--- title: "“人工智能” 真要替代 “人工”？Salesforce 能沾多少光" type: "Topics" locale: "zh-HK" url: "https://longbridge.com/zh-HK/dolphin/post/26491224.md" description: ""AI agent"的夢想很大，不再今朝在未來" datetime: "2025-01-07T12:20:40.000Z" locales: - [en](https://longbridge.com/en/dolphin/post/26491224.md) - [zh-CN](https://longbridge.com/zh-CN/dolphin/post/26491224.md) - [zh-HK](https://longbridge.com/zh-HK/dolphin/post/26491224.md) author: "[Dolphin Research](https://longbridge.com/zh-HK/dolphin.md)" generator: "portal-rs" --- # “人工智能” 真要替代 “人工”？Salesforce 能沾多少光 作為當前資本和科技市場最大的主線—AI 在技術端的發展可謂日新月異： ①24 年初 Sore 視頻生成模型發佈，代表着大模型由圖文向視頻等多模態演變； ② Suno 模型代表 AI 在音樂等音頻生成上已初有成效； ③ 年中 Llama-3、Gemini、Claude、豆包等不同平台的大模型如雨後春筍，不斷湧現和迭代； ④以 Tesla FSD v13 代表的 AI 在 “通過視覺理解世界” 上已有長足進步； ⑤ChatGPT 4o1~4o3 給我們展示了一個 “初見成效” 的兼具圖文、視頻、語音等多模態感知和邏輯推理能力的 AI 大模型； ⑥**日前以**$賽富時(CRM.US) **發佈的 Agentforce 為代表的 “AI agent”，則又向 “人工智能” 真正替代 “人工” 邁出了一步。** 但資本市場上，以微軟、英偉達、台積電為代表的 AI 產業鏈上游，即硬件芯片和雲計算基礎設施自 24 年下半年以來，大體上是震盪走平，並未隨着 AI 技術的不斷演進繼續創新高。反而 AI 產業鏈的下游，即軟件或 SaaS 服務商則漲幅不俗。由下圖可見，最大的 SaaS 服務商之一 Salesforce 在 2H24 的累計漲幅超過 30%，明顯跑贏上述三家上游龍頭不足 20% 的累計漲幅。更廣的視角下，MSCI Software & Service 指數自 22 年低點的上漲斜率也大幅跑贏 MSCI 全美指數。市場內**對 2025 年 AI 下游軟件端可能會跑贏中上游硬件和基礎設施的聲音並不鮮見**。 在此背景下，海豚投研此次就以 Salesforce（NYSE:Salesforce）為研究對象和切入口，一方面嘗試探究市場看多軟件端背後的原因、邏輯是什麼？其中基本可以明確的原因之一，就是前文提及的 “AI agent” 概念下的 Agentforce。因此，Agentforce 到底是什麼，以及 Agentforce 會給行業和 Salesforce 帶來哪些影響，也會是本文嘗試探討的內容。 以下為正文內容： **一、9 月以來 Salesforce 在漲什麼？** **1\. 股價簡單覆盤** 正文開篇，我們先簡要覆盤下 Salesforce 近期股價的走勢，及其背後可能的催化原因。由下圖可見： ① 第一個關鍵事件，**Salesforce 在 9.12 首次公佈了 Agentforce，**隨後 Salesforce**股價立即突破了持續數月的震盪走勢，開始趨勢性拉漲；** ② **10.29 日 Agentforce 服務向用户全面開放，幾日之後**（數日延遲應當是市場和客户在評估 Agentforce 的可用性），**Salesforce 的股價再度突破**持續了十幾個交易日的震盪，快速拉漲； ③ 12.04 日 Salesforce 披露 3Q25 業績，當天 Salesforce 股價拉昇超 10%。不過客觀的説，當前業績表現和對下季指引並不算很強勁，屬於不會給當前樂觀情緒 “潑冷水”，但也並不足以驗證市場對 Agentforce 樂觀預期的季報。(後文會更詳細探討)； ④ 12.17 日**Salesforce 召開 Agentforce 2.0 發佈會，**介紹了公司對 Agentforce 後續會添加功能的展望 (主要是展望，實際已落地的較少)，和自發布以來 Agentforce 的效果和用户接受情況。