一个不可能是巧合的巧合

2025 年 3 月的第三周，企业软件市场上演了一场静默的同步。Salesforce 发布了《Agentic Enterprise 八大设计原则》白皮书；Oracle 在伦敦 CloudWorld 上推出 AI Agent Studio；ServiceNow 宣布 Integration Hub 全面接入 AI Agent 运行时；SAP 则通过 IDC 联合研究亮出了 Joule 框架的企业就绪度评估体系。四大企业软件巨头在同一个窗口期内，不约而同地回答了同一个问题——

企业 Agent，到底该怎么建？

这不是一场关于模型的军备竞赛。Salesforce 在白皮书开篇写得很直白：”AI 部署失败时，人们总想怪模型、怪用例、怪人。但真正的问题在更深处——把一个 Agent 贴到一个不合适的架构上，无论模型多先进都不会奏效。” Oracle 的 Steve Miranda 在发布会上也说得明确：AI Agent Studio 建立在 Oracle Fusion 已有的 50 多个 AI Agent 之上，是”架构层的延伸，而非模型层的叠加”。

这是一个重要的信号转折。在经历了两年大模型狂飙之后，企业 AI 的瓶颈已经从”模型够不够聪明”转移到了”架构能不能承接”。而四大巨头同时押注架构，说明这个共识已经不是少数 CTO 的直觉，而是整个行业用真金白银验证过的教训。

本文将逐一拆解四家框架，横向对比它们的架构设计哲学，提炼共性原则，并分析差异化策略——如果你是正在规划企业 Agent 落地路径的技术决策者，这篇文章或许能帮你少走半年弯路。

四家框架：各自在讲什么故事

Salesforce：八大设计原则，从”乐高哲学”到开放生态

Salesforce 的方法论是四家中最系统化的——八条设计原则，每条都附带”正确示范”和”踩坑案例”。架构上，他们定义了四层模型：交互层（人与 Agent 协作的界面）、代理层（Agent 本体）、业务层（企业应用）和数据层（统一企业数据）。

核心观点可以浓缩为三句话：

模块化优先。 Salesforce 用乐高积木做类比——同一套组件应该能拼出客户引导 Agent，也能拼出客户离场 Agent。如果每个新 Agent 都要从零搭建，那你不是在建系统，而是在挖坑。

元数据驱动。 人类员工知道 CRM 里的”Acme Corp”和 ERP 里的”Acme Corporation”是同一家公司，但 Agent 不会猜。统一的元数据、业务词汇表、本体论，是让 Agent”理解上下文”的基础设施。

开放协议锁定。 第八条原则”优先开放生态与标准”直接点名了 MCP（Model Context Protocol），强调”任意数据、任意大模型、任意应用”的可互操作架构。在供应商锁定焦虑弥漫的当下，这条原则打的是”反锁定”牌。

此外，Salesforce 与 NVIDIA 的合作进一步强化了这套架构的技术纵深。Agentforce 平台已接入 NVIDIA Nemotron 系列模型，支持百万级 token 上下文窗口处理复杂企业场景。更值得关注的是，Slack 正在被重新定位为 Agent 编排的协调层——不再只是人类聊天的工具，而是 Agent 之间相互调度、人机交互的中枢节点。

ServiceNow：四层 Agentic 工作流，让 Agent 自己找路

ServiceNow 的切入角度很实际：企业数据散落在数百个系统中，数据仓库、数据湖、各种 SaaS 应用。如果 Agent 只能在孤岛上工作，它只会让复杂性变得更糟。

他们的解决方案是 AI Agents for Integration Hub。核心架构是一个四层模型：

  1. 数据接入层：通过 200 多个开箱即用的 Spoke 连接器，对接 ERP、CRM、HR 等核心系统
  2. 动态推理层：Agent 在运行时实时推理，选择最合适的 Spoke 和操作
  3. 工作流编排层：基于推理结果，动态构建 Agentic 工作流
  4. 治理与审计层：全程记录 Agent 的决策路径

这里的关键转变是：从”预编排”到”运行时动态编排”。过去的自动化工作流需要预先定义每条路径，成本高、覆盖面窄。现在，Agent 在运行时自主选择工具和路径。用 ServiceNow 自己的话说，这是”从脚本式对话到智能行动”的跃迁。

Oracle：AI Agent Studio，把 Agent 创建权交给业务用户

Oracle 的策略最直白——给你一个平台，让你自己造 Agent。AI Agent Studio 作为 Oracle Fusion Cloud 的一部分，面向客户和合作伙伴开放，且不额外收费。

核心能力包括：

  • 模板库：预置的 Agent 模板配合自然语言提示，支持从报价管理到排班调度的多种场景
  • Agent 团队编排：多个 Agent 协作处理复杂任务，支持检查点和审批节点
  • 大模型选择权：默认提供 Llama、Cohere 等针对 Fusion 优化的模型，同时允许接入第三方行业专用大模型
  • 原生 Fusion 集成：直接访问 Fusion 的 API、知识库和预定义工具，自动继承企业业务逻辑
  • 第三方 Agent 互通：通过安全 API 连接外部 Agent 系统

