2026年2月25日，Salesforce公布了其FY26 Q4财报——又一个”创纪录”季度。但真正值得关注的不是营收数字本身，而是财报电话会议上Marc Benioff反复使用的一个词：控制平面（Control Plane）。这个原本属于云计算网络层的术语，被一家CRM公司的CEO用来描述自己的战略定位，这件事本身就是一个信号。

6周后的TDX 2026开发者大会上，Salesforce用3天时间将这个信号放大成了一份完整的宣言：Agent Fabric、eVerse框架、全新的Salesforce Partner Network、AgentExchange市场——一套完整的AI Agent编排基础设施在旧金山Moscone Center的舞台上被逐一拆解。Salesforce不再满足于做企业的”记录系统”（System of Record），它要成为企业AI Agent的”行动系统”（System of Action），更准确地说，它要成为多供应商AI Agent之间的神经中枢。

这不是一次产品发布会，这是一场关于企业AI基础设施控制权的宣战。而这场战争的本质问题是：当AI Agent成为企业软件的新执行单元时，谁来充当调度者？ 是拥有模型能力的AI原生公司（OpenAI、Anthropic、Google），是拥有操作系统和办公套件的平台巨头（Microsoft），还是拥有企业最核心客户数据和业务流程的CRM公司？

Salesforce押注的答案是：数据引力决定控制权。而TDX 2026，就是这个答案的技术注脚。

第1章：从效率到收入——Salesforce AI战略的关键转折点

1.1 一个被低估的叙事转换

2026年4月，Fortune发表了一篇题为《AI’s Next Act: How Salesforce Is Turning Efficiency Gains Into Revenue》的深度报道。这篇文章捕捉到了一个关键的叙事转换：Salesforce正在将AI从”降本增效”工具重新定位为”直接驱动收入增长”的引擎。(来源: Fortune, 2026-04-18)

这个转换看似微妙，实则是企业AI落地逻辑的根本性变化。

过去3年，几乎所有企业AI叙事都围绕”效率”展开——用AI替代人工客服、自动化数据录入、加速代码生成。这套叙事的问题在于：效率提升是一次性的，而且天花板清晰可见。当你用AI把客服响应时间从5分钟缩短到30秒，这个故事就讲完了。更致命的是，效率叙事天然指向裁员，这让企业采购决策者在政治上很难为AI投入辩护。

Salesforce的Agentforce产品线正在试图打破这个困境。根据Fortune的报道，Salesforce正在将Agentforce从一个辅助人类工作的”副驾驶”（Copilot）重新定义为一个能够自主执行业务流程并直接产生可衡量收入贡献的AI Agent平台。(来源: Fortune, 2026-04-18)

这意味着什么？意味着AI不再只是”帮销售人员更快地写邮件”，而是”AI Agent直接完成从线索筛选、资质评估、报价生成到合同推进的完整销售闭环”。前者节省的是时间，后者创造的是收入。

1.2 财报中的战略信号

Salesforce FY26 Q3和Q4的财报标题都值得仔细品读。Q3财报标题明确写着”Driven by Agentforce & Data 360”(来源: Salesforce Investor Relations, 2025-12-03)，Q4财报则继续强调”创纪录”的业绩表现(来源: Salesforce Press Release, 2026-02-25)。

这里有一个重要的分析维度：Salesforce选择在财报标题中将Agentforce与Data 360并列提及，而不是单独强调某一个产品。这暗示了Salesforce内部战略的核心逻辑——AI Agent的价值不在于Agent本身，而在于Agent能够访问和操作的数据资产。Data 360是Salesforce的统一数据平台，Agentforce是AI Agent的执行层，两者的结合才是完整的商业故事。

换句话说，Salesforce正在构建的不是一个AI聊天机器人，而是一个以客户数据为燃料、以业务流程为轨道、以AI Agent为执行体的闭环系统。这个系统的价值主张不是”我们的AI模型更聪明”，而是”我们的AI Agent能直接帮你赚钱，因为它坐在你的客户数据上”。

1.3 大多数人没看到的：从”按席位收费”到”按结果收费”的商业模式跃迁

这里有一个更深层的洞察：Salesforce的AI战略转型，本质上是在为一种全新的商业模式铺路——从按席位（per seat）收费转向按结果（per outcome）或按消耗（per consumption）收费。

