引言：多平台混乱，才是企业AI的真实现状

当你问一家中型科技企业”你们用什么AI平台”，你通常得不到一个答案，而是得到一张清单：

Microsoft Copilot for Office，还有GitHub Copilot for 开发团队，还有Salesforce Einstein for CRM，还有内部数据科学团队自建的一套基于Amazon Bedrock的工作流，还有客服部门引入的另一家垂直AI工具……

这不是虚构的场景。这是2026年企业AI的普遍现实。

VentureBeat Intelligence在2026年7月发布的《Agentic Orchestration Pulse Survey》调查了107家100人以上的企业：

  • 85%的受访企业同时运行2个或以上的AI Agent编排平台
  • 平均每家企业运行3.1个AI平台
  • 53%预计到2026年底，其主要AI控制层将是混合架构（同时使用原生供应商方案和外部编排工具）

这个数字背后是一个真实的企业痛点：AI工具的快速增殖，创造了多平台混乱，形成了治理真空。

谁能解决这个问题，谁就能在企业AI市场占据一个结构性位置。

这正是Salesforce在2026年9月10日发布Enterprise AI Harness的战略赌注。

第一部分：什么是Enterprise AI Harness——Salesforce的解法

Salesforce的Enterprise AI Harness不是一个新的AI模型，也不是一个新的Agent，而是一个在所有AI之上的控制层。

Salesforce官方将其定义为：”一个给AI提供信任基础的架构，将AI所需的业务理解、推理规划、行动执行和企业控制整合在一起，而不需要企业为每个Agent或AI体验单独构建和管理这些能力。”

六大能力模块

Enterprise AI Harness包含六个核心能力：

  1. Trusted Context（可信上下文）：让AI访问并理解企业特定的数据关系——客户信息、交易历史、合同条款、业务定义。这解决了”AI对企业业务一无所知”的问题。

  2. Trusted Agency（可信代理）：提供共享的推理和规划能力，让Agent能够理解复杂的多步任务并自主执行。

  3. Trusted Action（可信行动）：安全地调用企业系统（ERP、CRM、数据库）和外部API，执行有实际影响的操作——而不只是”建议”。

  4. Trusted Governance（可信治理）：确保AI的行动符合企业的政策和合规要求，在自动化和企业控制之间维持平衡。

  5. Trusted Security（可信安全）：防止数据泄露，确保AI的数据访问受权限控制，符合数据隐私法规。

  6. Trusted Models（可信模型）：支持多模型（Salesforce的Einstein + 第三方模型），不强制锁定在单一基础模型上。

以上六个能力通过一个统一的AI Control Plane（AI控制层）管理。企业可以在这个控制层上看到、管理和监控所有AI的运行状态。

一个具体的例子

Salesforce在官方说明中举了一个简单但说明性强的例子：

客户问：”我们今天能兑现这个订单吗？”

这个问题没有单一的系统能回答。

  • CRM知道客户关系和历史
  • ERP知道库存和物流
  • 合同数据库知道服务承诺
  • 分析系统知道业务定义
  • 历史交互记录知道这个客户的特殊要求

单独的AI Agent访问任何一个系统都无法给出完整答案。Enterprise AI Harness的作用是：让一个Agent能够安全地访问所有这些系统，理解它们的关系，给出一个可信的答案，并在必要时执行后续操作（如生成发货单）。

第二部分：为什么”企业信任上下文”是真正的差异点

在AI能力越来越接近商品化的今天（各大基础模型在通用任务上的差距在缩小），Salesforce押注的差异化是一个更本质的东西：企业数据的独特性和历史积累。

Salesforce总裁兼首席平台和工程官Rohan Kumar告诉VentureBeat：

“从模型中获得的智能是无处不在的。真正独特的是一个组织的’企业可信上下文’：它的客户、员工、交易、数据关系、知识和历史。”

这个洞察有深层的商业逻辑。

如果模型能力是商品（任何人都可以调用GPT-6 Astra或Claude或Gemini），那么差异化就只能来自使用这些模型时所具备的上下文质量。而一家公司20年的客户互动历史、交易数据、内部知识库，是真正难以复制的资产。

