[id_1065087990]未来的市场竞争，并非局限于单一人工智能功能的较量，而是看哪个企业能够将人工智能技术深度融入其运营机制，打造出一个既可信、可控又可持续发展的智能体系。

在人工智能引发的这场企业级变革的浪潮中，Salesforce 再次展现了自己的行动力。

2025年5月底，硅谷地区发生了一起备受瞩目的商业事件：全球企业级软件领域的领军企业Salesforce正式对外公布，他们将以高达80亿美元的巨额资金成功收购数据管理领域的领先平台Informatica。

此宗收购案，缺少了网红创始人的身影，未见大型模型技术的炫目展示，甚至缺少了备受瞩目的“AI”元素，然而，它却激起了众多资深软件从业者的共鸣。此事件所蕴含的，并非仅仅是企业软件领域内的业务布局，而是一场关于基础设施逻辑的根本性转变：数据管理，逐渐成为关注的焦点。

随着 GPT、Agent、Copilot 等所谓的“AI 原生工具”成为行业中的标准配置，企业软件公司所面临的核心挑战已从“是否采纳 AI”转变为“是否具备实施 AI 的资质”。这种资质，正日益由企业的数据处理能力所决定。模型正逐渐转变为一种通用资源，而真正影响 AI 应用成效的，则是数据的管理水平、安全性以及统一性。它们构成了支撑智能系统的那一层“地基”。

在此情形下，Salesforce 的这笔交易传递出一个清晰的信息：人工智能领域的竞争已升级至数据争夺战，数据管理并非可选环节，而是成为一道至关重要的关卡。

Salesforce 收入旗下后，关于“如何让人工智能有序融入企业关键业务流程”的构想领域随之拓展。

收购消息发布后的短短24小时内，Informatica的股价实现了11%的涨幅，而Salesforce的股价则几乎保持稳定。这一市场反应颇引人深思，一方面体现了对数据治理重要性的普遍认可，另一方面也流露出对Salesforce并购整合能力的审慎态度：是战略上的协同效应，还是管理复杂性的累积叠加？

一  为什么是 Informatica？

Informatica 的存在感，远不如它的价值感。

在公众的关注范围内，它鲜少成为热门话题。然而，作为全球最早的一批数据集成与治理服务提供商，Informatica 在90年代引领了商业化ETL工具的诞生，随后逐步拓展至主数据管理（MDM）、数据目录、数据质量监控、元数据解析、数据安全等多个关键领域，进而成为众多大中型企业数据架构不可或缺的组成部分。

Informatica 属于典型的“关键任务”级软件。它的收入增长并非依赖于爆款产品的销量，而是依赖于客户的续费以及持续稳定的业务拓展，许多客户甚至已经使用了该软件长达十几年之久。在 2021 年，当 Informatica 重新回归股市之际，华尔街对其前景并不抱有太大的期待，普遍认为其形象陈旧，转型进展缓慢。然而，通过实际行动，该公司成功地向市场展示了，在提供企业级数据服务领域，潮流并不是关键，稳定才是核心。

在一宗美国某大型保险公司的案例里，Informatica 技术被应用于管理涉及14个不同业务部门的客户信息。通过实施自动化的数据映射与血缘关系分析，该企业成功将客户数据重复率削减了38%，并且理赔流程的处理效率提高了60%以上。这些显著的成效并非源于所谓的“新技术”，而是源于对原本未被充分利用的数据基础的整合与优化。

从产品战略的角度分析，Informatica 的核心竞争力并非单一的技术优势，而是其全面、扎实且极具灵活性的治理能力——该能力能够为企业打造一套依托元数据驱动的整体“数据血缘关系图”。面对当前数据来源广泛、种类繁多、监管日益严格的形势，这种能力显得尤为关键且不可或缺。

Salesforce之所以需要这项技术，正是因为其AI战略已经步入实施阶段——它已从以往以“模型为核心”的模式，转变为现今的“安全可靠且易于使用”的理念。Agentforce，作为Salesforce在其AI战略中推出的关键新型平台之一，于2024年的Dreamforce大会上首次亮相，它是一款专门面向企业用户的“智能代理”服务平台。这种技术核心在于将生成式人工智能与Salesforce的各类产品体系进行深度结合，使AI能在企业日常运作中扮演“助手”或“代理人”的角色，参与到具体任务中。这一构想的根本目的是将AI融入业务协作流程，使其不再是孤立的工具。这要求模型具备对上下文的解析能力、能够接入历史数据、自动处理数据访问权限等复杂场景，而这些功能单凭 Salesforce 的 Data Cloud（该平台原名为 Salesforce Customer Data Platform，是 Salesforce 用于构建统一客户视图的关键工具）以及 Tableau（Salesforce 在 2019 年以 157 亿美元收购的数据可视化平台，也是全球商业智能（BI）领域的佼佼者之一）是无法实现的。

