昨天（9月15日），Anthropic和Salesforce联合发布了Salesforce in Claude，一个把CRM直接装进Claude的插件。37个预构建销售技能，已经在GitLab、Siemens、Legora部署了约7000名销售。

昨天（9月15日），Anthropic和Salesforce联合发布了Salesforce in Claude，一个把CRM直接装进Claude的插件。37个预构建销售技能，已经在GitLab、Siemens、Legora部署了约7000名销售。

我注意到几个被大多数报道忽略的细节：这个插件基于MCP协议连接Salesforce Headless 360，不需要中间件；它继承用户现有的Salesforce权限，员工看不到的数据，Claude也看不到；所有写回操作通过Salesforce路由，现有业务规则仍然适用；Anthropic承诺零数据保留。

还有一个更关键的产品设计：Salesforce区分了"工具"和"技能"。原始MCP连接只是给Claude一堆操作接口，希望它自己选对；而"技能"编码了特定任务的指导——两个重叠字段信任哪个、管道里"交易健康"到底意味着什么、评分时要考虑哪些资格差距和未见面的利益相关者。

这不是一次普通的插件集成。在我看来，这是企业Agent落地路径的标志性事件——企业Agent的第一个杀手级场景，不是客服、不是市场、不是HR，而是销售。

Salesforce in Claude到底改变了什么

先看产品本身。Salesforce in Claude是8月26日宣布的Claudeforce合作伙伴关系的第一个产物。在那个合作里，Claude成为Salesforce多个平台的默认推理模型，包括Agentforce、Atlas Reasoning Engine和Slack。

这次发布的37个销售技能，覆盖了客户经理日常工作的主要环节：账户研究、通话准备、管道审查、交易健康检查、预测叙述、活动记录、CRM卫生检查、CRM更新等。

举个具体场景：销售指着一个商机问Claude"这个单子怎么样"，Claude会根据团队的销售方法论对交易进行评分，考虑资格差距、还没见过面的利益相关者、可能影响成交日期的风险因素。它不是简单地把CRM里的数据念一遍，而是基于销售方法论做判断。

再比如通话准备：销售说"帮我准备和XX客户的通话"，Claude会自动拉取这个客户的账户信息、历史互动记录、当前商机状态、相关联系人，整理出一份通话准备材料。销售不需要在CRM里翻半天找资料。

这些场景看起来不复杂，但背后有几个关键的产品设计决定了它能不能真正用起来：

权限继承。Claude不是用一个超级账号访问所有数据，而是继承当前用户的Salesforce权限。销售A能看到的客户，Claude才能看到；销售B看不到的区域数据，Claude也看不到。这解决了企业最担心的数据安全问题。

写回前请求批准。Claude可以更新CRM记录，但在写回之前会请求用户批准。它不会自作主张改数据，所有变更都在人的监督下完成。这是"人在回路"的典型设计。

零数据保留。Anthropic承诺Claude Opus、Sonnet和Haiku都不保留用户数据。这对企业来说很重要——销售数据是核心资产，不能被模型厂商拿去训练。

把这些设计放在一起，你会发现一个清晰的落地路径：企业Agent不是替代人，而是嵌入人的工作流，在人的授权下执行操作，在人的监督下完成变更。权限、安全、可控，是企业Agent的三个底线。

为什么第一个杀手级场景是销售

过去两年，企业AI的落地场景讨论了很多——客服、市场、HR、财务、法务。但真正先跑通的，是销售。

我认为原因有四个：

第一，销售是企业里预算最充足的部门。任何一个CEO都愿意为能带来收入的工具付费，销售工具的ROI直接体现在收入上。客服工具省的是成本，市场工具带来的是线索，而销售工具直接影响成交。预算充足意味着付费意愿强，也意味着厂商有动力投入。

第二，销售的ROI最容易衡量。销售的产出是可量化的——成单金额、成单周期、转化率、管道金额。AI销售工具有没有用，看这些数字就知道。而HR的AI工具效果怎么衡量？员工满意度？留存率？这些指标周期长、干扰因素多，很难归因到AI工具上。ROI可衡量，意味着企业愿意持续付费，也意味着产品能快速迭代优化。

第三，销售的工作流相对标准化。虽然每个销售的风格不同，但销售流程是有标准方法论的——BANT、MEDDIC、SPIN，这些方法论把销售过程拆成了可执行的步骤。AI可以基于这些方法论做判断、给建议、做评分。而客服的场景千变万化，HR的情况因人而异，标准化程度低，AI很难给出精准的建议。

第四，销售的数据结构化程度最高。CRM系统里，客户信息、商机状态、互动记录、合同金额，都是结构化数据。AI可以直接读取、分析、更新这些数据。而很多其他部门的数据散落在邮件、文档、聊天记录里，非结构化、不完整、质量参差不齐，AI很难直接使用。