Salesforce在CRM领域深耕30年，掌握了许多大型企业最核心的业务数据。Enterprise AI Harness的本质，是让这些数据成为AI行动的上下文，而不只是被查询的数据库。

这是Salesforce在AI时代的护城河逻辑：不是模型，而是数据+关系+信任。

第三部分：企业AI治理的真实困境

要理解Salesforce在解决什么问题，需要先理解企业AI治理的真实困难。

多平台的协调成本

当一家企业同时运行3.1个AI平台时，它面临的不只是”哪个平台更好”的选择问题，而是谁来协调这些平台的治理问题。

不同的AI Agent可能：

  • 访问相互矛盾的数据来源（一个Agent从CRM拿客户信息，另一个从ERP拿到不同版本的同一信息）
  • 做出相互干扰的操作（销售Agent发了促销邮件，而财务Agent正在处理同一客户的账单纠纷）
  • 产生审计难以追溯的决策（”这个结论是哪个Agent在什么上下文下产生的？”）

这不是理论问题，这是在大量部署AI Agent之后会遇到的实际运营问题。

合规和审计的压力

对于金融、医疗、法律等高度受监管的行业，AI决策的可审计性是监管要求，而不只是最佳实践。

以金融服务为例：如果一个AI Agent自动审批了一笔贷款申请，这个决策必须可以被追溯——Agent访问了哪些数据、在什么业务规则下做出了什么判断。《欧盟AI法案》（EU AI Act）要求高风险AI系统（包括用于信贷评估的AI）必须保留完整的决策日志，供监管机构审查。

一个AI Agent如果能够独立访问客户数据并执行操作，但产生的每一个决策没有可追溯的记录，直接违反这类监管要求。Enterprise AI Harness的Trusted Governance和Trusted Security组件，部分解决的就是这个合规场景。

第四部分：Salesforce vs. Microsoft——控制层的战争

Salesforce不是第一个意识到”控制层”机会的公司。

微软的Copilot for Microsoft 365，实际上也在做类似的事情——在Office生产力工具层面建立AI的统一接入点，让AI能够访问用户的邮件、文档、日历，并在这些上下文中执行任务。

但Salesforce和微软的控制层定位有一个根本的不同：

微软的Copilot基于Office生产力工具——Word、Excel、Teams、Outlook。它的核心是”个人生产力”层，帮助个人用户更高效地处理文档和沟通。

Salesforce的AI Harness基于CRM和业务流程——客户关系、销售流程、服务工单、营销活动。它的核心是”业务执行”层，让AI直接参与和推进企业的核心运营流程。

一个典型的共存场景：销售代表用Microsoft Copilot整理上午的会议记录（个人生产力），用Salesforce Hunter Agent自动发送跟进客户的个性化邮件（业务执行），两个系统协作完成一个完整的工作流，而不是互相替代。

这意味着这场”控制层战争”可能没有单一赢家：不同的企业业务场景将对应不同的控制层。这对Salesforce是好消息，因为它在CRM这个特定的业务层有30年的深度积累，微软难以在短期内复制。

ServiceNow和SAP的竞争

除了微软，ServiceNow（IT服务管理）和SAP（ERP）也在各自的领域建设AI控制层。

ServiceNow的AI控制层覆盖的是IT运维和内部服务管理工作流。

SAP的AI控制层覆盖的是财务、供应链、HR等核心业务系统。

这三者与Salesforce的关系是”互补大于竞争”——但随着AI Agent的能力扩展，它们各自的边界在哪里，将是一个持续争议的问题。VentureBeat调查中”53%企业预计使用混合架构”的数字，实际上反映了企业对这种多供应商AI治理现实的接受。

第五部分：长程任务Agent——Agentforce的新能力

在Enterprise AI Harness的同期，Salesforce还宣布了Agentforce 2.0中增加长程任务（long-horizon tasks）AI Agent支持。