Salesforce 首席执行官 Marc Benioff 曾言：“在人工智能的新时代，我们面临的最大难题并非模型构建的技巧，而是如何赢得客户的信任。借助 Informatica，我们能够构筑起企业智能的‘数据护城河’，确保每一次智能决策都有坚实可信的数据作为基础。”

从这个视角分析，这无疑标志着传统“前台软件企业”迈向“基础设施平台企业”转变的重要征兆。

实际上，自2023年起，Salesforce在组织结构上做出了相应的变动：AI与数据平台部门首次从产品部门中分离出来，成立了“AI平台治理中心”，专门负责推动Agentforce的数据安全治理方案。这一举措本身，就显示了公司战略核心已从界面交互转向了数据中台以及治理能力的提升。

在AI引领的新兴企业架构中，系统实力的关键已非前端界面的设计，而是企业是否构建了一套值得信赖、易于管理且具备扩展性的数据管理体系——这正是Informatica所擅长的核心优势。

二  Salesforce 的 Agent 焦虑和闭环：

从“前端能力”走向“数据堤坝”

洞悉了 Informatica 的价值所在，Salesforce 在此次交易中显露出的深层忧虑愈发明显——其目的不仅在于弥补技术上的不足，更在于对自身平台未来发展进行战略性的调整。

Salesforce 在并购领域并非新手。过去，它曾收购 Tableau 和 Slack，这些举措虽然短期内促进了收入增长，但在市场整合过程中也显现出了一些挑战。

依据2023年度的财务报告，Slack在完成收购后，其用户数量的增长呈现了稳定态势，但并未实现预期的协同效应；与此同时，Tableau的情况则因与Salesforce CRM数据平台未能实现深度整合，导致客户流失率有所上升。此次对Informatica的收购被外界普遍认为，是Salesforce从以“扩张为主”的战略向“架构优化”战略转变的重要分水岭。

回顾过往二十载，该企业最初以CRM云端服务为起点，随后通过接连收购Mulesoft（专注于集成）、Tableau（擅长可视化）、Slack（强化协作）等公司，逐步构建起一套完整的企业“数字化中台”解决方案。

但问题在于，它从未真正掌握数据治理的“水源”。

数据云更像是一个数据湖式的集成平台，所处理的数据繁杂、分散，且难以构建出明确的数据血缘关系。在以往进行客户关系管理或营销自动化操作时，这并非不可逾越的障碍。然而，当系统需要生成“个性化推荐”、“AI 摘要”或“跨平台分析”等功能时，数据来源的明确性和可靠性变得至关重要。

Salesforce 的 AI 规划 Agentforce 是基于“实时从客户数据中推导出结论”这一理念构建的。然而，若缺乏相应的数据支撑系统，该系统的精确度、解释性以及法规遵从性将遭遇重重考验。

Salesforce AI部门的主管Clara Shih阐述道：“Agentforce这款AI协同平台以数据为核心驱动，我们自始至终坚信，若数据无法得到有效监管，那么智能系统的可靠性将大打折扣。而Informatica的加入，恰好填补了我们平台最为关键的一环，使得AI系统能够真正深入理解企业的运作。”

整合的挑战不容小觑。在 2000 年代末期，SAP 在收购 BusinessObjects 后，因整合进度迟缓，影响了新产品的推出，这甚至导致其在商业智能（BI）市场的份额一度落后于 Tableau。Salesforce 若想避免重蹈SAP的覆辙，就必须在前期就制定出跨平台的元数据映射策略，并确立统一的接口规范。

随着合规监管的日益严格，Informatica 的数据访问控制与分级权限体系将为 Salesforce 提供助力，从而提升其在全球多个市场的适应性。具体来说，Informatica 已对中国的数据出境合规API规则接口提供支持，并且还构建了符合欧盟GDPR要求的自动化审计日志对接系统。此举将显著增强Salesforce在政务、医疗以及跨国企业等对合规性要求较高的复杂市场中的应用效能。

Informatica公司首席产品官Jitesh Ghai在致员工的信函中提到，公司将继续以独立品牌的身份运作，致力于帮助更多企业实现从数据杂乱无章到智能有序管理的转变。在Salesforce生态系统中，我们所能发挥的作用将远远超出以往。

此笔交易的核心在于 Salesforce 对“数据自主管理”策略的坚定投入。随着人工智能技术日益成为企业自动化的核心驱动力，谁能够掌握“值得信赖的数据调配能力”，谁便能够掌握未来企业软件平台的主导权。