这四个原因叠加在一起，销售自然成了企业Agent的第一个杀手级场景。Salesforce和Anthropic选择从销售切入，不是偶然，而是经过深思熟虑的战略选择。

中美CRM市场的差异，比想象中大

理解了Salesforce in Claude，再来看中国市场，会发现中美CRM市场的差异比大多数人想象的要大。这些差异决定了中国CRM的AI转型不可能照搬美国模式。

市场规模差异巨大。Salesforce一家公司2025财年的营收就超过340亿美元，而整个中国CRM市场（含生态服务）2025年才896亿元人民币，纯CRM SaaS领域约650亿元。也就是说，Salesforce一家的营收差不多是整个中国CRM市场的两倍多。市场规模的差异，决定了厂商能投入的资源、能吸引的人才、能做的事情都不一样。

市场集中度不同。美国CRM市场是Salesforce一家独大，市场份额超过20%，第二名和第三名加起来都不如它。而中国CRM市场高度分散，即便是排名第一的纷享销客，市场份额也只有10%左右。市场分散意味着没有一家厂商能定义标准，也意味着竞争更激烈、价格战更严重。

本土厂商正在超越国际厂商。IDC预测，2026年中国本土CRM厂商的市场份额将突破54.3%，首次超越国际厂商。这个趋势在过去几年一直在持续——2019年本土厂商份额只有23.4%。Salesforce、SAP、Oracle这些国际巨头在中国市场正在节节败退，原因不是产品不好，而是本地化不足、价格太高、服务响应慢、数据合规有顾虑。

销售模式不同。美国CRM以SaaS订阅为主，企业习惯按年付费、按用户数付费。而中国市场虽然SaaS比例在提升，但仍有大量企业倾向于本地化部署、一次性买断、定制开发。这导致中国CRM厂商的收入结构更复杂，实施服务占比高，产品标准化程度低，毛利也更低。

数据质量差异明显。美国企业的CRM数据经过几十年的积累，标准化程度高、完整性好、更新及时。而中国企业的CRM数据质量参差不齐——很多企业的CRM就是个"客户通讯录"，数据不全、更新不及时、字段不规范。数据质量差，AI就很难发挥作用，因为AI的判断基于数据，垃圾进垃圾出。

AI转型路径不同。美国是"大模型厂商+CRM巨头"的合作模式——Anthropic和Salesforce合作，OpenAI和微软合作（Copilot+Dynamics 365）。而中国是"CRM厂商自研AI原生架构"的模式——纷享销客做Agentic CRM，销售易做NeoAgent，迈富时做AI-Agentforce。中国的大模型厂商（百度、阿里、字节、腾讯）和CRM厂商之间更多是模型供应关系，而不是深度产品合作。

这些差异叠加在一起，意味着中国CRM的AI转型必须走自己的路。Salesforce in Claude的模式在中国很难直接复制——中国没有Salesforce这样的垄断性平台，也没有Anthropic这样独立的大模型厂商能和CRM巨头做深度产品整合。

国内CRM的AI转型，已经在加速

虽然模式不同，但国内CRM的AI转型并不慢，甚至在某些方面比美国更激进。

纷享销客是目前国内CRM市场的领头羊。它的Agentic CRM以10%的市场占有率蝉联中国本土SFA SaaS份额第一，2025年下半年营收首次超越国际头部厂商。它服务了6000多家大中型龙头企业，包括神州数码、大族激光、特变电工、联影医疗、元气森林、蒙牛等，覆盖54个细分行业。纷享销客的打法是"AI原生架构重构CRM"，不是在现有CRM上叠加AI功能，而是从底层重新设计。

销售易的AI转型数据更亮眼。CEO邓永富在9月3日的用户大会上透露，NeoAgent上市以来，销售易AI产品ARR同比增长超过10倍。截至2026年8月底，超过600家企业选择了销售易AI CRM产品，日均AI交互次数达1.5万次，日均Token消耗超过20亿。艾默生是它的标杆客户——这家全球工业自动化巨头在中国市场用销售易的AI产品做销售管理。

迈富时CRM（珍客CRM）的打法是自研AI-Agentforce智能体中台，覆盖线索分配、客户跟进、商机管控、报价签约、团队管理、业绩预测全流程。它公布的落地数据是：线索转化率提升35%、销售手工录入时间压缩89%、整体成单周期缩短28%。

神州云动CloudCC的AI产品更细分：客户洞察智能体自动补全客户信息、分析行业舆情、推荐成单路径；商机智能体识别项目风险、推荐最佳行动建议，销售漏斗转化周期平均缩短13天；合同助手5分钟完成原本需1小时的合同评审；客服智能体覆盖通话前中后全流程，客户复购率提升40%。

