CRM巨头也有自己的烦恼。
Salesforce早在2016年就推出Einstein AI，试图将AI融入销售软件。但是公司近年来面临Sierra、Attio等新兴AI公司的冲击，市场份额遭到蚕食。
在中国市场，Salesforce的业务拓展一直较为缓慢，市场份额较低。公司自2023年 12月起逐渐停止了对中国区企业的国际版服务支持，将业务全面迁移到阿里云上。
随着AI技术不断推动销售、营销与客户服务的深度融合，Salesforce意识到，如果不彻底转型，公司将丧失核心竞争力。
所以，其AI战略的目标是守住自己在CRM行业的领头羊地位。
Salesforce的核心战略是通过Agentforce和数据云两大支柱，构建一个AI驱动的智能体生态系统，将传统的SaaS模式转变为 “服务即软件”（Service as Software），转型力度极大。
01
什么样的演进路径？
Salesforce的 AI产品进化路径清晰，最初AI只是作为CRM的功能补充，后来逐步发展为驱动企业运营的自主智能产品。
2016年 Einstein AI横空出世，Salesforce的所有人工智能部件都在其框架之下。
那时公司还收购了用于商业预测的机器学习平台PredictionIO，以及在自然语言处理和图像领域实力强劲的深度学习平台MetaMind，积极搭建技术底座。
2017年 6月，升级后的Einstein实现了自动构建数据模型，Salesforce称其为 “利用人工智能生成人工智能”。
同年，公司成立5000万美元基金，主要用于投资AI初创公司，鼓励其在Salesforce之上构建人工智能驱动的应用程序。
从此，Salesforce在 AI技术上不断突破，向着平台化与行业深化大步迈进。
2019年，Salesforce推出AI语音助手Einstein Voice，实现了语音交互功能，为用户带来更为便捷、自然的操作体验。
同时，针对医疗、金融等不同行业的特殊需求，打造了行业专用云，开发出适配各行业复杂业务场景的专用模型。
2020年12月，Salesforce以 277亿美元收购Slack的同时，还推出Einstein Automate，这是一套新的AI驱动的工作流程解决方案，用来提升工作速度和效率。
在收购策略上，公司纳入Tableau强化数据可视化能力，收购Servicetrace助力流程自动化，进一步完善了AI技术在实际业务流程中的应用闭环。
这一阶段，Salesforce的战略核心从通用AI领域逐步转向垂直场景，通过深度挖掘行业数据，实现数据与AI的高效协同，让AI真正落地到各个细分领域，为企业提供更具针对性和价值的解决方案。
自2023年起，Salesforce迈入AI技术的爆发期，在生成式AI与 Agentic AI领域动作频频。
2023年，Einstein GPT诞生，该产品创新性地将OpenAI的企业级ChatGPT技术与Salesforce的私有AI大模型、实时数据云深度融合，能够高效获取、协调并统一公司的所有客户数据，极大提升了CRM的智能化水平。
2024年无疑是Salesforce战略变革的关键一年，Agentforce的推出标志着公司在AI应用上的重大突破。
贝尼奥夫下达死命令，所有交易必须包含AI产品。效果立竿见影，该产品推出仅一周便斩获200个项目。
为全力推动AI业务发展，Salesforce构建了AI Cloud，整合多模态技术并配备Prompt Studio，同时在2025年收购Informatica强化数据治理，从数据源头去保障AI技术的精准性和高效性。
Salesforce的 AI产品融入其整体CRM生态系统中，形成了 "平台+应用+数据+智能体" 的四位一体商业模式。
核心逻辑是通过AI能力增强传统CRM产品的价值，同时以AI为核心驱动力开拓新的收入来源。
这种商业模式的独特之处在于，AI不仅是一个功能模块，更是连接各个产品板块的纽带，推动客户从基础订阅向高阶智能服务升级。
02
什么样的商业模式？
Salesforce采用的是 "订阅制+增值服务" 的混合模式，但与传统SaaS不同的是，其AI产品定价和销售策略都围绕 "价值创造" ，而非 "功能使用" 展开。
这一点在其最新的Agentforce和 Data Cloud产品中尤为明显。
Salesforce的 Einstein AI和 AgentForce在功能上有一定的重叠，但定位和架构有所不同。
根据最新的信息，Salesforce正在逐步将Einstein品牌替换为AgentForce，但部分Einstein AI功能仍然存在，未来可能整合到新的AI生态中。
Agentforce提供三种灵活定价模式：
一是Flex Credits，按AI智能体执行的操作计费，每10万积分500美元，可跨团队和渠道使用，适合各类用例；
二是基于对话的定价，每对话2 美元（不同币种有对应价格），适用于面向客户的场景；
三是按用户许可的附加组件，销售、服务等场景的附加组件从125美元 / 用户 / 月起，行业版150美元 / 用户 / 月起，1 Editions（一种高级定价版本）550美元 / 用户 / 月起，提供无限使用等功能。
