作為當前資本和科技市場最大的主線—AI在技術端的發(fā)展可謂日新月異：

①24年初Sore視頻生成模型發(fā)布，代表著大模型由圖文向視頻等多模態(tài)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、豆包等不同平臺的大模型如雨后春筍，不斷涌現(xiàn)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(tài)感知和邏輯推理能力的AI大模型；

⑥日前以Salesforce發(fā)布的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、臺積電為代表的AI產(chǎn)業(yè)鏈上游，即硬件芯片和云計算基礎設施自24年下半年以來，大體上是震蕩走平，并未隨著AI技術的不斷演進繼續(xù)創(chuàng)新高。反而AI產(chǎn)業(yè)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(shù)自22年低點的上漲斜率也大幅跑贏MSCI全美指數(shù)。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并不鮮見。

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后的原因、邏輯是什么？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到底是什么，以及Agentforce會給行業(yè)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在漲什么？

1. 股價簡單復盤

正文開篇，我們先簡要復盤下Salesforce近期股價的走勢，及其背后可能的催化原因。由下圖可見：

① 第一個關鍵事件，Salesforce在9.12首次公布了Agentforce，隨后Salesforce股價立即突破了持續(xù)數(shù)月的震蕩走勢，開始趨勢性拉漲；

② 10.29日Agentforce服務向用戶全面開放，幾日之后（數(shù)日延遲應當是市場和客戶在評估Agentforce的可用性），Salesforce的股價再度突破持續(xù)了十幾個交易日的震蕩，快速拉漲；

③ 12.04日Salesforce披露3Q25業(yè)績，當天Salesforce股價拉升超10%。不過客觀的說，當前業(yè)績表現(xiàn)和對下季指引并不算很強勁，屬于不會給當前樂觀情緒“潑冷水”，但也并不足以驗證市場對Agentforce樂觀預期的季報。(后文會更詳細探討)；

④ 12.17日Salesforce召開Agentforce 2.0發(fā)布會，介紹了公司對Agentforce后續(xù)會添加功能的展望(主要是展望，實際已落地的較少)，和自發(fā)布以來Agentforce的效果和用戶接受情況。后一日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(jù)我們了解，市場對Agentforce 2.0的反應是比較正面的。

2. Salesforce的3Q25業(yè)績表現(xiàn)好嗎？

簡要回顧3QF25業(yè)績，從當季表現(xiàn)和對下季度指引兩個視角，來看看這次業(yè)績的質量是否配得上公布次日股價超10%的大漲。

3QF25當期業(yè)績上，① 從預期差的角度，收入、毛利、經(jīng)營利潤這三項關鍵財務指標的都僅略高于預期1%~3%左右，僅是比預期稍好，并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閱收入）較上季度繼續(xù)略微放緩0.1pct，表明在Agentforce之外Salesforce現(xiàn)有業(yè)務的增長趨勢是在繼續(xù)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(jīng)營利潤同比增長26%，OPM同環(huán)比分別提升了280bps / 90bps到20%。主要是費用大頭（占收入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：用戶對采用Agentforce的意愿較高，發(fā)布后確實帶來了新增合約，帶動了cPRO的增長提速。這可能是當前市場敘事下，Salesforce股價為何對3Q業(yè)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，總營收和核心的訂閱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(jīng)營利潤率改善，按指引在4Q會環(huán)比走低40bps，③ 3Q增速達雙位數(shù)的EPS和經(jīng)營現(xiàn)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(yè)績除了有所提速的cPRO增長外并無顯著亮點，對4Q的指引更是在全部關鍵指標上都邊際變差，看起來并不值得業(yè)績后10%的漲幅。且近期Salesforce股價突破的節(jié)點，都于Agentforce的推出和上線的節(jié)點精準的一致。經(jīng)過上述簡要復盤，海豚投研認為，近期Salesforce股價的強勁表現(xiàn)，與近期的業(yè)績基本面并無多大關聯(lián)，主要是由于市場對Agentforce--“AI agent”概念下最早的商業(yè)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(guī)的商業(yè)模式和壁壘優(yōu)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”到底是什么？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？后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、什么是AI agent？