还有一些跨界玩家。网易智企在帝王蟹平台上做了AI员工"销售宝"，不是单点工具，而是覆盖销售全流程的AI员工——有岗位目标、有工作流程、有协作机制，每天早上给销售发"晨间作战卡"。百融智能的"百销"是智能营销Agent平台，把海外市场调研、品牌定位、内容本地化、渠道投放和线索增长纳入同一流程，主打出海企业。

把这些厂商放在一起看，国内CRM的AI转型有几个明显的趋势：

第一，从"AI叠加"走向"AI原生"。早期的CRM AI功能就是在现有界面上加个聊天框，现在厂商开始从底层重构架构，把AI能力嵌入每一个业务环节。

第二，从"通用助手"走向"业务智能体"。不再是一个什么都能聊的AI助手，而是针对销售具体环节的专用智能体——客户洞察智能体、商机智能体、合同助手、客服智能体。

第三，从"概念宣传"走向"数据验证"。厂商开始公布具体的落地数据——ARR增长10倍、转化率提升35%、成单周期缩短28%、Token消耗20亿/天。这些数据说明AI CRM不再是PPT产品，而是真正在产生业务价值。

机会在哪里，挑战在哪里

看清楚了现状，再来说说机会和挑战。

机会一：AI原生CRM的替代窗口。IDC预测2026年中国CRM市场规模突破380亿元，同比增长30%，AI原生CRM市场渗透率约68%。这意味着大量企业正在从传统CRM迁移到AI原生CRM。谁能在这个迁移窗口建立产品优势和客户口碑，谁就能拿到下一代CRM的门票。纷享销客和销售易已经在这个方向上发力，但市场还远没有到定局的时候。

机会二：销售智能体的中间层。Salesforce in Claude的模式是"大模型+CRM巨头"，但中国市场没有这样的垄断性组合。这给中间层厂商留下了空间——做一个连接大模型和各类CRM系统的销售智能体中间层，提供标准化的销售技能、权限管理、数据安全、写回审批等能力。这个中间层可以服务那些用不起或不想用大厂AI CRM的中小企业，也可以服务那些用了多个CRM系统的大型集团。

机会三：垂直行业的销售AI。通用销售AI能解决基础问题，但每个行业的销售方法论差异很大——制造业的项目制销售、快消品的渠道销售、医疗器械的合规销售、SaaS的订阅制销售，都有各自的行业know-how。谁能把行业know-how编码成AI技能，谁就能在垂直行业建立壁垒。这也是为什么纷享销客要覆盖54个细分行业，销售易要深耕高科技和制造业。

机会四：出海企业的销售AI。中国企业出海是大趋势，但出海销售面临语言、文化、渠道、合规等多重挑战。百融智能的"百销"已经在这个方向上探索，把海外市场调研、品牌定位、内容本地化、渠道投放和线索增长纳入同一AI流程。这个方向的市场空间很大，而且竞争还不充分。

说完机会，再说说挑战

挑战一：数据质量。这是中国CRM AI转型最大的瓶颈。很多企业的CRM数据质量差到AI根本没法用——客户信息不全、跟进记录缺失、字段填写不规范、数据更新不及时。AI再聪明，也没法从垃圾数据里得出正确判断。数据治理是AI CRM落地的前置条件，但很多企业还没意识到这一点，或者意识到了但不愿意投入。

挑战二：权限和安全。Salesforce in Claude的权限继承设计很优雅，但国内CRM厂商在这方面的能力参差不齐。企业对数据安全的顾虑是真实存在的——销售数据是核心资产，泄露给竞争对手是致命的。AI CRM厂商必须在权限管理、数据加密、操作审计、合规认证等方面做到位，才能打消企业的顾虑。

挑战三：ROI的持续验证。现在厂商公布的ROI数据都很漂亮，但这些数据是真的吗？是长期可持续的吗？还是只是早期标杆客户的特殊效果？AI CRM的价值需要时间验证——当新鲜感过去，当AI犯了几次错误，当销售开始质疑AI的建议，企业还会继续付费吗？ROI的持续验证是AI CRM厂商面临的长期挑战。

挑战四：销售的接受度。销售是一群很独立、很有个性的人，他们不一定愿意被AI指导。很多销售觉得"我做了十几年销售，还需要AI教我怎么卖东西？"AI CRM不能只是自上而下地推行，必须让销售真正感受到价值——帮他们省时间、帮他们发现机会、帮他们提高成单率。只有销售真正用起来，AI CRM才有价值。