传统SaaS模式下，Salesforce卖的是”软件使用权”——你有100个销售人员，就买100个License。但当AI Agent能够自主完成销售流程时，”席位”这个概念就变得模糊了。一个AI Agent可能同时处理1000条线索，它算几个席位？

Fortune的报道暗示，Salesforce正在探索一种新的定价逻辑：AI Agent创造的收入越多，Salesforce收取的费用越高。(来源: Fortune, 2026-04-18) 这是一个从”成本中心”到”利润中心”的根本性转变。如果Salesforce能够证明Agentforce直接驱动了客户的收入增长，那么它的定价权将远超传统SaaS——因为你不再是在卖工具，你是在卖结果。

这也解释了为什么Salesforce如此急迫地推进”从效率到收入”的叙事转换。效率故事对应的是成本节约，成本节约对应的是有限的付费意愿；收入故事对应的是增长贡献，增长贡献对应的是几乎无上限的付费意愿。

第2章：Agent Fabric——CRM如何成为AI Agent的神经中枢

2.1 TDX 2026的核心发布

2026年TDX开发者大会上，Salesforce发布了一系列围绕Agentforce的重大更新。根据Salesforce官方博客的TDX 2026 Roundup，这些更新的核心是将Agentforce从一个”单一Agent产品”升级为一个”Agent编排平台”。(来源: Salesforce Blog, TDX 2026 Roundup: Agentforce Edition)

其中最引人注目的是Agent Fabric的概念——一个允许多个AI Agent（包括第三方Agent）在Salesforce平台上相互发现、协作和编排的架构层。Agent Fabric不是一个单独的产品，而是一个基础设施层，它定义了Agent之间如何通信、如何共享上下文、如何协调任务分配。

要理解Agent Fabric的战略意义，需要先理解当前企业AI Agent部署面临的核心痛点：碎片化。

一家典型的大型企业可能同时使用：

  • Salesforce的Agentforce处理销售和客服
  • Microsoft Copilot处理办公协作和文档
  • ServiceNow的AI Agent处理IT服务管理
  • 自研的AI Agent处理特定业务流程
  • 各种垂直领域的第三方AI Agent

这些Agent各自为政，彼此之间没有统一的通信协议、没有共享的上下文、没有协调的任务调度。结果就是：企业的AI Agent越多，混乱程度越高。每个Agent都在自己的数据孤岛里工作，无法形成协同效应。

Agent Fabric要解决的就是这个问题。它的核心主张是：Salesforce平台应该成为所有企业AI Agent的连接层和调度层——不管这些Agent是Salesforce原生的还是第三方的。

2.2 MCP Tools与AgentExchange：开放生态的战略棋局

TDX 2026上另一个重要发布是Salesforce对MCP（Model Context Protocol）工具的原生支持，以及全新的AgentExchange市场和扩展后的Salesforce Partner Network。(来源: CRN, 2026)

MCP是Anthropic在2024年底提出的一个开放协议，旨在标准化AI Agent与外部工具和数据源之间的交互方式。Salesforce选择原生支持MCP，而不是推自己的私有协议，这个决策值得深入分析。

表面上看，这是一个”拥抱开放标准”的姿态。但更深层的逻辑是：Salesforce需要MCP来实现其”控制平面”的野心。如果Salesforce只支持自己的Agent，那它的控制平面就只能管理自己的Agent——这不叫控制平面，这叫产品功能。只有当Salesforce能够编排来自任何供应商的Agent时，它才真正成为了基础设施层。

MCP提供了实现这一目标的技术基础。通过原生支持MCP，Salesforce让第三方Agent可以标准化地接入Salesforce平台，访问Salesforce管理的客户数据，并在Agent Fabric的编排下与其他Agent协作。

AgentExchange市场则是这个生态的商业层。它类似于Salesforce AppExchange的AI Agent版本——第三方开发者可以在AgentExchange上发布自己的AI Agent，企业用户可以像安装App一样安装这些Agent，并通过Agent Fabric将它们编排进自己的业务流程。(来源: CRN, 2026)

