今年以來,Agent(智能體)成為科技公司們關(guān)注的重點(diǎn)。此前,微軟CE0薩提亞·納德拉就曾大膽預(yù)言:“AI Agent將取代所有SaaS(軟件即服務(wù))。”
而SaaS龍頭Salesforce 的創(chuàng)始人兼首席執(zhí)行官馬克·貝尼奧夫則秉持不同的意見,他認(rèn)為,AI不會簡單替代SaaS,而是充當(dāng)增強(qiáng)層,并依托現(xiàn)有平臺來為未來提供數(shù)字化勞動(dòng)力。
貝尼奧夫在過去幾個(gè)月反復(fù)提及一個(gè)觀點(diǎn):AI智能體將推動(dòng)“軟件即服務(wù)”(SaaS)轉(zhuǎn)變?yōu)?ldquo;服務(wù)即軟件”(Service as Software)的新模式——基于軟件的AI智能體將會增強(qiáng)企業(yè)的每一個(gè)業(yè)務(wù)流程。
在他看來,未來的企業(yè)核心不再是一套孤立的軟件工具,而是由無形的數(shù)字智能體驅(qū)動(dòng)、與人類并肩工作的“數(shù)字勞動(dòng)力”。他甚至半開玩笑地說,今天的CEO們很可能是“最后一批僅領(lǐng)導(dǎo)人類員工隊(duì)伍的高管了”。
若如他所言,那么這場由AI智能體驅(qū)動(dòng)的“數(shù)字勞動(dòng)力”革命的顛覆性可能將遠(yuǎn)超十五年前的云計(jì)算和移動(dòng)互聯(lián)網(wǎng)浪潮,這不僅是產(chǎn)品迭代,更是一場可能顛覆企業(yè)運(yùn)營模式的革命。
然而,AI 時(shí)代已是巨頭林立,尤其是在企業(yè)級市場擁有強(qiáng)大云基礎(chǔ)設(shè)施和 Office 生態(tài)的微軟,更是 Salesforce 最直接的競爭對手。在這場 AI 角逐中,Salesforce 能否構(gòu)建起獨(dú)特的護(hù)城河?
Agentforce與Data Cloud的“雙輪驅(qū)動(dòng)”
Salesforce 為“服務(wù)即軟件”愿景構(gòu)建了清晰的落地路徑:Agentforce(AI智能體平臺)和 Data Cloud(統(tǒng)一實(shí)時(shí)數(shù)據(jù)平臺)。這兩者并非孤立的產(chǎn)品,而是深度耦合、互為表里。
Agentforce是Salesforce在2024年9月推出的AI平臺,企業(yè)可以在上面創(chuàng)建自主的Agent。據(jù)Salesforce稱,Agentforce推出短短幾個(gè)月內(nèi)吸引了超過 5000 家組織,其中約 3000 家為付費(fèi)用戶。
與市面上常見的通用型 AI 助手不同,Salesforce 的 Agentforce的核心優(yōu)勢在其深度整合能力。Agentforce 能夠結(jié)合企業(yè)既有的 CRM 數(shù)據(jù)、業(yè)務(wù)邏輯和工作流知識,為銷售、服務(wù)、營銷等核心業(yè)務(wù)流程提供智能增強(qiáng)和自動(dòng)化能力。貝尼奧夫透露,目前Salesforce 內(nèi)部已有數(shù)萬名員工正在使用 Agentforce,通過將這些智能體功能融入工作流程,部門生產(chǎn)力有望提升 50%。
據(jù)了解,迪士尼正在使用 Salesforce 的 AI agents 來增強(qiáng)主題公園的運(yùn)營。數(shù)千個(gè) AI agents 同時(shí)協(xié)作,根據(jù)游客偏好、設(shè)施可用性等實(shí)時(shí)數(shù)據(jù),為游客推薦個(gè)性化體驗(yàn)。貝尼奧夫指出“智能體流動(dòng)性”(agent fluidity)這一概念,即智能體能夠在不同數(shù)據(jù)集和應(yīng)用間自如游走,這是人類工作人員難以做到的。
2025財(cái)年第三季度數(shù)據(jù)顯示,Salesforce拓展勢頭強(qiáng)勁,共簽署了2000多筆AI交易(其中超過200個(gè)Agentforce交易),而AI相關(guān)訂單中,超過100萬美元的大額訂單同增兩倍,包含Agentforce 所在的 Data Cloud 和 AI 業(yè)務(wù)線2025財(cái)年年度經(jīng)常性收入已近10億美元,這些有力地證明了 Agentforce 在提升客戶錢包份額和客戶粘性方面的價(jià)值。
在貝尼奧夫眼中,Agentforce旨在增強(qiáng)而非取代現(xiàn)有軟件和人類員工。他強(qiáng)調(diào),即使擁有強(qiáng)大的自主能力,智能體也必須遵循與人類用戶相同的訪問控制和治理約束,避免數(shù)據(jù)濫用和合規(guī)風(fēng)險(xiǎn)。
