企业团队在使用单一 AI 模型处理所有任务时面临挑战，因为这些模型要么对简单查询成本过高，要么对复杂任务能力不足。模型路由（Model Routing）作为一种自动为每个任务选择最佳模型的技术，正逐渐成为解决方案。Snowflake 的 Cortex AI Gateway 现已支持动态模型路由，允许用户选择“自动”模式，该模式能够智能地将任务分配给模型，在质量与成本之间取得平衡。据称，这一功能可将令牌（token）成本降低高达三倍，因为它通过为简单问题使用能力较弱但更便宜的模型，避免了过度支出。其他主要厂商如 Databricks、AWS、Google Cloud 和 Nvidia 也在开发类似的模型路由技术。Snowflake 强调，模型路由不仅涉及价格与性能，更重要的是纳入治理与上下文。其动态路由机制采用“顾问模式”（advisor pattern），即由较小模型首先尝试任务，必要时再升级至较大模型。此外，一个基于历史查询训练的分类器会将直截了当的问题路由至更合适、更简单的模型。该自动路由为可选功能，允许客户根据需要手动指定模型。Snowflake 将路由与其现有的数据治理体系集成，将基于角色的访问控制（RBAC）从数据扩展至模型和智能体（agents）。开放模型可在客户所在区域运行，以满足数据驻留要求，且所有推理均保留在 Snowflake 的安全边界内。通过 Horizon Context 和 Cortex Sense 等工具增强的上下文能力，使较便宜的模型也能有效处理任务，无需进行大量探索性工作。智能体记忆（Agent Memory）也被纳入上下文，避免重复解决问题并降低成本。模型路由的竞争格局包括 OpenRouter、Nvidia 的 Switchyard 以及 Databricks 的 Smart Routing 等平台。差异化正转向集成治理、数据本地性、访问控制以及在首选平台内的成本归因。在选择模型路由器时，组织应优先考虑与其现有数据治理和团队结构最契合的选项，而非仅关注功能或价格。选择采用哪种路由器，很大程度上取决于企业现有的数据基础设施和治理模式。