我們需要理解的第一個問題即，Agentforce所屬的“AI agent”這一概念具體指什么？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，海豚投研盡量拋開底層的技術細節(jié)，從一個我們和普羅大眾便于理解的視角簡要出發(fā)，讓大家理解我們到底在討論什么。

高度概括的說，“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（或者說自主性）”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(fā)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(zhí)行解決方案的能力。

以更通俗、類比的方法來說：

① 更早出現(xiàn)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，或者說是“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”等并無質的區(qū)別，仍只是工具。

② 而“AI Agent”（在技術成熟的理想狀態(tài)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(zhí)行的動作。人類只需要給AI agent設定需要實現(xiàn)的目標或結果，并提供所需的資源和監(jiān)督。換言之，AI agent可以類比為人類領導下的“數(shù)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(jiān)管下實現(xiàn)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(xiàn)由A到B的行駛。

從中我們也能隱約窺見，AI的技術發(fā)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(tài)下的概念和展望，具體能不能、何時能實現(xiàn)理想狀態(tài)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(xiàn)的可能性及時間節(jié)點、并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(xiàn)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(xiàn)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(zhí)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）：如各類基于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(fā)展

② 感知模塊（五感）：能夠感知并分析文字、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(tài)大模型目前也已有“初見成效”的模型存在。如近期發(fā)布的GPT-4o多模態(tài)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。至于語言和文字的識別技術則就更加成熟。

③ 執(zhí)行模塊：正如AGI的L2和L3階段的核心差異是L3具備了執(zhí)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(zhí)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(zhí)行的能力并不“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(fā)當中。形象的說，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(xiàn)狀（無論是物理上的、工作上的、或是人際關系上的）的能力，以及最后的執(zhí)行端。

3、Agentforce到底是何方神圣

以上更多是理想狀態(tài)下對AI agent的愿景，在那種情形下“數(shù)字員工”大范圍替代人力的“未來已來”。那么Salesforce已經(jīng)發(fā)布的Agentforce實際如何？是否如愿景中，已擁有了相當?shù)?ldquo;自主工作”的能力？

以上圖為參考，高度概括來看：Agentforce是Salesforce基于其底層的技術平臺（PaaS）和多年累計的數(shù)據(jù)（Data），和作為CRM龍頭數(shù)十年在SaaS技術和行業(yè)知識的積累（所謂Industry know-how），并通過當前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(zhí)行包括但不限于銷售、客服、營銷、數(shù)據(jù)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(yè)知識更多只是一個不易理解的“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(guī)章制度等情景；③ 詳細定義、規(guī)范不同場景下Agent應當采取的行為（Action）；④ 在工作流程中（workflow）中設定何時觸發(fā)Agent介入執(zhí)行，有哪些可能的處理結果等；⑤ 經(jīng)過上述設置，我們就得到了一個負責費用報銷的Agent，最后一個截圖是該Agent反饋的一次結果案例。

可以看到，目前的Agentforce距離理想狀態(tài)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(guī)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，上述設置過程中并不涉及代碼編程，而是用自然語言來描述出對應的情形、規(guī)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(shù)字助力員工”，去處理一些相對簡單、但繁復耗時的工作。

4、Agentforce落地情況如何？

根據(jù)以上的例子，可見Agentforce目前適配的仍是相對簡單、重復性的工作。而根據(jù)公司的披露，Agentforce 1.0發(fā)布以來落地進度最快的方向是客服（service agent）。由于客服一般不太涉及決策，大多數(shù)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(guī)操作，因此service agent作為最快落地方向并不意外。作為范例，Salesforce在自身官網(wǎng)的客戶服務也上線了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(yōu)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(guī)范、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(chǎn)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(fā)布至今的一些成果。例如落地最快的service agent目前已每周處理3.2萬次客戶咨詢，其中83%的客戶咨詢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(yè)、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(xié)助醫(yī)療、交稅、教育等多方面的agent。

③ 將Agentforce的部署和使用范圍將拓展到Salesforce之外的第三方平臺上，例如允許用戶創(chuàng)建的Agentforce Agent調用用戶在SAP平臺上的數(shù)據(jù)，或在SAP平臺上執(zhí)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(fā)布會預計會在今年5月左右舉行。

