Salesforce 宣布旗下的 AI 智能体平台 Agentforce 年化经常性收入突破 12 亿美元

Salesforce 宣布旗下的 AI 智能体平台 Agentforce 年化经常性收入突破 12 亿美元。 首席执行官 Marc Benioff 在财报会上把它称作公司历史上最大的增长机会。 但转头看一线渠道和企业客户，真实世界给出了完全相反的反馈。 投资银行 TD Cowen 调研了全球核心合作伙伴。 没有一家渠道商把这款产品当成拉动新订单的引擎。 合作伙伴的季度业绩达标率，从上季度的 43% 断崖式跌到了 33%。 超过一半的渠道伙伴承认，客户根本没有准备好大规模上线。 KeyBanc 的分析师调研也发现了同样的问题。 绝大多数企业客户的底层数据一团混乱，产品成熟度也远未达标。 Gartner 甚至直接给全行业泼了冷水。 到 2027 年底，超过 40% 的企业级 AI 智能体项目会被直接砍掉。 为什么一边是软件巨头在财务报表里狂揽十几亿的试点订阅费，另一边却是真实的业务现场死活无法落地？ 是企业客户不愿意拥抱新技术？ 还是大模型从聊天玩具跨向自主执行的过程中，撞上了一堵无法用营销预算抹平的物理墙？ 把这笔账拆到底，会看到两个死死卡在企业软件咽喉里的硬结构。 第一个，叫复合可靠性断崖。 单步调用的语言模型，95% 的准确率已经足够让人惊艳。 但在真实的商业环境里，企业不需要一个只会写总结的聊天助手。 企业需要它成为一个能自主干活的数字员工。 读取客户邮件、识别采购意向、跨权限查询数据库、调用接口比对信用、在系统里自动下单、最后发送确认。 这是一个由六个步骤组成的连续动作链。 大模型每一次执行，都是一次概率输出。 当单步成功率是 95% 时，连续走完六个步骤，整体可靠性就会瞬间跌到 73%。 如果流程拉长到十个步骤，成功率直接掉到 60% 以下。 在企业级的核心业务里，40% 的出错率就是灾难。 只要一步算错，企业就必须派出昂贵的人类工程师去排查、兜底、人工纠偏。 用来替代人力的智能体，最终反而创造了更多、更难处理的人工维护成本。 第二个，叫企业数据负债。 智能体能够做出正确决策的前提，是它能读懂企业内部所有真实、实时的业务上下文。 但过去三十年的信息化建设，给绝大多数企业留下了巨大的数据泥潭。 碎片化的部门孤岛、未清洗的历史脏数据、相互冲突的权限体系、随处可见的非结构化暗数据。 大模型跑得再快，喂进去一堆有毒的上下文，吐出来的也只能是致命的业务幻觉。 要让智能体真正工作，企业必须先把过去欠了几十年的数据治理账给还清。 而这笔还账的工程成本，往往是购买软件授权费用的数倍甚至数十倍。 软件巨头习惯了传统 SaaS 时代的叙事逻辑。 通过前置的捆绑销售、试点套餐和试用授权，迅速在账面上堆砌出漂亮的 ARR 数字。 但这笔收入本质上只是企业为焦虑支付的实验门票。 它既不代表产品已经成熟，也不代表客户已经走通了商业价值闭环。 从确定性的代码逻辑，跨越到概率性的模型推理，企业软件的底层交付逻辑被彻底重构了。 买一套软件只需几天。 但让一家企业的全部数据与工作流适应概率性智能体，需要数年时间的组织与架构重建。 把实验阶段的尝鲜订阅，当成大规模生产力落地的先兆，不过是资本市场又一次自上而下的认知错觉。 技术演进有它自己的重力法则。 从一个能言善辩的对话框，到一个能承担商业责任的执行者，中间隔着的从来不是算力的大小。 隔着的是冰冷的数据工程，以及人类组织对不确定性风险的承受极限。 当狂热的发布会掌声散去，真正决定一家企业能不能用上智能体的，不是巨头描绘的宏大愿景。 是在混乱的数据废墟里，那笔谁也逃不掉的、漫长而繁琐的清洗账单。