後一日 Salesforce 股價明顯走跌，但當天納指整體下跌近 3.6%，主要是受宏觀市場拖累。據我們瞭解，**市場對 Agentforce 2.0 的反應是比較正面的。** **2\. Salesforce 的 3Q25 業績表現好嗎？** 簡要回顧 3QF25 業績，從當季表現和對下季度指引兩個視角，來看看這次業績的質量是否配得上公佈次日股價超 10% 的大漲。 3QF25 當期業績上，① 從預期差的角度，**收入、毛利、經營利潤這三項關鍵財務指標的都僅略高於預期 1%~3% 左右，**僅是比預期稍好，並沒有大超預期的明顯亮點。 ② 從趨勢的角度，3Q 收入增速（無論是整體還是核心的訂閲收入）較上季度繼續略微放緩 0.1pct，表明在**Agentforce 之外 Salesforce 現有業務的增長趨勢是在繼續向下的。** 相比不斷放緩的營收增長，**Salesforce 盈利能力改善相對更有看點，3QF25 經營利潤同比增長 26%**，OPM 同環比分別提升了 280bps / 90bps 到 20%。主要是費用大頭**（佔收入 4 成上下）的營銷費用支出僅增長 5% 的帶來的利潤率提升。**但如上文所述，OPM 改善的幅度是在市場預期之內的。 **③** 本季度**從預期差和變化趨勢兩個角度都算有亮點的指標，**是**cRPO**（current remaining performance obligation，即已簽訂合約但尚未被確認為收入的金額）**在 3Q 同比增長 10.5%**，**較上季度提速約 50bps**，且**比市場預期的 9% 高。**海豚投研猜測，**市場對此的解讀可能是：用户對採用 Agentforce 的意願較高，發佈後確實帶來了新增合約，帶動了 cPRO 的增長提速。**這可能是當前市場敍事下，Salesforce 股價為何對 3Q 業績反映相當樂觀的一個合理解釋。 而**Salesforce 對 FY25 和下季度即 4QF25 的指引甚至是相對偏負面的，**① 增長端，總營收和核心的訂閲收入增速會進一步的放緩，② Non-GAAP 口徑（剔除 SBC）下，在 3Q 季度可圈可點的經營利潤率改善，按指引在 4Q 會環比走低 40bps，③ 3Q 增速達雙位數的 EPS 和經營現金流，在 4Q 增速都會大幅回落到 10% 以下，④ 3Q 最大亮點-**cPRO 在四季度的增速將由 10.5% 下降到～9%。** 小結來看，**3Q 當季業績除了有所提速的 cPRO 增長外並無顯著亮點，對 4Q 的指引更是在全部關鍵指標上都邊際變差，**看起來並不值得業績後 10% 的漲幅。且近期 Salesforce 股價突破的節點，都於 Agentforce 的推出和上線的節點精準的一致。經過上述簡要覆盤，海豚投研認為，近期 Salesforce 股價的強勁表現，與近期的業績基本面並無多大關聯，主要是由於市場對 Agentforce--“AI agent” 概念下最早的商業實例的前景的樂觀預期和提前反映。 因此，**海豚投研此次對 Salesforce 的覆蓋研究，不從常規的商業模式和壁壘優劣等角度入手，就以當前市場最關注 Agentforce 切入，嘗試解答 Agentforce 和所謂 “AI agent” 到底是什麼？Agentforce 能否真的給 Salesforce 帶來改變投資邏輯程度的增量營收？定量來看空間有多大？**後文就將圍繞上述這些問題展開。 **二、Agentforce -- 又是一個引領未來的新科技？** **1、什麼是 AI agent？** 我們需要理解的第一個問題即，Agentforce 所屬的**“AI agent” 這一概念具體指什麼**？**與以 ChatGPT 為例的 “Chat bot”，以 Copilot 為例的 “AI assistant”，有哪些本質上的異同點**？以下討論多少會涉及部分 “艱澀難懂” 的概念，海豚投研儘量拋開底層的技術細節，從一個我們和普羅大眾便於理解的視角簡要出發，讓大家理解我們到底在討論什麼。 高度概括的説，“**AI Agent” 相比先前各類 “Chatbot” 或 “AI assistant” 的差異主要在--AI 由 “工具性” 向 “主體性（或者説自主性）” 進化程度的不同。**按 OpenAI 的設想，**AI 技術通向真正 AGI（Artificial General Intelligence）的發展可分為 5 個階段**。