CRM 巨頭也有自己的煩惱。

文｜Alex；編輯｜燕子

Salesforce 早在 2016 年就推出 Einstein AI，試圖將 AI 融入銷售軟件。但是公司近年來面臨 Sierra、Attio 等新興 AI 公司的沖擊，市場份額遭到蠶食。

在中國市場，Salesforce 的業務拓展一直較為緩慢，市場份額較低。公司自 2023 年 12 月起逐漸停止了對中國區企業的國際版服務支持，將業務全面遷移到阿里云上。

隨著 AI 技術不斷推動銷售、營銷與客戶服務的深度融合，Salesforce 意識到，如果不徹底轉型，公司將喪失核心競爭力。

所以，其 AI 戰略的目標是守住自己在 CRM 行業的領頭羊地位。

Salesforce 的核心戰略是通過 Agentforce 和數據云兩大支柱，構建一個 AI 驅動的智能體生態系統，將傳統的 SaaS 模式轉變為 “服務即軟件”（Service as Software），轉型力度極大。

什么樣的演進路徑？

Salesforce 的 AI 產品進化路徑清晰，最初 AI 只是作為 CRM 的功能補充，后來逐步發展為驅動企業運營的自主智能產品。

2016 年Einstein AI橫空出世，Salesforce 的所有人工智能部件都在其框架之下。

那時公司還收購了用于商業預測的機器學習平臺PredictionIO，以及在自然語言處理和圖像領域實力強勁的深度學習平臺MetaMind，積極搭建技術底座。

2017 年 6 月，升級后的 Einstein 實現了自動構建數據模型，Salesforce 稱其為 “利用人工智能生成人工智能”。

同年，公司成立 5000 萬美元基金，主要用于投資 AI 初創公司，鼓勵其在 Salesforce 之上構建人工智能驅動的應用程序。

從此，Salesforce 在 AI 技術上不斷突破，向著平臺化與行業深化大步邁進。

2019 年，Salesforce 推出AI 語音助手 Einstein Voice，實現了語音交互功能，為用戶帶來更為便捷、自然的操作體驗。

同時，針對醫療、金融等不同行業的特殊需求，打造了行業專用云，開發出適配各行業復雜業務場景的專用模型。

2020 年12 月，Salesforce以 277 億美元收購 Slack的同時，還推出Einstein Automate，這是一套新的 AI 驅動的工作流程解決方案，用來提升工作速度和效率。

在收購策略上，公司納入 Tableau 強化數據可視化能力，收購 Servicetrace 助力流程自動化，進一步完善了 AI 技術在實際業務流程中的應用閉環。

這一階段，Salesforce 的戰略核心從通用 AI 領域逐步轉向垂直場景，通過深度挖掘行業數據，實現數據與 AI 的高效協同，讓 AI 真正落地到各個細分領域，為企業提供更具針對性和價值的解決方案。

自 2023 年起，Salesforce 邁入AI 技術的爆發期，在生成式 AI 與 Agentic AI 領域動作頻頻。

2023 年，Einstein GPT 誕生，該產品創新性地將 OpenAI 的企業級 ChatGPT 技術與 Salesforce 的私有 AI 大模型、實時數據云深度融合，能夠高效獲取、協調并統一公司的所有客戶數據，極大提升了 CRM 的智能化水平。

2024 年無疑是 Salesforce 戰略變革的關鍵一年，Agentforce 的推出標志著公司在 AI 應用上的重大突破。

貝尼奧夫下達死命令，所有交易必須包含 AI 產品。效果立竿見影，該產品推出僅一周便斬獲 200 個項目。

為全力推動 AI 業務發展，Salesforce 構建了AI Cloud，整合多模態技術并配備 Prompt Studio，同時在 2025 年收購 Informatica 強化數據治理，從數據源頭去保障 AI 技術的精準性和高效性。

Salesforce 的 AI 產品融入其整體 CRM 生態系統中，形成了 "平臺+應用+數據+智能體" 的四位一體商業模式。

核心邏輯是通過 AI 能力增強傳統 CRM 產品的價值，同時以 AI 為核心驅動力開拓新的收入來源。

這種商業模式的獨特之處在于，AI 不僅是一個功能模塊，更是連接各個產品板塊的紐帶，推動客戶從基礎訂閱向高階智能服務升級。

什么樣的商業模式？

Salesforce 采用的是 "訂閱制+增值服務" 的混合模式，但與傳統 SaaS 不同的是，其 AI 產品定價和銷售策略都圍繞 "價值創造" ，而非 "功能使用" 展開。

這一點在其最新的Agentforce和Data Cloud產品中尤為明顯。

Salesforce 的 Einstein AI 和 AgentForce 在功能上有一定的重疊，但定位和架構有所不同。

根據最新的信息，Salesforce 正在逐步將 Einstein 品牌替換為 AgentForce，但部分 Einstein AI 功能仍然存在，未來可能整合到新的 AI 生態中。

Agentforce提供三種靈活定價模式：

一是 Flex Credits，按 AI 智能體執行的操作計費，每 10 萬積分 500 美元，可跨團隊和渠道使用，適合各類用例；

二是基于對話的定價，每對話 2 美元（不同幣種有對應價格），適用于面向客戶的場景；

三是按用戶許可的附加組件，銷售、服務等場景的附加組件從 125 美元 / 用戶 / 月起，行業版 150 美元 / 用戶 / 月起，1 Editions（一種高級定價版本）550 美元 / 用戶 / 月起，提供無限使用等功能。

