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。
出海游学东南亚站，即将启程！
快来报名呀！ ⬇️⬇️
星标 牛透社 ，get ToB AI 洞察点赞
分享
喜欢