其中，第一階段是具備自然語言交互能力的聊天機器人；第二階端的 AI 則具備了一定推理和問題解決能力；**第三階段即 “AI agent”**，**其與第二階段 AI 技術的本質差別在，“AI agent” 不僅能提供解決方案，同時還具備自主執行解決方案的能力。** 以更通俗、類比的方法來説： ① 更早出現的 ChatGPT 和 Copilot 之類，主要仍是在人類的指導下、輔助完成某些工作的**“工具型” AI**，或者説是**“以具體任務為導向”**。本質上這類 AI 技術，和我們之前使用的 “電腦”、“Office suite” 等並無質的區別，仍只是工具。 ② 而 “**AI Agent”（在技術成熟的理想狀態下）**則能夠**“以目標為導向”。AI agent 能自行收集必須信息、判斷拆解達成目標所需的步驟、和最終落地執行的動作。**人類只需要給 AI agent 設定需要實現的目標或結果，並提供所需的資源和監督。換言之，**AI agent 可以類比為人類領導下的 “數字版” 員工**（即管理層多次提及的 “Digital labour”）**，**而不再僅僅是工具。 實際上，AI agent 相比 ChatGPT 等的演化路徑，和 AI 技術的另一大主流應用方向 -- 自動駕駛的演化路徑非常類似。如我們可能更加熟悉的，自動駕駛技術的等級可分為 L1~L5。**ChatGPT 和 Copilot 可類比自動駕駛的 L2~L3 級別**，能輔助駕駛員完成變道、自動剎車等輔助工作，或者在比較頻繁的人類監管下實現由 A 到 B 的行駛。相比之下，**AI agent 則可類比 L4 自動駕駛**，即能夠在沒有或很少人類干預的情況下，自主實現由 A 到 B 的行駛。 從中我們也能隱約窺見，AI 的技術發展路徑雖然各部相同，但頗有 “殊途同歸” 之感。大模型、自動駕駛、機器人等等技術組合在一起，或許未來某日真會誕生兼具 “智能” 和 “實體”，能近乎完全替代人類勞動力的一天。 **2、AI agent 離我們有多遠？** 以上探討的 AI agent 是一個成熟理想狀態下的概念和展望，具體能不能、何時能實現理想狀態的 AI agent 是一個猶未可知的問題。Again，從底層技術的角度去探討 AI agent 能否實現的可能性及時間節點、並非海豚投研的能力所在。我們只從普羅大眾能理解的角度**，簡要探討下要實現成熟的 AI agent 需要哪些關鍵組件和技術**，以便各位自行感受 AI agent 離現實還有多遠。 如前文所述，成熟的 AI agent 有能力自行完成信息收集、分析決策、落地執行，因此成熟的 AI agent 就需要兼具三大模塊： ① **分析決策模塊（大腦）：如各類基於 LLM 的 AI 模型**。以海豚投研的認知，當前的各類大模型都已具備成熟的自然語言交互能力和一定的推理和分析能力。但距離能進行長鏈路且能保證較高 “正確性” 的推理、分析和判斷能力，以我們的認知，目前的 AI 大模型應當還需要一定時間的發展 **② 感知模塊（五感）：能夠感知並分析文字、視覺、聽覺等各類信息的硬件和對應模型。**硬件上，感知端應當是不存在制約的，攝像頭、麥克風或各類傳感器已相當成熟。目前**能理解包括圖片、視頻、語言在內的多模態大模型目前也已有 “初見成效” 的模型存在**。如近期發佈的 GPT-4o 多模態模型和 Tesla 的純視覺自動駕駛技術，都驗證了目前的大模型已具備了一定理解視覺信息的能力。至於語言和文字的識別技術則就更加成熟。 ③ **執行模塊**：正如 AGI 的 L2 和 L3 階段的核心差異是 L3 具備了執行能力，**海豚投研認為 AI agent 要成熟落地的主要難點 (之一) 也在執行模塊上**。一個主要問題是，誠然目前各類 AI 模型已初步具備了輸出文本、PPT、語音、乃至一些簡單的視頻、3D 模型的能力。但**這種需調用相關 API 執行的能力並不 “通用”**，**需要事先埋設 API、且難以窮盡。** 不過以操作電腦為例，目前 AI“通用型” 的操作能力也已在研發當中。形象的説，具備 “通用型操作能力” 的 AI 能夠像人類一樣通過掃描顯示屏（模擬人類眼睛）來獲取所需信息，通過模擬使用鼠標、鍵盤的操作方式，來使用各類軟件，而不需依賴 API。 ④ 小結來看，AI agent 所需的三大模塊上，目前都至少具備了初步的技術能力。以海豚投研目前的認知，目前最主要的技術難點，還是在大模型進行可靠推理、判斷、通過視頻、語音、語音等信息，精準認知現狀（無論是物理上的、工作上的、或是人際關係上的）的能力，以及最後的執行端。 **3、Agentforce 到底是何方神聖** 以上更多是理想狀態下對 AI agent 的願景，在那種情形下 “數字員工” 大範圍替代人力的 “未來已來”。那麼 Salesforce 已經發布的 Agentforce 實際如何？是否如願景中，已擁有了相當的 “自主工作” 的能力？ 以上圖為參考，高度概括來看：**Agentforce 是 Salesforce 基於其底層的技術平台（PaaS）和多年累計的數據（Data），和作為 CRM 龍頭數十年在 SaaS 技術和行業知識的積累**（所謂 Industry know-how）**，並通過當前 AI 技術，將上述一起融合、揉捏在一起，塑造成各種能負責不同任務的 Agents，**幫助執行包括但不限於銷售、客服、營銷、數據分析等方面的工作。 不過從普通使用者，以及投資人的視角，高深的技術能力和行業知識更多隻是一個不易理解的 “黑箱”。我們從更形象具體的角度--**通過 Agenforce 搭建一個負責處理費用報銷申請的 Agent 的案例來看，** Agentforce 到底是如何運作的： ① 首先第一步，**大致定義該 Agent 的角色**，所負責的工作內容，或工作的目標； ② **定義需要 Agent 介入的各類場景**（Topics），例如收到員工報銷申請、員工問詢報銷規章制度等情景；③ **詳細定義、規範不同場景下 Agent 應當採取的行為（Action）**；④ **在工作流程中（workflow）中設定何時觸發 Agent 介入執行，**有哪些可能的處理結果等；⑤ 經過上述設置，我們就得到了一個負責費用報銷的 Agent，最後一個截圖是該 Agent 反饋的一次結果案例。 可以看到，目前的 Agentforce 距離理想狀態下 “AI Agent” 能自行分析、拆解任務目標，做出合理判斷和操作，交付預期目標尚有很遠的距離。仍需事先具體且準確地去設定的角色、場景、行為、流程等，這和非 “AI 時代” 下按設定好規則辦事的機器人可能仍是相近的。 **但真正核心的不同之處是，上述設置過程中並不涉及代碼編程，而是用自然語言來描述出對應的情形、規則、操作等即可。**從這個角度，**Agentforce 本質上可類比為一個 “去代碼化” 的編程工具。**雖然目前 Agentforce 相比人類顯然仍需要更多、更精準的 “指導”，**Agentforce 可能的最大價值是，給予了普羅大眾（無編程能力），相對更簡單方便構建自己的 “數字助力員工”，去處理一些相對簡單、但繁複耗時的工作。** **4、Agentforce 落地情況如何？** 根據以上的例子，可見 Agentforce 目前適配的仍是相對簡單、重複性的工作。而根據公司的披露**，Agentforce 1.0 發佈以來落地進度最快的方向是客服（service agent）。**由於客服一般不太涉及決策，大多數情況下只涉及文字交流（技術難度低），且在 AI 時代之前使用機器人輔助客服服務就已是常規操作，因此 service agent 作為最快落地方向並不意外。作為範例，Salesforce 在自身官網的客户服務也上線了 Agentforce，**以下是海豚投研與 Agentforce 的一次溝通，**可供各位自行感受 Agentforce 與其他客服機器人或 ChatGPT 的優劣。 海豚投研的主觀看法，**Agentforce 的語言理解和溝通能力相比 ChatGPT 等主流 LLM 大模型，我們沒有感受到明顯差異**。不過**在用詞的規範、防止 “幻覺” 或 “胡言亂語”、拒絕回答不相關問題等方面，Agentforce 相比 ChatGPT 等 C 端產品，對回答質量的 “下限” 要求更高。** 而在 2024.12.17，Salesforce 舉行了 Agentforce 2.0 的宣講會，會上的主要信息包括： ① 首先提及了**Agentforce 發佈至今的一些成果。**例如**落地最快的 service agent 目前已每週處理 3.2 萬次客户諮詢，其中 83% 的客户諮詢 Agentforce 能獨立處理，相比先前需上報人工處理的案例減少了 50%。** ② **Agentforce 支持的使用場景將從最初上線的客服和銷售外，向更多行業、更多場景、更多角色拓展**。如個人的購物 agent、負責招聘的人力 agent、協助醫療、交税、教育等多方面的 agent。 ③ 將**Agentforce 的部署和使用範圍將拓展到 Salesforce 之外的第三方平台上**，例如允許用户創建的 Agentforce Agent 調用用户在 SAP 平台上的數據，或在 SAP 平台上執行相關的 ERP 操作流程。 ④ 上述**Agentforce 2.0 提及的功能按計劃將在今年 2 月上線**，而下一次的進化-**-Agentforce 3.0 的發佈會預計會在今年 5 月左右舉行。** 小結此次 2.0 發佈會，可見 1.0 的 service agent 看起來已取得了一定的成果，結合海豚投研瞭解到的調研，用户們對 service agent 的看法是比較正面的（當然滲透率並不高）。至於管理層對 Agentforce 後續發展的暢想最終落地時的質量如何，在實際產品上線前海豚投研無法憑空猜測。不過從 Agentforce 每隔 2~3 個月就更新一代的演化節奏，可以近乎確定的是，之後 Agentforce 和其代表的 “AI Agent” 技術大概率會有非常迅速的迭代和發展。 **三、夢想很大，Agentforce 實際能有多大貢獻？** 以上我們從概念性的角度初步搞清楚了 Agentforce 到底是什麼的問題，接下來我們將嘗試從定量角度來分析：① Agentforce 可能為用户帶來多少收益 or 節省多少費用；② Agentforce 的潛在市場空間有多大；③ 中短期內 Agentforce 有望給 Salesforce 帶來多少淨增量收入？ **1、以 Service Agent 為例，Agentforce 的潛在市場有多大？** 以目前 Agentforce 落地最順暢的 service agent 為例，**目前 Salesforce 對 service agent 的定價是$2 per conversation（**實際有可能會提供一定折扣）。相比之下，據**行業調研人工客服平均應答一次問詢（conversation）的成本大約在$2.7~$5.6 之間**。作為交叉驗證，我們自行做了測算：① 據查詢，美國平均一個客服員工的年工資大約在$35,000~$70,000 左右；② 按單個員工平均每週工作時間在 40~50 小時左右（有可能會更高）；③ 假設平均每次溝通花費時間為 10 分鐘（包括空閒等待時間）。按上述假設，**海豚投研自行測算的人工客服單次溝通成本大約在$2.8~$4.5 左右，**和市場調研的數據接近。 這麼看，**Agentforce 對 service agent 的$2 每次溝通的定價較平均人工成本低了約 45%，**換言之，理想狀態下若企業用户採用 service agent 代替人工客服大約能節省約一半的人力成本。但也需考慮到，目前 service agent 尚不具備完全匹配人類客服的能力（按 demo 中的展示）。因此我們認為**與人工成本下限差異並不大的$2 定價，可能不具備很強的吸引了讓企業用户採用 Agentforce，**確實**有在名義定價上給出折扣的需求。** 通過以上分析可見，**Agentforce 提供的 “Digital labour” 在理想狀態下（**假設 Agentforce 的工作能力接近人類員工**）確實能夠幫助企業用户節省相當可觀的人力成本，**因此有希望吸引企業用户採用 Agentforce 來替代人力員工。那麼下一個問題是，**以美國客服（customer service）為例，Agentforce 理論上的潛在市場有多大？** 據調研，美國目前約有 300 萬在職的人工客服崗位，參考我們以上的測算，單個人工客服一年處理 1.3 萬次客户的問詢，那麼基於保守和樂觀情景下的滲透率和單次溝通的定價，海豚投研測算出**Agentforce 在客服市場有望取得的市場空間可達$20~$390 億之間。相比 Salesforce 在 FY25 年約$90 億的 Service cloud 收入，保守情景下$20 億增量市場規模並算不上可觀**（何況這還沒考慮到其他競爭對手也可能推出類似服務的競爭）。而理想狀態下，**AI agent 需要取得相當可觀的對人工的替代率**（比如至少 3~5 成）**，以及和人類員工接近的能力而收取較高的定價**（如$2 每次溝通），**才有望帶來數倍於當前收入規模的增量空間。** 當然，理論上隨着 Agentforce 拓展到銷售、教育、法律、財務等各行各業，Agentforce 理論上的總 TAM 較單一的客服行業可以再翻數倍到數十倍，可達數千億乃至萬億美金的行業規模。再往長期看，如果 “Digital labour” 果真能在普遍情況下替代人力，其 TAM 空間之大甚至可以説 “無所不包”。