介面層戰爭開打：模型喺貶值，數據語境先至係寶
Dreamforce 24 小時連發 Koa 模型、AIforce 介面層同兩單 Agent 落地個案，DeepSeek 更將任務成本推到 0.07 美元。模型喺貶值，企業數據語境先至係新戰場。
開波先講結論：過去 24 小時企業 AI 界發生嘅大事，全部指向同一個趨勢——模型能力正在快速貶值，而企業數據語境（邊個可以安全噉將「啱嘅數據」交畀 AI）先至係新嘅競爭高地。9 月 15 日舊金山 Dreamforce 大會一日之內連發四件事，加上 DeepSeek 同日刷新 Agent 任務嘅成本下限，兩條線索砌埋一齊，幅圖已經相當清晰。
24 小時，四件大事：Dreamforce 嘅資訊密度
9 月 15 日呢一日，Salesforce 喺 Dreamforce 場內外公佈嘅動作密度好罕見：
| 發布/事件 | 一句話概括 | 點解重要 |
|---|---|---|
| Koa 推理模型 | Salesforce 首款自研企業級推理大模型，用英偉達開源 Nemotron 做底座 | 大廠開始「唔依賴前沿模型」 |
| AIforce 介面層 | 將數據、工作流、權限、治理開放畀外部 AI 工作介面 | 官方定義「AI 時代嘅新介面」 |
| Siemens × Teamcenter | 工程知識直接進入 18,000 名銷售嘅服務與報價流程 | 工業場景 Agent-to-Agent 落地 |
| Adecco 全面推開 | 27,000 名員工、40 幾個國家用上 AI 隊友 Coworker | Agent 規模化嘅實證樣本 |
單看任何一件都只係一單產品新聞；砌埋一齊睇，指向高度一致。
第一條線索：AIforce 要做企業數據嘅「總介面」
AIforce 係今次 Dreamforce 最有戰略意味嘅發布。Salesforce 將佢定義為「活嘅介面層」：畀人同 AI 智能體喺其他工作介面入面，直接使用 Salesforce 入面嘅數據、工作流、業務邏輯、權限、安全同治理能力。首發有三個入口——Claudeforce（喺 Claude 入面預設嘅 MCP 連線）、Slackforce（將業務語境帶入 Slack）同 Agentforce Coworker。
CEO Benioff 將呢次轉變類比做由 DOS 去到圖像介面、再去到流動運算嘅「介面革命」。背後嘅產品邏輯好直白：AI 聊天工具可以換、模型可以換，但業務紀錄、權限規則同審計軌跡必須留喺企業自己嘅系統入面。據發布資料，AIforce 每一個請求都沿用 Salesforce 入面已組態好嘅權限同業務規則，動作最終路由返 Salesforce 執行，並對業務數據採用零留存策略。
譯做一句話：介面可以喺出面，數據同治理必須喺屋企。
第二條線索：Koa 嘅潛台詞——模型能力喺貶值
如果話 AIforce 回答嘅係「介面喺邊」，咁 Koa 回答嘅就係「模型仲值幾多錢」。
Koa 係 Salesforce 首款企業級推理大模型：用英偉達開源權重嘅 Nemotron 做底座，雙方聯合微調，專精銷售、市場推廣同客服任務。三個細節值得細味：
- 訓練唔會用真實客戶數據。微調全程用自行模擬業務場景生成嘅合成數據集——客服、投訴、成交模擬，一樣唔少，但客戶數據零攝入。
- 目標唔係通用智能，係慳 Token。英偉達方面稱呢套推理架構可以控制 Token 開銷，同時達成自主可控、首包響應快、推理高效三個目標。
- AI 閘道自動路由。簡單任務行專項小模型，複雜推理行 Koa，有需要時仍然可以調度 Claude 或者 ChatGPT。
