在 AI 驅動的 SaaS 軟件新時代，數據治理不再是輔助功能，而是與工作流編排、權限體系并列的“平臺核心”。Informatica 的加入，不只是一次戰術收購，更是一次對 SaaS 平臺能力的結構性補強。未來的競爭，不是單點 AI 功能之間的比拼，而是誰能將 AI 深度嵌入在企業運行邏輯中，構建一個“可信、可控、可持續”的智能系統。

作者|斗斗 

編輯|皮爺 

出品|產業家 

在人工智能掀起的企業級革命浪潮中，Salesforce 又一次出手了。

2025 年 5 月底，硅谷傳來一筆重磅交易：企業軟件巨頭 Salesforce 正式宣布，將以約 80 億美元收購數據管理平臺 Informatica。

這場并購，沒有網紅創始人、沒有大模型炫技，甚至缺乏大熱的“AI 含量”，但它卻觸動了很多老一代軟件人的神經。因為它所標志的，不再是企業軟件玩家之間的業務拼圖，而是一種基礎設施邏輯的深層轉向：數據治理，開始走向臺前。

在 ChatGPT、Agent、Copilot 等“AI 原生工具”成為行業標配之后，企業軟件公司面臨的核心問題不再是“要不要做 AI”，而是“是否具備做 AI 的資格”，而這個資格，越來越多地被數據能力所決定。模型逐步演化為通用資產，真正決定 AI 應用落地效果的，是數據的可治理性、安全性與一致性。它們構成了支撐智能系統的那一層“地基”。

在這種背景下，Salesforce 這筆交易的信號非常明確：AI 競爭，進入數據戰階段，而數據治理不是可選項，而是決定性門檻。

當 Salesforce 將它納入麾下，一個關于“如何讓 AI 有組織地進駐企業核心流程”的想象空間，也隨之打開。

在這場收購公布后的 24 小時內，Informatica 的股價上漲了 11%，而 Salesforce 的股價幾乎未變。市場的反應耐人尋味，一方面是對數據治理價值的認同，另一方面也反映了對 Salesforce 并購整合能力的謹慎觀望：不斷“買買買”的策略，到底是戰略協同，還是復雜性疊加？

一、為什么是 Informatica？

Informatica 的存在感，遠不如它的價值感。

在大眾視野里，它很少出現在熱搜之中。但作為全球最早的一批數據集成與治理廠商，Informatica 曾在 90 年代開創了商業化 ETL 工具的先河，而后逐步擴展到主數據管理（MDM）、數據目錄、數據質量控制、元數據分析、數據安全等多個核心模塊，成為大中型企業數據架構中的基礎組成。

Informatica 是典型的“mission critical”類軟件。其收入不是靠爆款增長，而是靠續費與穩定的擴展，很多客戶甚至用了十幾年。2021 年，Informatica 重新上市時并不被華爾街特別看好，市場擔心它“老舊”“轉型慢”，但它用事實證明，企業級數據服務并不需要“潮”，只需要“穩”。

比如，在一家美國保險巨頭的案例中，Informatica 被用來治理橫跨 14 個不同業務單元的客戶數據，通過自動化的數據映射和血緣分析，該公司將客戶重復率降低了 38%，理賠處理流程效率提升超過 60%。這些提升并非來自“新技術”，而是來自原本被忽視的數據基礎打通。

從產品戰略看，Informatica 的核心優勢不是某個單點能力，而是其完整、深厚且高度可配置的治理能力——它能為企業提供一套基于元數據驅動的統一“數據血緣圖譜”。在今天數據來源分散、類型多樣、監管趨嚴的背景下，這種能力就顯得愈發不可替代。

Salesforce 之所以需要它，恰恰是因為自己的 AI 戰略正在進入落地階段——從過去的“模型為先”到今天的“用得安全、用得起”。Agentforce （Agentforce 是 Salesforce 在其 AI 戰略中的核心新平臺之一，2024 年首次在其 Dreamforce 大會上提出，是一個面向企業用戶的“智能代理平臺”。它的本質是將生成式 AI 與 Salesforce 各大產品體系深度融合，讓 AI 能夠在企業日常運營中以“助手”或“代理人”的身份參與具體任務）的構想本質上是要讓 AI 成為業務協作的一部分，而不是獨立工具。這需要模型理解上下文、接入歷史數據、自動處理數據訪問權限等場景，而這些都無法靠 Salesforce 現有的 Data Cloud （前身為 Salesforce Customer Data Platform ，是 Salesforce 用于構建統一客戶視圖的數據平臺）與 Tableau（Salesforce 于 2019 年以 157 億美元收購的數據可視化平臺，是全球最知名的商業智能（BI）工具之一） 完成。