这里的战略意图非常清晰：Salesforce要成为AI Agent的”应用商店”和”操作系统”。就像Apple通过iOS和App Store控制了移动应用生态一样，Salesforce试图通过Agent Fabric和AgentExchange控制企业AI Agent生态。

2.3 数据引力：Salesforce的真正护城河

但为什么是Salesforce？为什么不是Microsoft、Google或者Amazon来充当这个控制平面？

答案在于数据引力（Data Gravity）。

企业最核心的商业数据——客户信息、交易记录、销售管线、服务历史、合同条款——大量存储在Salesforce的CRM系统中。这些数据不是静态的档案，而是AI Agent做出商业决策所需的核心上下文。

一个AI Agent要帮企业完成一笔销售，它需要知道：这个客户的历史购买记录是什么？上次服务投诉是什么时候？当前合同什么时候到期？竞争对手在这个账户上的渗透程度如何？这些信息绝大多数存储在Salesforce里。

这就是数据引力的力量：数据在哪里，计算就会向哪里聚集。当企业最核心的商业数据在Salesforce平台上时，AI Agent自然会被”吸引”到Salesforce平台上来执行任务。而一旦更多的Agent在Salesforce平台上运行，它们产生的新数据（Agent的决策记录、执行结果、学习到的模式）又会进一步增强Salesforce的数据资产。

这形成了一个正反馈循环：更多数据 → 更好的Agent决策 → 更多Agent聚集 → 更多数据。这个循环一旦启动，就很难被外部力量打破。

Salesforce将Agentforce与Data 360并列强调的战略意图正在于此。Data 360是Salesforce的统一数据平台，它将分散在Sales Cloud、Service Cloud、Marketing Cloud等不同产品中的数据整合成一个统一的客户视图。这个统一视图就是AI Agent的”燃料”——没有它，Agent就是一个空转的引擎。

2.4 对立视角：控制平面的脆弱性

当然，Salesforce的”控制平面”叙事并非没有弱点。

第1个挑战是模型层的权力。AI Agent的核心能力来自底层大语言模型（LLM），而Salesforce并不拥有顶级的基础模型。Agentforce目前依赖于与OpenAI、Anthropic、Google等模型供应商的合作。这意味着Salesforce的控制平面建立在别人的”智力层”之上。如果模型供应商决定自己做Agent编排（事实上OpenAI和Google都在这么做），Salesforce的中间层价值就会被压缩。

第2个挑战是企业的多平台现实。虽然Salesforce在CRM领域占据主导地位，但企业的业务数据并不全在Salesforce里。ERP数据在SAP或Oracle里，协作数据在Microsoft 365里，工程数据在Atlassian或GitHub里。一个真正的”控制平面”需要跨越所有这些数据源，而Salesforce在CRM之外的数据覆盖并不充分。

我的判断是：Salesforce的数据引力优势在”客户相关”的AI Agent场景中是真实且强大的——销售、客服、营销这些直接面向客户的流程，Salesforce确实是最自然的Agent编排中心。但在”非客户相关”的场景（IT运维、供应链、研发）中，Salesforce的控制平面主张就缺乏数据基础的支撑。Salesforce的真正机会不是成为”所有AI Agent的控制平面”，而是成为”所有客户相关AI Agent的控制平面”——这个定位虽然窄了一些，但依然是一个巨大的市场。

第3章：SaaS的Agentic进化——从工具到自主行动体

3.1 Salesforce对SaaS的重新定义

Computer Weekly在TDX 2026期间的报道标题直接点明了Salesforce的核心叙事：SaaS正在经历一场Agentic进化。(来源: Computer Weekly, 2026)

这个叙事的核心论点是：传统SaaS是”人类使用的工具”——人类登录系统、查看数据、做出决策、执行操作。而Agentic SaaS是”AI Agent自主运行的平台”——Agent自动监控数据变化、自主做出决策、自动执行操作，人类只在关键节点进行审批或干预。

这不是一个渐进式的升级，而是一个范式跃迁。传统SaaS的价值衡量标准是”用户体验”和”功能完备性”——界面是否好用、功能是否齐全。Agentic SaaS的价值衡量标准变成了”Agent的决策质量”和”自主执行的可靠性”——Agent做的决定是否正确、执行的结果是否可信。

