速。
懂技术 + 懂合规 + 懂业务 = 市场上最稀缺的人。
本周小结
| 事件 | 一句话解读 |
|---|---|
| Databricks Genie Code | AI 自主写代码查数据，取数岗最先受冲击 |
| Snowflake Cortex Code GA | 跨平台 AI 编程代理，Snowflake 向外伸手了 |
| Flink CDC 3.6 + Flink Agents | 流处理引擎长出了 AI 大脑 |
| 就业市场收缩 | 初级岗变少，但高端需求依然旺盛 |
| 岗位定义重塑 | 从「数据分析师」到「AI 增强分析师」 |
如果只记住一件事，记住这个：
2026 年的数据行业不是在萎缩，是在分化。 会用 AI 工具、懂业务、能做架构决策的人，机会比以前更多。只是这列车不等人，你得自己跑起来。
我叫石头，在数据行业里摸爬滚打了十几年，这一轮 AI，我也是边看边想。这里写的，就是这些教训——我觉得值得说出来的那部分。
数据来源：Databricks AI/BI Release Notes 2026 · Snowflake Cortex Code · Apache Flink CDC 3.6.0 · Data Streaming Trends 2026 · 数据分析师 2026 就业形势 · Data Engineering Hiring Trends 2026 · Robert Half Tech Hiring 2026