正如 Salesforce 首席執行官 Marc Benioff 所說：“人工智能時代，真正的挑戰不是模型怎么造，而是你能不能讓客戶信任它。Informatica 能夠幫助我們搭建企業智能的‘數據護城河’，讓每一次智能決策都有可信的數據支撐。”

從這個角度來看，這也是傳統“前臺軟件公司”向“基礎設施型平臺公司”轉型的一個關鍵信號。

事實上，Salesforce 自 2023 年開始在組織架構上已進行相應調整：其 AI 和數據平臺部門首次獨立出產品部門，設立“AI 平臺治理中心”，專職推進 Agentforce 的數據安全治理方案。這一動作本身，已體現出公司戰略重心從界面交互向數據中臺與治理能力轉移。

在 AI 驅動的新企業系統中，真正決定系統能力的，不再是前端應用界面，而是企業是否擁有一套可信、可控、可擴展的數據治理能力——而這正是 Informatica 的核心強項。

二、Salesforce 的 Agent 焦慮和閉環：

從“前端能力”走向“數據堤壩”

理解了 Informatica 的價值， Salesforce 此次交易背后的深層焦慮愈發凸顯——它不僅要補足技術短板，更在為自己的平臺未來做戰略級調整。

其實，Salesforce 在并購方面的動作并不陌生。過往收購 Tableau、Slack 雖然在短期推動了營收增長，但在市場整合反饋上也暴露出挑戰。

例如，根據 2023 財年財報顯示，Slack 的用戶增長在收購后趨于平穩，未達成預期協同效應；Tableau 方面，則由于與 Salesforce CRM 數據平臺缺乏深度綁定，導致客戶流失率一度上升。此次收購 Informatica 被外界視為 Salesforce 從“擴張優先”走向“架構修復”的關鍵轉折點。

從過去 20 年看，它從最早的 CRM 云服務起步，逐步通過收購 Mulesoft（集成）、Tableau（可視化）、Slack（協作）等拼出了一套企業“數字化中臺”組合拳。

但問題在于，它從未真正掌握數據治理的“水源”。

Data Cloud 更多是一套數據湖式聚合系統，面對的數據雜、散、無法統一血緣鏈路。以往做 CRM 或營銷自動化時，這不是致命問題，但當系統要生成“個性化推薦”“AI 總結”“跨平臺洞察”時，數據來源就必須清晰且可信。

而 Salesforce 的 AI 規劃 Agentforce，就是建立在“從客戶數據中實時生成推理結果”的設想之上。如果沒有數據基礎系統配合，這個系統的準確性、可解釋性與法規合規性，都會面臨挑戰。

Salesforce AI 負責人 Clara Shih 表示：“Agentforce 是一個數據驅動的 AI 協同平臺，我們從一開始就知道，數據如果不可監管，那智能就不可信。Informatica 補上了我們平臺最關鍵的一塊短板，讓 AI 能真正‘懂企業’。”

整合方面的難度也不容忽視。2000 年代末，SAP 收購 BusinessObjects 時就曾因整合流程緩慢影響新產品發布，導致其在 BI 市場份額一度被 Tableau 反超。Salesforce 若想避免重蹈覆轍，必須提前部署跨平臺元數據映射策略與統一接口規范。

在合規監管不斷趨嚴的背景下，Informatica 的數據訪問控制與分級權限體系也將幫助 Salesforce 增強其平臺在全球多市場的適配性。例如，Informatica 已支持中國的數據出境合規 API 規則接口，也建立了與歐盟 GDPR 要求對接的自動化審計日志系統。這將直接提升 Salesforce 在政務、醫療、跨國企業等復雜合規市場的應用能力。

Informatica 首席產品官 Jitesh Ghai，在員工信中表示：“我們將繼續作為一個獨立品牌運營，協助更多企業完成從‘數據混亂’到‘智能有序’的轉型。在 Salesforce 生態內，我們能做的事情將遠比過去更多。”

這筆交易的實質，是 Salesforce 對“數據自治”戰略的下注。在 AI 越來越成為企業自動化核心時，誰掌握了“可信的數據調度能力”，誰就掌握了未來企業軟件平臺的話語權。