Salesforce在TDX 2026上展示的Agentforce更新，正是在朝这个方向推进。根据TDX 2026 Roundup，新版Agentforce强化了Agent的自主决策能力、多Agent协作能力，以及人类监督和干预机制。(来源: Salesforce Blog, TDX 2026 Roundup: Agentforce Edition)

3.2 从”记录系统”到”行动系统”的架构转变

要理解这个转变的技术含义，需要回到企业软件架构的基本概念。

过去40年，企业软件的核心是记录系统（System of Record）——ERP记录财务和供应链数据，CRM记录客户和销售数据，HCM记录人力资源数据。这些系统的价值在于”准确记录发生了什么”。

在记录系统之上，出现了洞察系统（System of Insight）——BI工具、数据分析平台、数据仓库。这些系统的价值在于”帮助人类理解数据意味着什么”。

而Salesforce现在推动的是第3层：行动系统（System of Action）——AI Agent不仅理解数据，还能基于数据自主采取行动。这是企业软件架构的一次根本性升级。

在这个新架构中，CRM的角色发生了质变：

  • 旧角色：存储客户数据，供人类查询和分析
  • 新角色：为AI Agent提供决策上下文，接收Agent的行动指令，记录Agent的执行结果

这就是为什么Salesforce将自己定位为”AI Agent的神经中枢”——在人体中，神经中枢的功能不是思考（那是大脑的工作），而是接收感知信号、协调运动指令、维持身体的整体协调性。Salesforce不需要拥有最强的AI”大脑”（基础模型），它需要的是成为连接所有Agent、协调所有行动、维持整体一致性的”脊髓”。

3.3 对竞争格局的冲击

Salesforce的Agentic SaaS叙事，对整个企业软件行业构成了战略压力。

Microsoft Copilot 是最直接的竞争者。Microsoft的优势在于Office 365和Teams的巨大用户基数，以及与OpenAI的深度合作关系。但Microsoft的Agent策略目前更偏向”辅助人类”（Copilot的名字本身就说明了这一点），而不是”自主行动”。Salesforce在”Agent自主执行业务流程”这个维度上，叙事更加激进。

ServiceNow 是另一个值得关注的竞争者。ServiceNow在IT服务管理和工作流自动化领域有深厚积累，其Now Assist产品线也在向AI Agent方向演进。ServiceNow的优势在于它天然就是一个”行动系统”——工单创建、审批流转、问题解决，这些都是行动而非记录。但ServiceNow的数据资产主要集中在IT运维领域，在客户数据方面远不如Salesforce。

SAP和Oracle 则代表了ERP领域的AI Agent化尝试。它们的优势在于掌握企业的财务和供应链数据，但在客户交互和销售流程方面，它们的数据密度不如Salesforce。

我的判断是：企业AI Agent的控制平面不会是一个赢家通吃的市场。更可能的结果是形成几个”领域控制平面”——Salesforce控制客户相关的Agent编排，ServiceNow控制IT运维相关的Agent编排，SAP控制供应链相关的Agent编排，Microsoft则试图通过操作系统和办公套件的入口优势成为”元控制平面”。这场争夺战的最终格局，取决于哪个平台能够最先证明其Agent编排能力能够直接转化为可衡量的商业价值。

3.4 被忽视的风险：Agentic SaaS的信任问题

大多数分析师在讨论Agentic SaaS时忽略了一个关键问题：信任。

当AI Agent从”建议者”变成”执行者”时，企业面临的风险级别完全不同。一个AI Agent建议你给客户发一封跟进邮件，最坏的结果是建议不好、你不采纳。但一个AI Agent自主向客户发送报价、修改合同条款、调整折扣策略，最坏的结果可能是数百万美元的商业损失。

这意味着Agentic SaaS的采纳速度将受到企业风险容忍度的严重制约。大型企业（Salesforce的核心客户群）通常是最保守的——它们有最复杂的合规要求、最严格的审批流程、最低的错误容忍度。让这些企业把关键业务决策交给AI Agent自主执行，需要的不仅是技术能力，更是一套完整的治理框架：Agent的决策可解释性、行动可审计性、错误可回溯性、权限可控制性。