小結此次2.0發(fā)布會，可見1.0的service agent看起來已取得了一定的成果，結合海豚投研了解到的調研，用戶們對service agent的看法是比較正面的（當然滲透率并不高）。至于管理層對Agentforce后續(xù)發(fā)展的暢想最終落地時的質量如何，在實際產(chǎn)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(jié)奏，可以近乎確定的是，之后Agentforce和其代表的“AI Agent”技術大概率會有非常迅速的迭代和發(fā)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到底是什么的問題，接下來我們將嘗試從定量角度來分析：① Agentforce可能為用戶帶來多少收益or節(jié)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帶來多少凈增量收入？

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(jù)行業(yè)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(jù)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 按單個員工平均每周工作時間在 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（包括空閑等待時間）。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(shù)據(jù)接近。

這么看，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(tài)下若企業(yè)用戶采用service agent代替人工客服大約能節(jié)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并不大的$2定價，可能不具備很強的吸引了讓企業(yè)用戶采用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(tài)下（假設Agentforce的工作能力接近人類員工）確實能夠幫助企業(yè)用戶節(jié)省相當可觀的人力成本，因此有希望吸引企業(yè)用戶采用Agentforce來替代人力員工。那么下一個問題是，以美國客服（customer service）為例，Agentforce理論上的潛在市場有多大？

據(jù)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1.3萬次客戶的問詢，那么基于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(guī)模并算不上可觀（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(tài)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(shù)倍于當前收入規(guī)模的增量空間。

當然，理論上隨著Agentforce拓展到銷售、教育、法律、財務等各行各業(yè)，Agentforce理論上的總TAM較單一的客服行業(yè)可以再翻數(shù)倍到數(shù)十倍，可達數(shù)千億乃至萬億美金的行業(yè)規(guī)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空間之大甚至可以說“無所不包”。但是上述這些工作對能力的要求和復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(yè)，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(yè)的TAM大小。簡單定性來說，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(guī)模有多大的測算，那么從中短期視角，例如3年之內Agentforce有可能對Salesforce的業(yè)績產(chǎn)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方面是采用的按次收費模式，而非原本傳統(tǒng)采用的按seat收取固定服務費的訂閱式收費模式。隨著存量用戶采用Agentforce替代原本的service cloud，在獲得新收入的同時，也會導致原本訂閱收入的下滑。

由于公司并不披露其服務的訂閱用戶數(shù)量和平均客單價數(shù)據(jù)，我們只能舉例來測算。對于原不同檔次和定價的Service Cloud的用戶，在假設Agentforce實際每次溝通收費$1，和Agentforce替代20%的原有訂閱seats的情況下，對三檔不同定價的用戶Agentforce能貢獻37%~101%的增量收入。對營收占比較大，參考意義更高的規(guī)模較大的兩檔用戶，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”等級用戶代表了Salesforce全部用戶的平均情況，主要看保守和中性情景下的預期，假設2年內Agentforce在客服服務上的采用率分別達到5%和10%，那么能給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，那么上述兩種情況下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”大范圍替代人力，可以說是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(fā)展方向。并且為實現(xiàn)“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(fā)展。從我個人的看法，拉長視角下“AI agent”是可能有相當?shù)母怕誓軌驅崿F(xiàn)。

但暢想之外，現(xiàn)實是當前的Agentforce仍是一個需要人類事先規(guī)范比較詳細規(guī)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(xiàn)辦公自動化的“編程工具”，而非一個能“獨立思考和工作”的數(shù)字員工。

定量來看，如果Agentforce確實能實現(xiàn)接近人類的工作能力，那么其潛在的市場空間（TAM）非�？捎^，僅以美國客服行業(yè)未來，50%的滲透即有近$400億的市場規(guī)模。若能在多種行業(yè)都能有不俗的滲透，那么數(shù)千億乃至數(shù)萬億的TAM也并非不可能。

但顯然Agentforce目前不具備接近人類的工作能力，從更現(xiàn)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。并不算很多，但對Salesforce--總收入增長中樞已不足10%的企業(yè)，多少有邊際改善營收增速的效用。

所以，作為一個發(fā)布僅數(shù)月，概念意味大于實際表現(xiàn)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，強于對基本面業(yè)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。

- END -

       原文標題 : Salesforce：AI取代“人工”？SaaS大佬能沾多大光？