企業可根據自身需求選擇合適的定價模式，且可通過 Digital Wallet 實時監控消費情況。

Data Cloud 數據云作為 AI 應用的數據基礎，其定價基于數據量和復雜度，其信用的消耗基于平臺內執行的操作。盡管定價為每 10 萬信用 1000 美元，但需注意這是信用單位而非直接以美元計費。

例如，從 Salesforce 導入 500 萬條記錄可能消耗 1 萬信用，折合成本僅 100 美元（廠商建議零售價）。若每天導入 500 萬條記錄，年成本約為 36500 美元。

Salesforce 通過增值服務和分層支持計劃提升客戶價值與收入。在專業服務方面，企業可按需選擇 AI 模型定制（2萬~10萬美元）、數據遷移（300美元/小時）或員工培訓（500美元/人起），滿足深度業務需求。

同時，其 Success 計劃提供階梯式支持：基礎版免費包含標準資源，進階版（許可證費 30%）增加專家指導和全天候應急響應，而頂級企業可定制專屬服務包，享受主動式客戶成功管理。

這種靈活的服務體系既增強了用戶粘性，也推動了收入增長。

Salesforce 建立了覆蓋全客戶層級的銷售渠道體系，針對不同客戶需求，公司采用差異化的銷售策略。

對于大型企業（年收入超 1000 萬美元），專業直銷團隊提供定制化解決方案；通過 Accenture 等合作伙伴網絡服務中小企業，支持 ISV 基于 Salesforce 平臺開發行業應用；小型企業和個人用戶則可在線自助訂閱，快速啟用 Einstein GPT 等基礎 AI 功能。

在銷售策略上，公司以 AI 為核心增長引擎。通過 Einstein 分析客戶行為，自動推薦關聯產品，比如使用 Agentforce 時推送 Marketing Cloud 功能；其服務階梯式升級，從免費預測功能到 Einstein GPT，到 Agentforce+Data Cloud，到專業服務，形成完整的產品演進路徑。

這一模式提升了客戶粘性，而且通過 AI 驅動交叉銷售實現了可持續增長。

AI 商業化成績如何？

Salesforce 在 2026 財年第一季度交出了一份亮眼的 AI 成績單。從財報數據來看，AI 相關業務已成為公司增長的重要引擎。

其中，Data Cloud 和 AI 產品表現尤為突出，年化經常性收入（ARR）突破 10 億美元，同比增長高達 120%，成為 Salesforce 增長最快的業務板塊之一。

在具體產品落地方面，Agentforce 自推出以來已累計完成超 8000 筆交易，付費客戶占比達 50%。

該產品在 help.salesforce.com 平臺上累計處理了 75 萬次服務請求，幫助客戶減少了 7% 的人工工單量，效率提升顯著。

2025 年 6 月，貝尼奧夫表示，該公司 AI 代理系統已承擔 30% 至 50% 的工作量，自動化替代數十項原有人力流程，AI 系統準確率達 93%。

Salesforce 今年初裁撤約 1000 個崗位，新增職位聚焦 Agentforce 智能體技術市場推廣。

從客戶需求來看，AI 解決方案正成為大企業的標配。在第一季度前 100 大交易中，近 60% 都包含了 Data Cloud 和 AI 產品。

Gartner 在其最新《CRM 魔力象限報告》中，連續多年將 Salesforce 評為領導者，并特別指出其 AI 能力是鞏固市場地位的關鍵優勢。

可見，Salesforce 的 AI 戰略正在從技術探索階段，邁向規?；虡I變現的新周期。

給行業的幾點啟示

Salesforce 在 AI 領域的成功并非偶然，其戰略路徑為整個行業提供了重要參考。

首先，場景優先，而非技術。AI 的價值不在于技術本身的先進性，而在于能否真正解決業務痛點。

Salesforce 始終聚焦高價值場景，例如用 AI 優化銷售預測準確率、實現客服對話自動分類、縮短合同審批周期等。

這種 “問題驅動” 的落地方式，讓 AI 能夠切實為企業降本增效。

其次，數據才是護城河，而非模型。在 AI 競賽中，許多公司過度追逐大模型參數規模，而 Salesforce 選擇掌控數據管道。

通過收購數據管理公司構建 Data Cloud，確?？蛻魯祿軣o縫接入 AI 系統。這一策略降低了對外部 LLM 的依賴，同時讓 AI 的預測結果更貼合企業實際業務邏輯。

畢竟，再先進的模型，沒有高質量數據也只是無米之炊。

此外，生態化是商業化成功的關鍵。單一 AI 產品往往面臨落地難、續費率低的挑戰，Salesforce 將 AI 深度嵌入 Sales Cloud、Service Cloud 等現有 SaaS 產品矩陣，讓 AI 功能成為工作流中的自然延伸。

例如，銷售人員在查看客戶信息時，系統會自動推送 AI 生成的下一步行動建議。

AI 的商業化從來不是技術單點突破的游戲。Salesforce 的實踐表明，場景聚焦、數據掌控、生態協同三者結合，才是讓 AI 從概念走向規?；癄I收的核心邏輯。

我們還應該思考，在 AI 時代，CRM 廠商的盡頭究竟是技術公司，還是數據公司？

一方面，模型算法持續迭代，技術壁壘可能被快速顛覆；另一方面，高質量行業數據的積累卻需要長期沉淀，才能形成更持久的競爭優勢。

Salesforce 既持續投入 AI 研發，又通過 Data Cloud 牢牢掌控數據管道，這種雙重布局就是它的答案。

說明：文章為牛透社原創，未經允許謝絕轉載。