三  AI Agent 时代，什么才是真正的服务能力？

对 Salesforce 收购行为的动机进行深入分析，可以发现其面临的并非单一案例的问题，而是整个 SaaS 行业正普遍经历的系统性变革：人工智能技术已不再仅仅是附加的“外挂”功能，它将渗透到平台的核心底层架构，对数据管理、权限分配、合规性等基础体系进行根本性的重塑。

具体分析，AI模型的发展正分为两个阶段：首先是算法与算力的较量，这一阶段着重于提升模型的精确度和多模态功能；而第二个阶段，则是探讨如何将模型实际应用于业务流程，实现实际的回报率。这种部署能力已经从单一的工具调用，转变为向平台型SaaS架构的整体过渡。

目前，人工智能在SaaS软件领域的集成应用正迅速拓展，涵盖了客户服务、财务分析以及流程自动化和预测性维护等多个方面。然而，随着应用范围的扩大，企业所遇到的问题也日益细化，不再是“如何调用模型”，而是转变为“如何保障平台能够安全、合规且持续地处理数据”。

众多SaaS企业常遭遇此类常见困境：主数据存在重复现象、接口使用混乱、数据字段不一致、敏感信息缺少权限分级。在这种状况下，若缺乏一套完善的治理体系，AI技术的嵌入可能会进一步恶化信息杂乱无章和风险累积的问题。

这一趋势促使数据治理工具从辅助性工具转变为平台的核心功能。据 Gartner 的研究报告预测，到 2026年，超过七成的企业级大型模型部署计划将采纳独立的数据治理组件，而治理方面的预算将超过企业AI投入的25%。

这一现象在 Salesforce 以外的众多 SaaS 供应商那里均有显现。

SAP 在其BTP（一套由SAP提供的技术基础设施，旨在帮助企业实现数据连接、应用开发、AI运行及业务流程优化）中加强了数据主权和数据血缘管理功能；Workday 在VNDLY平台（Workday旗下一个专注于企业管理临时工、合同工及外包人力资源的子系统平台）中引入了AI使用权限分区和用户级数据溯源功能；此外，Oracle在收购了美国医疗信息技术公司Cerner（该公司总部位于美国，专注于为医院、诊所和健康系统提供电子病历系统及相关数据服务）之后，也以医疗数据治理为切入点，对其SaaS架构的可信层进行了重塑。

在英国某银行的一次项目实施中，为了实施一个基于大型语言模型的客户信用评估体系，该银行选用了Informatica公司的数据目录和审计工具。这一举措确保了模型训练数据的一致性和可追溯性，从而将原本需要八周时间的监管审计过程缩短到了三天之内。

这些案例恰好反映了行业趋势的一个关键转折点——以往企业在部署人工智能时，主要关注的是其能否成功实施；然而，现在，越来越多的技术决策者和业务管理者更加重视人工智能落地后的可管理性和长期发展性。

正如Amit Walia所说，我们始终坚信，数据治理并非仅仅是后台的工作，它更是AI能否占据主导地位的关键环节。Salesforce与我们持有相同的观点，都将数据视为智能的核心，这一共同的认识使得我们的合作具备了坚实的战略基础。

麦肯锡2024年的企业AI应用调研指出，在推进AI项目时，超过68%的企业面临的主要挑战并非算法技术，而是与治理紧密相关的一系列问题，如数据标准不统一、数据来源杂乱无章、敏感数据使用风险难以控制等。

此类问题并非仅限于个别企业，而是整个SaaS行业普遍存在的系统性难题。

写在最后：

AI 的产业逻辑正在发生转变。

它原本是炫技的工具和实验的模型，现在正逐渐回归至企业信息技术的核心部分。这种转变对SaaS软件产业提出了更为严格的要求。传统的“应用即服务”模式正在被“平台即服务加上智能能力”这一新模式所重塑。在这种新模式下，软件供应商不仅需要提供丰富的功能，还需要对数据的来源、使用以及治理过程进行全面透明的管理，并确保其合规性。

这正是 Salesforce 对 Informatica 的收购所蕴含的深层价值：它不仅旨在提升 AI 产品的功能，更是在为 SaaS 产品打造一个面向未来的“数据基石”。AI 技术能否在 SaaS 应用中得到大规模、安全的实施，其关键在于底层数据基础设施是否完善。

在 AI 推动的 SaaS 软件新时代，数据治理已非辅助角色，它已与工作流程设计、权限架构并驾齐驱，成为“平台核心”的重要组成部分。Informatica 的加入，不仅是一次战略性的并购，更是一次对 SaaS 平台功能结构的实质性强化。

未来的市场竞争，并非局限于单一AI功能的较量，而是看哪一方能够将AI技术深度融合至企业的运营机制，打造出一个既可信、可控又可持续发展的智能体系。