三、AI Agent 時代，

什么才是真正的服務能力？

從 Salesforce 的收購動機進一步推演，會發現其所面對的不是個案問題，而是整個 SaaS 行業正在經歷的集體轉型：AI 不再是“外掛式功能”，而是將深入平臺底層架構，重塑數據、權限、合規等基礎體系。

具體來看，AI 模型的發展正經歷兩個階段：第一個階段是算法與算力的競賽，強調模型精度與多模態能力；第二個階段，是如何將模型部署到具體業務流程中，產生真實 ROI。這種部署能力，已從單點調用工具，轉向平臺型 SaaS 架構的整體演進。

當前，AI 在 SaaS 軟件中的嵌入式應用正在快速擴大，從客戶服務、財務分析到流程自動化與預測性維護。但隨著使用規模擴大，企業面臨的問題也變得更具體，即不是“如何調用模型”，而是“如何確保平臺能安全、合規、持續地調度數據”。

多數 SaaS 廠商面臨以下典型問題：主數據重復、接口混亂、字段不統一、敏感數據缺乏權限分級。在這種情況下，如果沒有系統性的治理機制，AI 嵌入反而會加劇信息混亂與風險堆積。

這一現象直接推動了數據治理工具從“配套工具”走向“平臺基礎能力”。根據 Gartner 報告，預計到 2026 年，超過 70%的企業級大模型部署項目將依賴獨立數據治理模塊，治理預算將占企業 AI 投資的 25%以上。

這已在 Salesforce 之外的多個 SaaS 供應商中得到體現。

例如，SAP 在其 BTP（SAP 提供的一套統一的技術基礎設施，用來幫助企業連接數據、開發應用、運行 AI，以及進行業務流程優化）中強化了數據主權與數據血緣管理；Workday 則在 VNDLY 平臺（Workday 旗下、專門用于企業管理臨時工/合同工/外包人力資源的一個子系統平臺）中新增 AI 使用權限分區與用戶級數據溯源功能；而 Oracle 在收購 Cerner （一家總部位于美國的醫療信息技術公司，專注于為醫院、診所和健康系統提供電子病歷（Electronic Health Records, EHR）系統與相關數據服務）后，也以醫療數據治理為切入口重塑其 SaaS 架構的可信層。

在英國某銀行的一次實踐中，為部署基于 LLM 的客戶信用評分系統，該行采用了 Informatica 的數據目錄與審計系統，確保了模型訓練數據的來源一致性與使用可溯性，將原需八周的監管審計壓縮至三天內完成。

這些案例正好體現出一個行業趨勢轉折點：過去企業部署 AI 關注的是能否實現，而如今，更多的技術決策者和業務負責人開始關注的是落地之后的可控性和可持續性。

正如 Amit Walia 所言：“我們一直相信，數據治理不是后臺工程，而是 AI 能不能上主場的關鍵一環。Salesforce 和我們一樣看重數據作為智能核心的地位，這讓這場合作擁有真正的戰略共識。”

根據麥肯錫 2024 年的企業 AI 應用調研，超過 68%的企業在推進 AI 項目過程中最主要的障礙并非算法本身，而是“缺乏統一數據口徑”“數據源混亂”“敏感數據使用風險不可控”等與治理高度相關的問題。

這類痛點并非個別企業所獨有，而是整個 SaaS 行業面臨的結構性挑戰。

寫在最后：

AI 的產業邏輯正在發生轉變。

它從最初的炫技工具、實驗模型，正在回歸到企業 IT 系統的內核。這一變化對整個 SaaS 軟件產業提出了更高的要求。傳統的“應用即服務”模式正在被“平臺即服務+智能能力”重塑，軟件廠商不僅要提供功能，還要負責數據來源、數據使用與數據治理全流程的透明與合規。

這正是 Salesforce 此次收購 Informatica 的核心意義：不只是增強 AI 產品能力，更是在為 SaaS 產品構建未來的“數據底座”。AI 能否在 SaaS 應用中規�；�、安全化落地，最終將取決于底層數據基礎設施的完備程度。

在 AI 驅動的 SaaS 軟件新時代，數據治理不再是輔助功能，而是與工作流編排、權限體系并列的“平臺核心”。Informatica 的加入，不只是一次戰術收購，更是一次對 SaaS 平臺能力的結構性補強。

未來的競爭，不是單點 AI 功能之間的比拼，而是誰能將 AI 深度嵌入在企業運行邏輯中，構建一個“可信、可控、可持續”的智能系統。

       原文標題 : Salesforce收購Informatica背后：數據成為Agent服務商必需競爭力