企业可根据自身需求选择合适的定价模式，且可通过Digital Wallet实时监控消费情况。
Data Cloud数据云 作为AI应用的数据基础，其定价基于数据量和复杂度，其信用的消耗基于平台内执行的操作。尽管定价为每10万信用1000美元，但需注意这是信用单位而非直接以美元计费。
例如，从Salesforce导入500万条记录可能消耗1 万信用，折合成本仅100美元（厂商建议零售价）。若每天导入500万条记录，年成本约为36500美元。
Salesforce通过增值服务和分层支持计划提升客户价值与收入。在专业服务方面，企业可按需选择AI模型定制（2万~10万美元）、数据迁移（300美元/小时）或员工培训（500美元/人起），满足深度业务需求。
同时，其Success计划提供阶梯式支持：基础版免费包含标准资源，进阶版（许可证费30%）增加专家指导和全天候应急响应，而顶级企业可定制专属服务包，享受主动式客户成功管理。
这种灵活的服务体系既增强了用户粘性，也推动了收入增长。
Salesforce建立了覆盖全客户层级的销售渠道体系，针对不同客户需求，公司采用差异化的销售策略。
对于大型企业（年收入超1000万美元），专业直销团队提供定制化解决方案；通过Accenture等合作伙伴网络服务中小企业，支持ISV基于Salesforce平台开发行业应用；小型企业和个人用户则可在线自助订阅，快速启用Einstein GPT等基础AI功能。
在销售策略上，公司以AI为核心增长引擎。通过Einstein分析客户行为，自动推荐关联产品，比如使用Agentforce时推送Marketing Cloud功能；其服务阶梯式升级，从免费预测功能到Einstein GPT，到Agentforce+Data Cloud，到专业服务，形成完整的产品演进路径。
这一模式提升了客户粘性，而且通过AI驱动交叉销售实现了可持续增长。
03
AI商业化成绩如何？
Salesforce在 2026财年第一季度交出了一份亮眼的AI成绩单。从财报数据来看，AI相关业务已成为公司增长的重要引擎。
其中，Data Cloud和 AI产品表现尤为突出，年化经常性收入（ARR）突破10亿美元，同比增长高达120%，成为Salesforce增长最快的业务板块之一。
在具体产品落地方面，Agentforce自推出以来已累计完成超8000笔交易，付费客户占比达50%。
该产品在help.salesforce.com平台上累计处理了75万次服务请求，帮助客户减少了7% 的人工工单量，效率提升显著。
2025年 6月，贝尼奥夫表示，该公司AI代理系统已承担30% 至50% 的工作量，自动化替代数十项原有人力流程，AI系统准确率达93%。
Salesforce今年初裁撤约1000个岗位，新增职位聚焦Agentforce智能体技术市场推广。
从客户需求来看，AI解决方案正成为大企业的标配。在第一季度前100大交易中，近60% 都包含了Data Cloud和 AI产品。
Gartner在其最新《CRM魔力象限报告》中，连续多年将Salesforce评为领导者，并特别指出其AI能力是巩固市场地位的关键优势。
可见，Salesforce的 AI战略正在从技术探索阶段，迈向规模化商业变现的新周期。
04
给行业的几点启示
Salesforce在 AI领域的成功并非偶然，其战略路径为整个行业提供了重要参考。
首先，场景优先，而非技术。AI的价值不在于技术本身的先进性，而在于能否真正解决业务痛点。
Salesforce始终聚焦高价值场景，例如用AI优化销售预测准确率、实现客服对话自动分类、缩短合同审批周期等。
这种 “问题驱动” 的落地方式，让AI能够切实为企业降本增效。
其次，数据才是护城河，而非模型。在AI竞赛中，许多公司过度追逐大模型参数规模，而Salesforce选择掌控数据管道。
通过收购数据管理公司构建Data Cloud，确保客户数据能无缝接入AI系统。这一策略降低了对外部LLM的依赖，同时让AI的预测结果更贴合企业实际业务逻辑。
毕竟，再先进的模型，没有高质量数据也只是无米之炊。
此外，生态化是商业化成功的关键。单一AI产品往往面临落地难、续费率低的挑战，Salesforce将 AI深度嵌入Sales Cloud、Service Cloud等现有SaaS产品矩阵，让AI功能成为工作流中的自然延伸。
例如，销售人员在查看客户信息时，系统会自动推送AI生成的下一步行动建议。
AI的商业化从来不是技术单点突破的游戏。Salesforce的实践表明，场景聚焦、数据掌控、生态协同三者结合，才是让AI从概念走向规模化营收的核心逻辑。
我们还应该思考，在AI时代，CRM厂商的尽头究竟是技术公司，还是数据公司？
一方面，模型算法持续迭代，技术壁垒可能被快速颠覆；另一方面，高质量行业数据的积累却需要长期沉淀，才能形成更持久的竞争优势。
Salesforce既持续投入AI研发，又通过Data Cloud牢牢掌控数据管道，这种双重布局就是它的答案。
注：文/Alex，文章来源：牛透社(公众号ID：Neuters )，本文为作者独立观点，不代表亿邦动力立场。