Oracle 的差异化在”民主化”——不需要 AI 专家，业务流程专家就能建 Agent。正如 IDC 分析师 Mickey North Rizza 的评价：”把这种能力以零增量成本提供给客户，对 Oracle 用户来说是一个巨大的胜利。”

另一个值得关注的信号是 Oracle 对 ROI 度量的强调。Deloitte 在发布会上的表态很有代表性：AI Agent 的管理和影响力度量，是组织面临的持续挑战。平台需要帮助领导者”demonstrate the ROI of their AI investments”。这暗示 Oracle 正在将 Agent 的效果量化能力作为核心卖点。

SAP：四维就绪框架，先检查地基再盖楼

SAP 的 Joule 框架走的是最”咨询范”的路线。在推 AI Agent 之前，SAP 先推了一套就绪度评估框架，四个维度缺一不可：

  1. 数据质量与可访问性：Agent 的输出质量取决于数据质量。数据孤岛、过时数据、缺失上下文都是致命短板
  2. 流程成熟度：Agent 依赖定义良好的工作流。”自动化混乱只会制造更快的混乱”——这句话应该刻在每个急于上线 Agent 的 CTO 办公室墙上
  3. 组织清晰度：谁使用这些 Agent？执行什么任务？如何与人类员工交接？清晰的角色定义是信任的前提
  4. 治理与护栏：权限定义、升级路径、伦理边界、审计实践——Agent 和人类员工一样，需要规则

IDC 的联合研究给出了量化数据：采用 SAP 这类 AI 驱动套件的企业中，37% 报告流程生产力提升，39% 实现更高的成本效率，36% 提升了员工生产力，35% 加快了产品上市速度。这些数字不算炸裂，但足够真实——足够真实到能说服 CFO 签字。

横向对比：同一个战场，不同的打法

维度 Salesforce ServiceNow Oracle SAP
核心理念 八大设计原则，架构即信任 动态推理，运行时编排 民主化 Agent 创建 套件优先，就绪度先行
架构层数 四层（交互/代理/业务/数据） 四层（数据/推理/编排/治理） 平台型（模板+编排+集成） 套件内嵌（Joule 跨模块协作）
Agent 创建方式 基于 Agentforce 平台配置 基于 Integration Hub 动态推理 AI Agent Studio 模板+自然语言 Joule 框架内嵌业务模块
开放性策略 MCP 协议，任意大模型/数据/应用 200+ Spoke 开箱连接 大模型可选，第三方 Agent 互通 套件内深度集成，生态相对封闭
人机协同模式 战略性介入（安检式分流） 动态工作流中的检查点 检查点+审批节点 角色定义+升级路径
数据策略 元数据驱动+统一本体 单一平台实时数据访问 原生 Fusion 数据+知识库 数据质量为就绪第一维度
差异化优势 设计哲学最完整，MCP 开放性 运行时动态编排能力最强 零增量成本，业务用户可自建 企业就绪度评估框架最务实
合作伙伴生态 NVIDIA（Nemotron 模型） 200+ Spoke 连接器生态 Accenture、Deloitte、PwC IDC 联合研究背书

五条共性原则：行业共识已经形成

横向对比之后，一个清晰的共识图谱浮现了。以下五条原则，四家巨头无一例外地认同：

原则一：架构优先，模型其次

这是最重要的共识。Salesforce 说”AI 失败不在模型，在架构”；SAP 说”自动化混乱只会制造更快的混乱”；Oracle 把 Agent Studio 建立在 Fusion 应用架构之上而非独立存在；ServiceNow 强调 Agent 必须建立在”单一平台”上。四家的语言不同，但意思一致：先把架构搭对，再谈 Agent 能力。

原则二：信任治理必须内嵌，不能后补

Salesforce 的第四条原则”Build with Trust”、Oracle 的”Trust and Security Framework”、SAP 就绪框架的第四维度”治理与护栏”、ServiceNow 四层模型的治理审计层——每家都把治理放在了架构层面，而非功能层面。用 Salesforce 的话说：”如果你不能信任它，你就不会用它。”

原则三：数据统一是一切的前提

ServiceNow 把数据问题放在标题里：”Data matters most in the world of AI”；SAP 把数据质量列为就绪框架第一维度；Salesforce 定义了独立的”数据系统层”；Oracle 通过原生 Fusion 集成确保数据一致性。没有统一、干净、实时可访问的企业数据，Agent 就是一个更贵的错误生产器。

原则四：人机协同必须是战略性的

四家都反对两个极端：让人类审批每一个 Agent 决策（太慢），或让 Agent 完全自主运行（太危险）。Salesforce 用机场安检做类比——所有行李过 X 光，只有可疑的才人工开包。Oracle 用检查点和审批节点实现分级控制。SAP 要求预定义角色边界和升级路径。ServiceNow 在动态工作流中嵌入治理节点。核心是同一个思想：分级、分层、基于风险的人机分工。