Salesforce AI 高級副總裁戈文達拉揚接受 TechCrunch 訪問時講得好坦白：過去複雜推理一直依賴外部前沿模型，「呢個局面到而家終於改變咗」。
呢個唔係孤例。同一日，DeepSeek 發布 V4.1-Flash（Max），衝上 Agent Arena 開源模型榜第三，任務中位數成本只係 0.07 美元——喺相近任務成功率之下平過同類模型大約 68%。英偉達 CEO 黃仁勳喺同一個場刊嘅講法係：開源模型嘅市場佔有率過去一年由大約三成升到大約七成，閉源模型嘅 Token 消耗量升咗 25 倍（此為佢現場表述，並非獨立市場統計）。
將呢幾件事放埋一齊：高質素推理嘅獲取成本正在坍縮。當「聰明」唔再稀缺，稀缺嘅係咩？
Siemens 同 Adecco：答案已經寫咗喺落地個案入面
稀缺嘅係貼住業務嘅數據語境。今次大會嘅兩個客戶個案，啱啱好係最好嘅註腳。
Siemens 將 Agentforce 同自家 Teamcenter 服務生命周期管理軟件打通，將工程級嘅「產品真相」直接塞入銷售同售後工作流：服務技師第一次上門之前，就已經確認到某個序列號應該換邊個備件；銷售報價之前，就知道邊啲升級喺技術上造得出。此前 Siemens 每個月收到超過 2,500 條分唔清質素嘅銷售線索，而家由兩個協作嘅 AI 智能體 100% 覆蓋、132 個國家全部接入初篩。發布資料引用嘅行業分析仲提到：售後市場業務嘅增速大約係新設備銷售嘅六倍，利潤率大約係四倍。
Adecco 就將 Coworker 推到全球 27,000 名員工、40 幾個國家。招聘人員喺一個介面入面見到候選人歷史、客戶語境同業務數據——呢啲數據此前散落喺 30 幾個系統入面，而家由 Data 360 統一成單一實時畫像。據 Adecco 喺會上披露，佢哋英國招聘流程嘅 Agent 部署已經帶嚟大約 15% 嘅時間節省。
留意兩間公司做啱嘅嘢其實係同一件：先將散落嘅數據收斂成有權限、有語義、可以畀 Agent 安全調用嘅統一語境，再畀 Agent 落場。
對企業嘅啟示：介面會換，語義唔會
返返去開頭嗰條問題。呢場「介面層戰爭」對大多數企業嘅真正啟示，唔係「要不要上 Salesforce」，而係三點：
第一，唔好夾硬將寶押落某個介面度。 今日係 Claudeforce，聽日可能係第隻聊天工具；介面層嘅迭代速度只會愈嚟愈快，最值得鎖死嘅係企業自己嘅數據語義。
第二，模型選型嘅焦慮可以降級。 當 0.07 美元就搞得掂一次 Agent 任務、開源模型佔據七成市場，模型差異對業務結果嘅影響正在縮細；而「同一個指標兩個部門計出兩個數」呢種語義問題，模型幾勁都解決唔到——因為歧義喺你嘅業務度，唔喺模型度。
第三，將預算由「換啲更好嘅模型」調去「治理數據語境」。 權限、口徑、指標定義、血緣關係——呢啲看似無聊嘅嘢，啱啱好係 AIforce 呢類介面層可以安全開放嘅前提。邊個嘅數據語境治理得好，邊個就可以喺任何新介面出現嘅第一日接入。
呢個正正係我哋喺 OntiCards 上面反覆驗證嘅路徑：將庫表加工成帶業務語義嘅數據卡片，畀指標口徑、欄位含義同權限規則沉澱喺卡片層，而唔係散落喺每一段臨時生成嘅 SQL 入面。關於語義層點解係數據智能體嘅決勝點，我哋喺之前嘅文章有更系統嘅分析（見語義層：數據智能體嘅決勝點同模型疲勞時代嘅抗迭代設計）。
模型每個月都換代，介面每季都翻新，但「你哋嘅退貨率究竟點計」呢條問題，五年之後都係嗰條問題。治理好佢，比起追上任何一個模型都更加保值。
如果你想睇下數據卡片點樣將企業庫表變成 AI 可以安全調用嘅語境，歡迎聯絡 hello@onticards.com 申請開通測試賬號。