挑战五：付费意愿和价格战。中国企业的SaaS付费意愿本来就低，AI功能要不要额外收费？收多少？收高了企业不愿意付，收低了厂商覆盖不了算力成本。现在销售易的AI产品ARR增长10倍，说明付费意愿在提升，但整个市场的价格体系还没有稳定。价格战可能会在未来一两年爆发，挤压厂商的利润空间。

把这些信息放在一起，我的几个判断：

第一，企业Agent的商业化会从销售开始，然后向市场、客服、HR扩散。销售是预算最充足、ROI最可衡量、工作流最标准化、数据最结构化的场景，天然适合AI Agent先落地。Salesforce in Claude的发布标志着这个方向已经被验证，接下来会有更多厂商跟进。市场和客服会是下一波，因为它们和销售紧密相关、数据也相对结构化。HR和财务会更晚，因为它们的工作流更复杂、数据更分散、ROI更难衡量。

第二，中国CRM的AI转型走的是和美国不同的路，但方向是对的。美国是"大模型+CRM巨头"的合作模式，中国是"CRM厂商自研AI原生架构"的模式。两种模式各有优劣——美国模式产品整合更深，但中国模式更灵活、更本地化、更符合中国企业的需求。纷享销客和销售易的数据说明，中国模式已经在产生真实的业务价值。中国不需要复制Salesforce in Claude，中国需要自己的AI CRM路径。

第三，"AI原生"比"AI叠加"更有未来，但门槛也更高。在现有CRM上加个AI聊天框很容易，但真正从底层重构架构、把AI能力嵌入每一个业务环节很难。AI原生CRM需要重新设计数据模型、权限体系、工作流引擎、用户界面，投入大、周期长、风险高。但一旦做成，产品体验和业务价值会远超AI叠加的产品。纷享销客和销售易都在走AI原生的路，这是正确的战略选择，但也是艰难的长征。

第四，"人在回路"是现阶段企业Agent的必然选择，完全自主的Agent还需要时间。Salesforce in Claude的写回前请求批准、权限继承、零数据保留，本质上都是"人在回路"的设计——AI可以建议、可以执行准备、可以做分析，但最终的决策和操作还是人来确认。这不是技术不够先进，而是企业级场景的必然要求——涉及客户数据、商机状态、合同金额这些核心资产，企业不可能让AI完全自主操作。完全自主的Agent在消费级场景可能先跑通，但在企业级场景，"人在回路"会持续很长时间。

第五，数据治理是中国AI CRM落地的最大瓶颈，也是最大的机会。中国企业的CRM数据质量差，这是事实。但反过来看，谁能帮企业做好数据治理，谁就能拿到AI CRM的入场券。数据治理不是简单的数据清洗，而是帮企业建立数据规范、培养数据习惯、构建数据文化。这是一个脏活累活，但也是护城河——谁能把数据治理做深做透，谁的AI产品就比别人好用。

最后说几句对AI产品经理和创业者的启示。

如果你在做企业级AI产品，选场景比选技术重要。不要一上来就做"通用企业AI助手"，那是大厂的战场。找一个具体的业务场景，比如销售、客服、市场，做深做透。销售是最好的切入点——预算充足、ROI可衡量、工作流标准化、数据结构化。

如果你在做AI CRM产品，不要只做"AI叠加"，要思考"AI原生"。在现有界面上加个聊天框没有竞争力，从底层重构架构、把AI能力嵌入每一个业务环节，才能建立真正的产品壁垒。当然，AI原生的投入大、周期长，你需要判断自己有没有资源和耐心走这条路。

如果你在做销售AI创业，不要和纷享销客、销售易正面竞争通用CRM，那是红海。找一个细分方向——垂直行业的销售AI、出海企业的销售AI、销售培训的AI、销售数据分析的AI——在细分领域建立优势，然后再考虑扩张。中间层也是一个方向——连接大模型和各类CRM系统，提供标准化的销售技能和安全能力。

如果你是企业管理者，现在是时候开始评估AI CRM了。不是"要不要用"的问题，而是"什么时候用、怎么用"的问题。先从一个销售团队试点，选一个具体的场景（比如通话准备、管道审查、CRM更新），衡量AI带来的效率提升和业务价值。数据治理是前置条件——如果你的CRM数据质量很差，先花时间把数据治理好，再上AI。

Salesforce in Claude的发布，标志着企业Agent从概念走向落地，从通用走向垂直，从辅助走向执行。销售是第一个跑通的场景，但不会是最后一个。

中国市场的AI CRM转型正在加速，纷享销客和销售易的数据说明这条路走得通。但挑战也很现实——数据质量、权限安全、ROI验证、销售接受度、付费意愿。

谁能解决这些问题，谁就能拿到下一代CRM的门票。