Salesforce在TDX 2026上展示的人类监督和干预机制，正是在回应这个信任问题。但从目前公开的信息来看，这套治理框架还处于早期阶段。(来源: Salesforce Blog, TDX 2026 Roundup: Agentforce Edition)

这是Salesforce面临的最大非技术风险：不是技术做不到，而是客户不敢用。Agentic SaaS的真正普及，可能需要3-5年的信任建立过程——从低风险场景（自动化数据清洗、日程安排）逐步扩展到高风险场景（自主报价、合同谈判、客户分级）。

第4章：eVerse框架与Agentic AI研究趋势——Salesforce的技术护城河

4.1 eVerse框架：Salesforce AI Research的技术布局

TDX 2026上一个容易被商业媒体忽略但技术意义重大的发布，是Salesforce AI Research团队展示的eVerse框架。(来源: Salesforce News, TDX 2026 Live Blog: AI Research — eVerse Framework)

eVerse框架的具体技术细节需要结合Salesforce AI Research的公开资料来理解。根据Salesforce官方的TDX 2026直播博客，eVerse是一个面向Agentic AI的研究框架，旨在解决AI Agent在企业环境中面临的核心技术挑战。(来源: Salesforce News, TDX 2026 Live Blog: AI Research — eVerse Framework)

同期，Salesforce AI Research进一步指出，其识别了多个塑造Agentic AI未来的关键趋势。(来源: Salesforce News, 2026) 这些趋势包括：Agent的多步推理能力、Agent之间的协作机制、Agent在不确定环境中的鲁棒性，以及Agent行为的可控性和可解释性。

4.2 为什么Salesforce需要自己的AI研究

一个常见的质疑是：Salesforce作为一家应用层公司，为什么需要投入大量资源做基础AI研究？它不是可以直接调用OpenAI或Anthropic的模型API吗？

这个质疑忽略了一个关键事实：通用大语言模型和企业级AI Agent之间存在巨大的技术鸿沟。

通用LLM擅长的是语言理解和生成——回答问题、写文章、翻译文本。但企业级AI Agent需要的能力远不止于此：

  • 多步推理与规划：一个销售Agent需要制定跨越数周的客户跟进计划，每一步都要根据客户的反馈动态调整
  • 工具使用与API调用：Agent需要调用CRM系统、邮件系统、日历系统、ERP系统等多个工具来完成任务
  • 状态管理与记忆：Agent需要在长时间跨度内维持对客户关系的”记忆”，而不是每次对话都从零开始
  • 多Agent协作：多个Agent需要在没有人类干预的情况下协调任务分工、共享信息、解决冲突
  • 安全与合规：Agent的每一个行动都需要在企业的权限框架和合规要求内执行

这些能力不是简单地在LLM之上包一层Prompt就能实现的。它们需要专门的研究和工程投入。eVerse框架正是Salesforce AI Research在这些方向上的系统性布局。

4.3 技术护城河的深度评估

Salesforce AI Research的技术布局是否构成了真正的护城河？这需要从两个维度评估。

积极的一面：Salesforce拥有其他AI研究机构不具备的独特优势——大规模真实企业数据。OpenAI和Anthropic的模型训练数据主要来自互联网公开文本，而Salesforce可以（在客户授权的前提下）利用其平台上的海量企业交互数据来训练和评估AI Agent。这些数据包括真实的销售对话、客服工单、邮件往来、合同文本——这些是在互联网上几乎不可能获取的高价值数据。一个在真实企业数据上训练和验证的Agent，其商业决策质量很可能显著优于一个只在公开数据上训练的通用Agent。

消极的一面：Salesforce AI Research的规模和影响力与OpenAI、Google DeepMind、Meta FAIR等顶级AI实验室相比，仍然存在显著差距。在基础模型能力上，Salesforce很难与这些巨头竞争。如果未来的AI Agent能力主要由基础模型的通用推理能力决定（而不是由领域特定的数据和工程决定），那么Salesforce的技术护城河就会相对薄弱。