但是上述這些工作對能力的要求和複雜度明顯高出客服工作，且 Salesforce 目前自己都尚未搞清楚在客服以外行業，對 Agentforce 的定價方式。我們在此也就不 “強行拍腦袋” 定量測算 Agentforce 在其他全行業的 TAM 大小。簡單定性來説，AI agent 的總 TAM 想象空間顯然是無比巨大的，十萬億美元都不算上限，但其前提假設—“人工智能” 能夠確保質量的替代人類工作，尚有些遙遠。 **2、Agentforce 能給 Salesforce 帶來多少增量收入？** 以上是從中長期視角對 Agentforce 潛在的市場規模有多大的測算，那麼**從中短期視角，例如 3 年之內 Agentforce 有可能對 Salesforce 的業績產生多大的影響？** 首先需要明確的一點是，如前文所述**Agentforce 在 customer service 方面是採用的按次收費模式，而非原本傳統採用的按 seat 收取固定服務費的訂閲式收費模式。**隨着存量用户採用 Agentforce 替代原本的 service cloud，在獲得新收入的同時，也會導致原本訂閲收入的下滑。 由於公司並不披露其服務的訂閲用户數量和平均客單價數據，我們只能舉例來測算。對於原不同檔次和定價的 Service Cloud 的用户，在假設 Agentforce 實際每次溝通收費$1，和 Agentforce 替代 20% 的原有訂閲 seats 的情況下，對三檔不同定價的用户 Agentforce 能貢獻 37%~101% 的增量收入。對營收佔比較大，**參考意義更高的規模較大的兩檔用户，20% 的滲透率假設下，Agentforce 能帶來的增量收入約為 37%~41%。** 整體來看，我們假設中檔的 “Unlimited” 等級用户代表了 Salesforce 全部用户的平均情況，主要看保守和中性情景下的預期，**假設 2 年內 Agentforce 在客服服務上的採用率分別達到 5% 和 10%，那麼能給 Salesforce Service Cloud 收入分別帶來 10% 和 20% 的增量收入。**貢獻還是比較可觀的。但**如果 Agentforce 在 2 年內僅在 Cloud service 上成功落地**，那麼上述**兩種情況下 Agentforce 對 Salesforce 總收入的貢獻就僅為 3%~6%，意義不大。** **3、總結** 回顧上文的探討，能獨立思考、工作的 “AI agent” 的概念和未來 “Digital labour” 大範圍替代人力，可以説是 AI 技術浪潮以來最讓人激動的，也最具 “星辰大海” 想象空間的技術發展方向。並且為實現 “AI agent” 所需的各方面技術也確實已有初步的成果，和高速迭代和發展。從我個人的看法，拉長視角下 “AI agent” 是可能有相當的概率能夠實現。 但暢想之外，現實是當前的 Agentforce 仍是一個需要人類事先規範比較詳細規則和流程的輔助性工具。目前 Agentforce 更多的意義可能是提供了一個無需代碼就可實現辦公自動化的 “編程工具”，而非一個能 “獨立思考和工作” 的數字員工。 定量來看，如果 Agentforce 確實能實現接近人類的工作能力，那麼其潛在的市場空間（TAM）非常可觀，僅以美國客服行業未來，50% 的滲透即有近$400 億的市場規模。若能在多種行業都能有不俗的滲透，那麼數千億乃至數萬億的 TAM 也並非不可能。 但顯然 Agentforce 目前不具備接近人類的工作能力，從更現實更近的視角看，僅以客服（Service Cloud）為例，2 年內 Agentforce 可能給 Service Cloud 帶來約 10%~20% 的增量收入。並不算很多，但對 Salesforce--總收入增長中樞已不足 10% 的企業，多少有邊際改善營收增速的效用。 所以，作為一個發佈僅數月，概念意味大於實際表現的 “Agentforce”，目前顯然尚不足以給 Salesforce 帶來 “x 倍” 量級的增長。對情緒、估值的拉動，強於對基本面業績的拉動。 當然 Salesforce 也不僅只有 Agentforce，我們在下一篇中，將從更多的角度來探討，當前的 Salesforce 是不是具備其他值得下注的亮點。 <正文完> ### 相關股票 - [CRM.US](https://longbridge.com/zh-HK/quote/CRM.US.md) --- > **免責聲明: 本文僅供參考，不構成任何投資建議。**