如果說 Agentforce 構(gòu)建了 AI 時(shí)代的“數(shù)字員工”,能夠自主執(zhí)行任務(wù),那么驅(qū)動(dòng)這些智能體高效、準(zhǔn)確執(zhí)行任務(wù)的,正是 Data Cloud 構(gòu)建的強(qiáng)大數(shù)據(jù)底座。
Data Cloud 的核心價(jià)值在于打破傳統(tǒng)企業(yè)應(yīng)用的數(shù)據(jù)孤島。它整合來自 Salesforce 內(nèi)部應(yīng)用(如 CRM)和外部系統(tǒng)(如 ERP、數(shù)據(jù)倉庫)的數(shù)據(jù),形成一個(gè)統(tǒng)一、實(shí)時(shí)更新的“事實(shí)真相”來源。
更關(guān)鍵的是,Data Cloud 不只是簡單匯聚數(shù)據(jù)。它通過構(gòu)建語義層和元數(shù)據(jù)層,讓 AI 智能體能夠理解數(shù)據(jù)的含義、上下文和業(yè)務(wù)邏輯,為智能決策和自主行動(dòng)提供精準(zhǔn)的“導(dǎo)航”。想象一個(gè)服務(wù)智能體,能在與客戶交互時(shí)實(shí)時(shí)訪問其購買歷史、服務(wù)記錄、營銷互動(dòng)等全方位數(shù)據(jù),從而提供高度個(gè)性化、預(yù)測性的服務(wù)——這就是 Data Cloud 為 Agentforce 提供的“全景視野”。
同時(shí)Salesforce 正在重寫其核心應(yīng)用,例如讓 Tableau 的分析能力直接嵌入到 Slack 或 Sales Cloud 中,實(shí)現(xiàn)數(shù)據(jù)與業(yè)務(wù)流程的無縫融合。
不求“擁有”,但求“連接”:Salesforce的開放棋局
值得深入分析的是,Salesforce 在數(shù)據(jù)策略上選擇了一條獨(dú)特的路。它沒有強(qiáng)制客戶將所有數(shù)據(jù)搬遷到自己的云上,而是擁抱開放。通過與 Snowflake、Databricks 等第三方數(shù)據(jù)平臺建立“零復(fù)制”共享連接,Data Cloud 可以直接訪問企業(yè)分散在各處的數(shù)據(jù),無需昂貴且耗時(shí)的數(shù)據(jù)遷移。與 AWS 的合作也允許 Hyperforce 連接到 AWS 的 AI 服務(wù)和數(shù)據(jù)湖。
這種“不求擁有數(shù)據(jù),但求連接數(shù)據(jù)”的策略,將 Data Cloud 定位為跨異構(gòu)數(shù)據(jù)環(huán)境的“連接器”。在微軟推行以 Azure 為核心的“垂直一體化”AI 策略,試圖提供從底層算力到上層應(yīng)用的端到端閉環(huán)方案時(shí),Salesforce 則試圖扮演一個(gè)“中立的編排者”角色。其核心邏輯在于,在 AI 時(shí)代,能夠最大限度地利用企業(yè)現(xiàn)有數(shù)據(jù)資產(chǎn)、提供最佳互操作性、并避免客戶廠商鎖定的平臺,將獲得更大的價(jià)值。
Salesforce認(rèn)識到企業(yè)數(shù)據(jù)天然分散,通過 Data Cloud 和 Agentforce 成為這些異構(gòu)系統(tǒng)之間的“軟件大腦”或“連接中樞”,讓智能體能夠安全、受控地訪問任何數(shù)據(jù)源。這種對數(shù)據(jù)治理和互操作性的強(qiáng)調(diào),也直接回應(yīng)了納德拉關(guān)于“智能體直接與原始數(shù)據(jù)庫交互”可能帶來的治理風(fēng)險(xiǎn),為大型企業(yè)提供了更可控的 AI 應(yīng)用路徑。
傳統(tǒng)云巨頭(AWS、Azure、GCP)通過投入千億級美元建設(shè)和運(yùn)營遍布全球的數(shù)據(jù)中心來實(shí)現(xiàn)超大規(guī)模。Salesforce 卻試圖通過軟件層面創(chuàng)新達(dá)到類似的規(guī)模。通過 Hyperforce 基礎(chǔ)架構(gòu),統(tǒng)一了各種云的基礎(chǔ),使Salesforce可以借助公共云合作伙伴快速安全地?cái)U(kuò)展,屏蔽了底層云平臺的差異,為客戶提供全球一致的多租戶服務(wù),同時(shí)無需承擔(dān)物理基建的重資產(chǎn)。