我的判断是：在AI Agent的技术栈中，Salesforce的优势不在”模型层”（谁的LLM更聪明），而在”应用层”（谁更懂企业业务流程）和”数据层”（谁拥有更高质量的企业数据）。eVerse框架的价值不在于它能产出比GPT-5更好的基础模型，而在于它能产出更懂企业、更安全、更可控的Agent行为框架。这是一种不同类型的技术护城河——它的宽度不如基础模型的护城河，但在特定领域（企业客户交互）的深度可能更深。

4.4 Agentic AI的技术趋势与Salesforce的卡位

根据Salesforce AI Research识别的Agentic AI趋势(来源: Salesforce News, 2026)，几个方向值得特别关注：

趋势1：从单Agent到多Agent系统。早期的AI Agent产品（包括Agentforce 1.0）主要是单一Agent完成单一任务。但真实的企业业务流程往往需要多个专业Agent协作——一个负责数据分析、一个负责客户沟通、一个负责合同审核、一个负责风险评估。Agent Fabric正是Salesforce对这个趋势的产品化回应。

趋势2：Agent的自我评估和自我修正。当前的AI Agent缺乏可靠的自我评估能力——它不知道自己的输出是否正确，也不知道什么时候应该请求人类帮助。eVerse框架中对Agent鲁棒性的研究，可能就是在解决这个问题。

趋势3：Agent行为的可审计性。在企业环境中，每一个Agent的决策都需要是可追溯和可解释的。这不仅是技术问题，更是合规问题。金融服务、医疗健康等受监管行业，对AI决策的可解释性有严格的法律要求。

Salesforce在这3个趋势上的卡位是合理的——它们都指向”企业级AI Agent”的核心需求，而不是通用AI的研究前沿。这种聚焦的研究策略，比试图在所有AI研究方向上与Google和OpenAI竞争，要明智得多。

第5章：当CRM变成AI操作系统——企业软件的下一个10年

5.1 控制平面争夺战的全景图

让我们把视角拉远，看看Salesforce的TDX 2026宣言在整个企业AI基础设施争夺战中的位置。

当前，至少有4股力量在争夺企业AI Agent的控制平面地位：

  1. AI原生公司（OpenAI、Anthropic、Google）：它们拥有最强的模型能力，正在从”模型提供商”向”Agent平台”扩展。OpenAI的GPTs和Assistants API、Anthropic的MCP协议、Google的Vertex AI Agent Builder，都是这个方向的尝试。它们的优势是模型能力，劣势是缺乏企业数据和业务流程的深度理解。

  2. 云平台巨头（AWS、Azure、GCP）：它们拥有企业的计算基础设施，试图在IaaS/PaaS层面提供Agent编排能力。它们的优势是基础设施的广度，劣势是距离业务应用太远。

  3. 操作系统和办公套件（Microsoft）：Microsoft通过Windows、Office 365、Teams掌握了企业员工的日常工作入口。Copilot的策略是在每一个工作场景中嵌入AI Agent。它的优势是无处不在的入口，劣势是在特定业务领域（如销售、客服）的数据深度不如垂直SaaS。

  4. 垂直SaaS（Salesforce、ServiceNow、SAP等）：它们拥有特定业务领域的深度数据和流程知识。它们的优势是领域专精，劣势是覆盖面有限。

Salesforce的TDX 2026战略，本质上是在说：在AI Agent时代，控制平面的价值不在于谁拥有最强的模型或最广的基础设施，而在于谁拥有最关键的业务数据和最深的流程理解。

5.2 对企业IT采购决策的影响

如果Salesforce的Agentic SaaS叙事成立，企业IT采购的决策逻辑将发生根本性变化。

旧逻辑：选择CRM系统时，评估标准是功能完备性、用户体验、集成能力、总拥有成本。

新逻辑：选择CRM系统时，评估标准变成了——这个平台的AI Agent能力有多强？它能编排多少第三方Agent？它的Agent生态有多丰富？它的Agent决策质量如何？它的Agent治理框架是否满足合规要求？

这意味着Salesforce的竞争维度从”CRM功能”转移到了”AI Agent平台能力”。对于Salesforce来说，这是一个巨大的机会——因为它可以用AI Agent能力来巩固甚至扩大其CRM市场份额。但对于较小的CRM竞争者来说，这是一个生存威胁——如果它们无法提供有竞争力的AI Agent平台，客户可能会加速向Salesforce迁移。

