Agentforce 3.0亮相：企业AI代理进入“规模化第二天”

Salesforce发布Agentforce 3.0，把企业AI代理从“能不能用”推进到“如何大规模稳定运行”。从可观测性、MCP互操作到扎克伯格的疯狂招募，这期视频勾勒出企业AI竞争正在发生的关键转向。

为什么Agentforce 3.0不是一次普通升级

这次Agentforce 3.0的发布之所以重要，不在于它引入了多么炫目的新功能，而在于它明确回答了一个问题：当AI代理真的被大规模使用之后，企业最头疼的是什么。Salesforce在视频中给出的答案非常直接——不是模型能力，而是“看不见、管不住、连不通”。

在Agentforce 3.0中，Salesforce推出了一个新的“Command Center”，为高管提供对代理性能的实时可见性。演讲者直言，这本质上就是一套可观测性（Observability）系统。Salesforce内部数据显示，过去6个月中，Agentforce的使用量增长了233%，客户数量超过8000家。负责该业务的EVP JS Govindarajan明确表示：“我们已经有成百上千个真实的落地案例，它们正在规模化运行。AI代理已经不再是实验品，而是深度嵌入了企业运作。”

正因为进入了这个阶段，很多问题才第一次真正暴露出来。Govindarajan把这些称为“Day Two Problems”——不是上线那天的问题，而是上线之后，多个代理、多个角色同时运行时，企业如何判断它们是否真的在推动业务目标。这也是为什么Salesforce把这次升级的重点放在‘看得见’和‘管得住’上。

MCP与A2A：企业级互操作不是“能连就行”

如果说可观测性解决的是“看清楚”，那互操作性解决的就是“连得上”。Agentforce 3.0原生支持了MCP和A2A两套标准，而这背后体现的是Salesforce对企业现实需求的判断。

MCP（Model Context Protocol）是一种让代理访问不同数据源的协议。视频中用非常直观的方式解释：每一个MCP服务器都对应一个特定的数据源，代理不需要自己重复造轮子去写接口，只要“插上”对应的MCP服务器就能用。这在实际落地中意味着更快的集成速度和更低的工程风险。Agentforce 3.0首发就内置了20多个经过审核的MCP服务器，包括Stripe、Google Cloud、AWS和Box。

而A2A（Agent-to-Agent）则是代理之间的通信标准。Salesforce产品架构副总裁Gary Lirhop在视频中强调，这并不是简单的“互相能发消息”。他区分了“通用互操作”和“企业级互操作”，后者必须包含治理和控制层，让企业能够信任外部工具的访问。他的原话是：“有泛用型的互操作，但我们关注的是企业级的互操作。”这句话点出了一个现实：在企业环境里，技术可行远远不够，合规和可控才是前提。

从嘲讽Copilot到押注代理：Salesforce押对了什么

视频中特别回顾了一段颇具戏剧性的往事。早在去年10月，Salesforce CEO Marc Benioff就曾公开抨击微软的Copilot。他在社交媒体上直言：“Copilot更像是Clippy 2.0。”并批评其“准确性不足、数据泄露、还让客户自己去训练定制模型”。

当时这番话被不少人视为市场营销，但一年之后回头看，演讲者认为市场已经“基本证明Benioff的方向是对的”。整个企业AI叙事，已经从‘给员工一个聊天助手’，全面转向‘用AI代理直接完成任务’。这也是为什么Agentforce 3.0的功能组合，看起来更像一张行业路线图：可观测性、互操作、治理能力，几乎可以预期会成为所有企业级代理平台的标配。

演讲者也提醒，关注Salesforce、微软、Google这些大公司的动向，并不是因为它们技术最激进，而是因为它们在定义“大企业会接受什么样的AI”。一旦这些功能成为默认预期，整个生态都会被迫跟上。

另一条战线：扎克伯格与“超级智能实验室”

视频的后半段把视角从产品拉回到人。Bloomberg报道称，视频生成公司Runway曾是Mark Zuckerberg的潜在收购目标之一，尽管最终并未提出正式报价。这一细节本身也许并不重要，重要的是它折射出的背景。

《华尔街日报》的描述几乎带着故事感：Zuckerberg正在“亲自给数百位AI研究员、科学家、工程师和创业者发邮件和WhatsApp消息”，为Meta的新超级智能实验室招募人才。有些人甚至以为这是骗局，几天都没有回复。有人调侃说：“如果你收到Mark Zuckerberg的邮件，不要假设那是假的。”如果你回复了，下一步可能就是被邀请共进晚餐。

演讲者提出了几种可能的解读：收购Runway或许是为了补强多模态能力，甚至探索基于世界模型的AGI路径；也可能只是“几乎所有AI独角兽都被他聊了一遍”。无论如何，这种近乎失控的招募节奏，本身就说明顶级公司已经把‘代理和智能体’视为下一阶段的核心赌注。

Thinking Machines Lab：用强化学习对准企业KPI

最后一个故事来自前OpenAI CTO Mira Murati创办的Thinking Machines Lab（TML）。就在前一天，她刚完成一轮20亿美元、估值100亿美元的种子轮融资，但几乎没有披露任何产品计划，甚至投资人看到的Pitch Deck里都没有商业模型和财务预测。

而根据The Information的最新报道，投资人在融资完成后才了解到方向：TML正在使用强化学习，训练直接对准企业业务指标和KPI的推理模型。电梯演讲式的概括是“为企业而生的强化学习”。目标客户可能包括客服、投行、零售等行业，提供具备行业洞察的定制模型。

演讲者的评价相对克制。他指出，这个想法是否成立，最终要看这些模型“到底能比通用模型多给多少洞见”。但他也承认，对企业来说，若真有一家资金充足、目标高度聚焦自身业务指标的AI公司出现，吸引力是显而易见的。

总结

把这期内容串起来看，会发现一个清晰的信号：企业AI正在从“模型能力竞赛”转向“系统工程竞赛”。Agentforce 3.0关注的是规模化之后的可观测、治理与互操作；扎克伯格疯狂招募顶级人才，押注下一代智能体形态；而Thinking Machines Lab则试图直接用强化学习对准企业的真实指标。对读者来说，最大的启发或许是：未来真正拉开差距的，不是谁的模型参数更多，而是谁更懂企业在第二天、第三天会遇到什么问题。

关键词： Agentforce 3.0， AI代理， MCP， 企业级互操作， 强化学习

事实核查备注： Salesforce Agentforce 3.0；Command Center 可观测性；MCP（Model Context Protocol）；A2A（Agent-to-Agent）；使用量6个月增长233%；客户数8000+；Marc Benioff 对Copilot的公开批评；Gary Lirhop 关于企业级互操作的表述；Runway 潜在收购传闻来源 Bloomberg；Zuckerberg 招募细节来自《华尔街日报》；Thinking Machines Lab 融资规模20亿美元、估值100亿美元；强化学习用于企业KPI模型训练。