原则五：可扩展性不是可选项

Salesforce 的第七条原则专门讨论基础设施弹性——AI 工作负载的计算需求”不仅密集，而且不可预测”。Oracle 选择了云原生路线，Agent Studio 直接构建在 Fusion Cloud 之上。ServiceNow 的 200+ Spoke 连接器本身就是可扩展设计。SAP 的套件集成模式则通过统一平台降低扩展复杂度。无论哪条路径，结论一致：Agent 工作负载的弹性扩展能力，必须在第一天就设计进去。

差异化策略：选哪条路，取决于你是谁

共识之外，四家的差异化策略同样值得关注——因为这些差异本质上反映了不同类型企业的不同需求。

Salesforce 的赌注是开放性。 MCP 协议、任意大模型选择、Slack 作为 Agent 编排中枢——这套组合拳瞄准的是那些拥有复杂多云环境、不愿被单一供应商锁定的大型企业。如果你的技术栈是异构的，Salesforce 的”乐高哲学”可能最契合。

ServiceNow 的赌注是动态性。 运行时推理、自主选择工具和路径——这是四家中最激进的 Agentic 架构设计。如果你的业务场景是高度不可预测的（比如 IT 服务管理、复杂供应链调度），ServiceNow 的”让 Agent 自己找路”模式可能最有效。但相应地，它对数据基础设施的要求也最高。

Oracle 的赌注是民主化。 AI Agent Studio 免费、模板化、面向业务用户——这是降低 Agent 创建门槛的最直接路径。如果你已经是 Oracle Fusion 的深度用户，且缺乏大量 AI 工程师，Oracle 的策略几乎是零摩擦的选择。但前提是你愿意留在 Oracle 生态内。

SAP 的赌注是务实。 四维就绪框架不是在帮你建 Agent，而是在帮你搞清楚你是否该建 Agent。在 AI 焦虑蔓延的当下，”先评估再行动”的策略反而可能帮企业避免最昂贵的错误——在地基不稳的时候急于盖楼。如果你的企业数据质量堪忧、流程尚未标准化，SAP 的方法论或许应该是你的第一站。

给技术决策者的选型建议

如果你正在评估企业 Agent 架构，以下是几条务实的建议：

第一步永远是数据审计。 四家巨头无一例外地将数据质量列为前提条件。在选平台之前，先搞清楚你的数据在哪里、质量如何、能否统一访问。如果这一步做不好，后面的一切都是空中楼阁。

从流程成熟度高的场景切入。 SAP 的那句话值得反复读——”自动化混乱只会制造更快的混乱”。先挑那些流程已经标准化、数据已经结构化的业务场景试点，比如财务对账、订单处理、IT 工单分配。

避免供应商锁定的最佳时机是现在。 在架构设计阶段就考虑互操作性。关注 MCP 等开放协议的演进，确保你的 Agent 工作流定义是可移植的，数据访问模式不依赖特定数据库。

把 ROI 度量设计进架构。 Oracle 和 SAP 都在强调效果量化。不要等 Agent 上线半年后才想起来问”这东西到底值不值”。在架构层面预置可观测性和业务结果追踪，是证明 Agent 价值的唯一可靠方式。

人机协同比例是动态的。 初期可以多用人工审批节点建立信任，随着系统成熟逐步放宽自主权。这不是一个二元选择，而是一个持续调优的过程。

写在最后

四大巨头同时定义企业 Agent 架构标准，这件事本身就是一个时代信号。它意味着 Agent 不再是实验室里的概念验证，而是正在进入企业技术栈的核心层。但同时，四家框架的共性也在发出一个警告：大部分 AI 失败案例的根因不在模型选得不对，而在架构建得不行。

企业软件的历史一再证明，赢家从来不是拥有最好技术的那个，而是拥有最好架构的那个。ERP 时代如此，云计算时代如此，Agent 时代大概率也将如此。

在本系列的下一篇中，我们将从架构原则深入到落地实践——看看那些已经在生产环境中运行 Agent 的企业，到底是怎么做到的。

本文是「AI Agent 企业落地指南」系列的第 2 篇。第 1 篇讨论了为什么 Agent 是企业 AI 的下一个主战场，后续将覆盖落地实践、安全治理、以及未来演进路径。

参考资料

  1. Salesforce, “8 Design Principles for the Agentic Enterprise,” March 2025. https://www.salesforce.com/news/stories/agentic-enterprise-design-principles/
  2. ServiceNow, “AI Agents for Integration Hub: Data Matters Most in the World of AI,” 2025. https://www.servicenow.com/community/workflow-data-fabric-blog/ai-agents-for-integration-hub-data-matters-most-in-the-world-of/ba-p/3513084
  3. Oracle, “Oracle Introduces AI Agent Studio,” Oracle CloudWorld London, March 20, 2025. https://www.oracle.com/news/announcement/oracle-introduces-ai-agent-studio-2025-03-20/
  4. SAP / IDC, “The Suite Spot: A Practical Guide to Business AI Agents,” March 2026. https://gnnliberia.com/amp/the-suite-spot-a-practical-guide-to-business-ai-agents/
  5. Oracle AI Agents Overview. https://www.oracle.com/artificial-intelligence/ai-agents/