5.3 3个需要追踪的关键指标

对于关注Salesforce AI转型的投资者和行业观察者，以下3个指标值得密切追踪：

指标1：Agentforce的实际营收贡献。Salesforce在FY26 Q3和Q4财报中都将Agentforce作为增长驱动力提及(来源: Salesforce Investor Relations, 2025-12-03; Salesforce Press Release, 2026-02-25)，但截至本文发布时暂无公开数据显示Agentforce的独立ARR或收入贡献比例。这个数字将是验证”从效率到收入”叙事的最硬证据。

指标2：AgentExchange的生态规模。Agent Fabric的价值取决于有多少第三方Agent在Salesforce平台上运行。AgentExchange上的Agent数量、活跃开发者数量、企业客户的Agent部署数量，将决定Salesforce的”控制平面”叙事是否能从愿景变成现实。

指标3：客户的Agent使用深度。Salesforce有多少客户从”使用Agentforce做简单自动化”升级到”让Agentforce自主执行关键业务流程”？这个升级路径的速度，将反映企业对Agentic SaaS的真实信任度。

5.4 最终判断

Salesforce从CRM到AI Agent神经中枢的转型，是企业软件行业过去10年最大胆的战略赌注之一。

这个赌注的核心假设是：在AI Agent时代，数据引力比模型能力更重要。Salesforce赌的是，即使它永远不会拥有最强的基础模型，但只要企业最核心的客户数据在它的平台上，AI Agent就必须来找它。

这个假设在短期内（2-3年）很可能是正确的。企业数据的迁移成本极高，Salesforce在CRM领域的市场地位短期内不会被动摇。而AI Agent的价值确实高度依赖于数据质量和业务上下文——这些是Salesforce的核心资产。

但在长期（5-10年），这个假设面临两个潜在威胁：

第1，如果基础模型的通用推理能力足够强大，以至于Agent不再需要大量领域特定数据就能做出高质量的商业决策，那么数据引力的价值就会下降。

第2，如果AI原生公司（如OpenAI或Anthropic）直接构建了足够强大的企业Agent平台，并通过API直接接入企业数据源（绕过CRM层），那么Salesforce的中间层价值就会被压缩。

我的总体判断是：Salesforce的战略方向是正确的——从记录系统到行动系统的演进是企业软件的必然趋势。但执行风险很高。Salesforce需要在以下3个方面同时取得成功：（1）证明Agentforce能直接驱动可衡量的客户收入增长；（2）建立一个足够大的第三方Agent生态；（3）构建一套让大型企业信任的Agent治理框架。任何一个方面的失败，都可能让”AI Agent神经中枢”的愿景停留在PPT上。

TDX 2026的3天宣言，画出了一幅令人兴奋的蓝图。但蓝图和现实之间的距离，往往比舞台上的演示所暗示的要远得多。对于Salesforce来说，接下来的12-18个月将是关键——它需要从”讲故事”转向”拿数字”。而对于整个企业软件行业来说，无论Salesforce最终能否成功，它在TDX 2026上提出的问题——谁来做AI Agent的控制平面？——将定义未来10年的竞争格局。

参考资料

  1. Salesforce Delivers Record Third Quarter Fiscal 2026 Results Driven by Agentforce & Data 360 — Salesforce Investor Relations, 2025-12-03
  2. Salesforce Delivers Record Fourth Quarter Fiscal 2026 Results — Salesforce, 2026-02-25
  3. AI’s Next Act: How Salesforce Is Turning Efficiency Gains Into Revenue — Fortune, 2026-04-18
  4. Live from TDX 2026: AI Research — eVerse Framework — Salesforce News, 2026
  5. Live from TDX 2026: AI Research — eVerse Framework — Salesforce News, 2026
  6. TDX 2026 Roundup: Agentforce Edition — Salesforce Blog, 2026
  7. TDX 2026: Salesforce depicts SaaS as an agentic evolution — Computer Weekly, 2026
  8. New Salesforce Partner Network, MCP Tools Target AI Agent Success — CRN, 2026

主题分类：企业AI落地