這種模式的邏輯是,與其在商品化的基礎(chǔ)設(shè)施上投入重金,不如將資源集中在構(gòu)建基礎(chǔ)設(shè)施之上的高價(jià)值軟件層——比如 Data Cloud 和 Agentforce。數(shù)據(jù)和從中提取的智能,以及連接和編排企業(yè)異構(gòu)系統(tǒng)的能力,成為 Salesforce 新的護(hù)城河。
雖然需要向公共云支付大量費(fèi)用(這也是其銷售成本的重要組成部分),但這筆運(yùn)營支出相對固定資產(chǎn)投資更具靈活性,還可以通過長期批量協(xié)議管理成本。這種模式可以在保持軟件公司投資特點(diǎn)的同時(shí),復(fù)制超大規(guī)模的經(jīng)濟(jì)效益,甚至可能改寫云經(jīng)濟(jì)的游戲規(guī)則。
AI企業(yè)軟件賽道的博弈
AI 浪潮下,企業(yè)軟件市場正上演一場激烈的站隊(duì)與博弈。
最直接的競爭來自微軟。憑借 Azure 云、Office 365 和 Dynamics 365 的強(qiáng)大組合,微軟推行的是“垂直一體化”策略,試圖提供一個(gè)從底層算力到上層應(yīng)用的端到端 AI 解決方案。Salesforce 的“開放連接”策略,恰恰與微軟形成了路線之爭——是選擇被綁定在單一巨頭的生態(tài)內(nèi),還是通過一個(gè)中立平臺連接分散的數(shù)據(jù)和應(yīng)用?大型企業(yè)客戶需要在創(chuàng)新與合規(guī)之間權(quán)衡,Salesforce 強(qiáng)調(diào)數(shù)據(jù)治理和互操作性的模式,可能更容易獲得他們的信任。
但戰(zhàn)場遠(yuǎn)不止于此。ServiceNow、Workday、SAP、Oracle 等 SaaS 巨頭也在各自領(lǐng)域構(gòu)建 AI 能力;Snowflake、Databricks 等數(shù)據(jù)平臺是底層基石的爭奪者;UiPath、Celonis 等提供橫向流程自動(dòng)化方案。這是一個(gè)擁擠且數(shù)據(jù)高度分散的市場,Salesforce 需要在多個(gè)戰(zhàn)線同時(shí)競爭。
實(shí)現(xiàn)“服務(wù)即軟件”并成為“純軟件”云巨頭,對Salesforce 而言,挑戰(zhàn)并不小。
首先是技術(shù)整合與成熟度。將 AI 深度嵌入企業(yè)核心流程并與各種外部系統(tǒng)集成,對技術(shù)棧和客戶現(xiàn)有系統(tǒng)的改造能力提出了很高要求。其次是客戶信任和整體用戶體驗(yàn)。AI 能力需要在 Salesforce 核心應(yīng)用之外也提供無縫、一致的體驗(yàn)。最后,一直為人詬病的基于用戶席位的定價(jià)模式,在引入 AI 智能體后如何調(diào)整,既體現(xiàn) AI 價(jià)值又不顯得昂貴,是影響大規(guī)模普及的關(guān)鍵硬骨頭。
盡管如此,由創(chuàng)始人貝尼奧夫親自掌舵并驅(qū)動(dòng)這場轉(zhuǎn)型,為 Salesforce 帶來了初創(chuàng)公司般的緊迫感和執(zhí)行力。公司逆勢增加招聘、提升 AI 產(chǎn)品收入指引,都顯示出公司押注 AI 的決心,。早期積極的市場反饋和大型 AI 交易的落地,是戰(zhàn)略奏效的信號。
未來云圖的重塑者?
未來 12-24 個(gè)月,將是檢驗(yàn) Salesforce 的關(guān)鍵窗口期。在內(nèi)部,它要證明智能體能大幅提升自身運(yùn)營效率;在外部,它要說服更多客戶擁抱其“服務(wù)即軟件”的戰(zhàn)略,推動(dòng)相關(guān)產(chǎn)品收入邁向新的量級。
這場關(guān)于企業(yè) AI 領(lǐng)導(dǎo)權(quán)的爭奪戰(zhàn)只會愈發(fā)激烈。微軟的垂直整合、其他廠商的專業(yè)能力、以及不斷涌現(xiàn)的創(chuàng)新方案,都將考驗(yàn) Salesforce 的執(zhí)行力和戰(zhàn)略定力。
但如果 Salesforce 能夠保持目前的勢頭,成功扮演好那個(gè)“中立的軟件大腦”和“連接樞紐”的角色,并證明其“純軟件”超大規(guī)模模式的可行性,它或許真的能在 AI 時(shí)代重塑云計(jì)算的格局,成為一個(gè)不同于傳統(tǒng)云巨頭的全新形態(tài)的領(lǐng)導(dǎo)者。這不僅關(guān)系到 Salesforce 的未來,也預(yù)示著企業(yè)軟件和云計(jì)算行業(yè)可能迎來的深刻變革。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。