这是一个重要的能力升级。

早期的AI Agent主要擅长短程任务：回答一个问题、生成一份摘要、填写一个表单。这些任务通常可以在单次交互中完成。

长程任务是指需要跨越多个系统、多个步骤、可能持续数天甚至数周的任务。比如：

  • 从识别潜在客户、到发送个性化外联邮件、到安排会议、到准备演示材料、到跟进谈判的完整销售流程
  • 从客户投诉、到内部调查、到解决方案制定、到客户回复、到后续跟踪的完整服务流程

Salesforce新发布的Hunter Agent是长程任务Agent的第一个具体产品：它可以帮助B2B销售人员自动寻找潜在客户、起草外联邮件，并推进后续的交易流程。但Salesforce也明确了，长程Agent不是”完全自主”的——在某些关键节点，Agent会暂停并向人类销售代表请求确认（比如：在发出超过一定金额的报价前，或者在涉及特殊条款的合同谈判步骤）。这种”人机协作检查点”机制，正是Enterprise AI Harness的Trusted Governance组件的一个核心功能。

SiliconAngle报道，Salesforce还发布了一个专注于支持任务的服务Agent。

这些长程任务Agent的商业意义是：它们做的不只是”辅助”工作，而是可以独立承担某些端到端的业务流程。 这是企业AI从”工具”向”协同工作者”进化的关键一步。

第六部分：开放性——Salesforce的生态建设逻辑

Enterprise AI Harness的一个关键设计选择：它是开放和可组合的，而不是封闭的Salesforce专属系统。

用户可以：

  • 使用Salesforce的Einstein模型，也可以接入第三方模型（GPT-6 Astra、Claude、Gemini）
  • 使用Salesforce自己的Agent，也可以接入第三方Agent
  • 使用Salesforce的数据，也可以连接外部数据源

这个开放性不是偶然的，而是基于一个竞争逻辑：如果Salesforce强制封闭生态，已经在使用多平台的企业就没有动力迁移。只有开放，才能让Enterprise AI Harness成为那个”协调所有AI”的控制层，而不是”又一个需要替换原有工具的平台”。

VentureBeat的数据支持这个逻辑：85%企业已经在使用多平台，他们不会为了一个供应商的AI而放弃其他供应商。但他们愿意引入一个可以协调所有这些AI的控制层——前提是这个控制层不强制排他。

结语：下一场战争在”谁来管理AI”

AI大模型的战争（谁的模型最强大）还没有结束，但一场新的战争已经开始：谁来管理企业里的AI。

在一个企业平均运行3.1个AI平台的世界里，管理层面的价值已经不亚于模型层面的价值。一个好的AI控制层，可以让平庸的模型发挥超过其实际能力的价值；一个缺乏控制层的AI部署，会让最强大的模型产生混乱和安全风险。

Salesforce不是这场战争的唯一参与者。但它有一个其他竞争者难以复制的出发点：30年与全球顶级企业建立的业务数据关系。

Rohan Kumar的那句话值得再重复一遍：

“从模型中获得的智能是无处不在的。真正独特的是企业的可信上下文。”

在AI能力趋于普及的未来，这句话可能会成为评判企业AI战略成功与否的核心标准。

参考资料

  1. VentureBeat: “Salesforce unveils Trusted Enterprise AI Harness” (2026-09-10) - https://venturebeat.com/orchestration/companies-already-run-3-agent-platforms-salesforces-new-enterprise-ai-harness-wants-govern-all-them
  2. Salesforce官方: “Salesforce Introduces the Trusted Enterprise AI Harness” (2026-09-10) - https://www.salesforce.com/news/stories/enterprise-ai-harness/
  3. Forbes: “Salesforce Brings Long-Horizon AI Agents to Agentforce” (2026-09-11) - https://www.forbes.com/sites/timkeary/2026/09/11/salesforce-brings-long-horizon-ai-agents-to-agentforce/
  4. SiliconAngle: “Salesforce introduces new AI agents to automate sales, support tasks” (2026-09-11) - https://siliconangle.com/2026/09/11/salesforce-introduces-new-ai-agents-to-automate-sales-support-tasks/
  5. VentureBeat Intelligence: “Agentic Orchestration Pulse Survey” (July 2026) - 85%企业数据来源