Zoho推企业级AI三层架构：AI不额外收费，怎样从会答到能干？

10月20日，Zoho在北京办了一场媒体沟通会，主题是“助力中国企业全球化成长”。会上，Zoho亮出了自己最新的企业级AI全景战略，同时把行业里一个被问了两年的问题摆上台面：大模型热闹了这么久，为什么多数企业在业务里还是觉得AI“用不起来”？

Zoho全球副总裁Mathivanan直接点出问题所在：“太短的决策周期，太多的备选工具，从一开始就造成了太多的数据孤岛。”企业一味往系统里塞各种贴着AI标签的软件，原来的信息孤岛没打通，反倒又冒出一批“AI孤岛”。

Zoho中国COO夏海峰随后在主题演讲里说得也很直白：“如果AI只能回答问题、提供信息，却无法参与实际业务流程，它对商业的价值就微乎其微。”

这道门槛由此浮出水面：能回答，不等于能完成任务。AI真想进入业务，先得听懂用户要什么，还得拿到相关数据、调得动业务系统，并且在权限和流程的框框里把具体操作做完。

为了跨过“懂回答”到“能执行”这条鸿沟，Zoho在会上完整摆出了积累多年的AI全景三层架构：底层供数据，中间层负责连接，上层管执行。

跨越分水岭：从“会说”的助手，到“能干”的数字员工

在Zoho的AI全景图里，最上面一层直接碰业务。Zoho的判断是，真正的分水岭在于AI能不能接住任务，并把多步骤流程跑通。

打头的是AskZia，一个原生嵌进业务场景的对话式AI助手。它不是外挂出来的独立工具，而是长在CRM、财务、客服等系统里面。用户用自然语言就能拿信息、分析业务数据，在相应功能支持下还能起草和润色内容。

不过“会说”只算第一步，“能干”才是企业的刚需。Zoho拿出的预置智能体叫Zia Agents，销售教练、SDR机器人等上百个角色开箱即用，专门接手那些有规律、可复用、靠经验吃饭的活。

碰上规则特别复杂、个性化很强的场景，Zoho备了Agent Studio这个低代码平台。一家汽车零部件客户就用它开发了自己的成本预测智能体，用来应对国际贸易中关税、运输等因素带来的材料成本波动。让非技术人员像搭积木一样定制专属AI，这正是Zoho不同于标准化SaaS产品的地方。

Ask Zia、Zia Agents、Agent Studio，三者分别对应信息获取与处理、特定任务执行，以及面向个性化流程的智能体构建。差别不只在AI能力强弱，更在于AI参与业务的方式变了：从帮员工干活，一步步走到承担特定任务。

连接与底层：不卷参数，只做适合业务的“原生智能”

AI执行层是冰山露在水面上的那一块，数据和连接则是水面下的大基座。中间层上，Zoho用MCP（模型上下文协议）把内外生态打通。

夏海峰在会上描述了一个场景：用户在WorkBuddy、豆包工作、千问办公等支持MCP的客户端里配好自定义连接器，接入Zoho MCP，就能在外部直接对话操作Zoho CRM，数据自动更新。Zoho MCP目前兼容Claude、ChatGPT等主流大模型与智能体，还提供300余款第三方服务的集成清单。靠标准化协议，Zoho既让自家业务能力可以被各类外部智能体调用，也保证敏感数据在离开系统之前就完成遮蔽与鉴权，开放和安全两头都顾上。

MCP的价值，是给AI工具连接外部应用定下一套标准化交互方式。对企业而言，AI的使用场景因此不必困在单个软件里，可以往跨应用的工作流程上延伸。

系统连接之外，模型本身也得适配不同的业务任务。

眼下算力和模型动辄追百亿甚至上万亿参数，Zoho在底层走了一条很务实的路。Mathivanan说，Zoho的投入不看竞争对手烧多少钱，而是按客户真实需求来定。比起吃资源巨大的通用大模型，Zoho更愿意自研中小模型，部署在自有数据中心。“例如自动回复邮件、图片内容总结或者情感分析等场景，只需要部署适合的模型即可，这不仅提高了业务精准度，也极大降低了推理成本。”

这种对业务边界和成本的把控，在AI编程上也能看到。AI写代码会不会取代传统软件？夏海峰用“冰山理论”回应：AI编程只是冰山上露出水面的一角，源码托管、权限设计、安全运维、底层数据治理这些看不见的部分，才是真正要下功夫的地方。Zoho把AI编程能力交给用户，是让他们在现有、稳固的业务底座上做扩展，而不是凭空造一个悬在半空的应用。

长期主义的底气：AI不是增项收费，而是软件的基础设施

商业模型上，Zoho的选择同样“反直觉”。有些厂商想把AI能力做成独立套餐，向客户收高价，Zoho却在会上主张把AI融进产品体系，而不是简单当成一项独立增值功能，目前不会向客户额外收AI费用。

这个决定背后，是Zoho坚持了30年不融资、不上市的长期主义底气。对企业级AI来说，底层投入的意义不只是提供算力，还在于支撑产品运行、数据管理以及不同业务应用之间的协同。

数据安全是另一项绕不开的基础要求。Mathivanan把它定为“过渡期的底线”：无论用企业自带的API Key接入外部模型，还是用Zoho自研的模型，Zoho都承诺不拿客户数据训练通用模型，所有技术探索最后都指向同一个目标——护住客户的数据安全与隐私。

所以企业部署AI，不能只盯着模型能力，还得结合具体应用场景，评估数据处理方式、权限配置和外部服务的接入边界。对软件厂商来说，AI能力的开放程度和数据保护机制并非彼此独立的两件事：访问范围和执行权限讲清楚了，企业才更有条件把AI用到真实业务里。

夏海峰在演讲收尾时把话讲得很直白：“随着智能体具备调用API和自主执行任务的能力，企业软件不再只是供人操作的功能工具，同时成为承载智能体开展业务的底座。企业上AI，不是选一个更聪明的模型，而是决定把哪些环节交给机器，以及为此准备好什么样的底座。”他接着说，Zoho要干的是把“AI + 自主执行”落到企业全场景里，不是讲故事。

从AI助手走到智能体，从挑模型走到连系统，Zoho把AI能力塞进企业现有的产品和业务流程中，让AI先从帮忙处理信息起步，再一步步接手具体任务。

企业软件的使用方式正被AI改写，SaaS厂商也得重新想清楚自己的价值在哪。往后拼的不只是功能堆了多少，还要看AI能不能真参与业务，把技术能力变成实打实的业务价值。

雷峰网