Salesforce收购Informatica背后：数据成为Agent服务商必需竞争力

在 AI 驱动的 SaaS 软件新时代，数据治理不再是辅助功能，而是与工作流编排、权限体系并列的“平台核心”。Informatica 的加入，不只是一次战术收购，更是一次对 SaaS 平台能力的结构性补强。未来的竞争，不是单点 AI 功能之间的比拼，而是谁能将 AI 深度嵌入在企业运行逻辑中，构建一个“可信、可控、可持续”的智能系统。

作者|斗斗

编辑|皮爷

出品|产业家

在人工智能掀起的企业级革命浪潮中，Salesforce 又一次出手了。

2025 年 5 月底，硅谷传来一笔重磅交易：企业软件巨头 Salesforce 正式宣布，将以约 80 亿美元收购数据管理平台 Informatica。

这场并购，没有网红创始人、没有大模型炫技，甚至缺乏大热的“AI 含量”，但它却触动了很多老一代软件人的神经。因为它所标志的，不再是企业软件玩家之间的业务拼图，而是一种基础设施逻辑的深层转向：数据治理，开始走向台前。

在 ChatGPT、Agent、Copilot 等“AI 原生工具”成为行业标配之后，企业软件公司面临的核心问题不再是“要不要做 AI”，而是“是否具备做 AI 的资格”，而这个资格，越来越多地被数据能力所决定。模型逐步演化为通用资产，真正决定 AI 应用落地效果的，是数据的可治理性、安全性与一致性。它们构成了支撑智能系统的那一层“地基”。

在这种背景下，Salesforce 这笔交易的信号非常明确：AI 竞争，进入数据战阶段，而数据治理不是可选项，而是决定性门槛。

当 Salesforce 将它纳入麾下，一个关于“如何让 AI 有组织地进驻企业核心流程”的想象空间，也随之打开。

在这场收购公布后的 24 小时内，Informatica 的股价上涨了 11%，而 Salesforce 的股价几乎未变。市场的反应耐人寻味，一方面是对数据治理价值的认同，另一方面也反映了对 Salesforce 并购整合能力的谨慎观望：不断“买买买”的策略，到底是战略协同，还是复杂性叠加？

一、为什么是 Informatica？

Informatica 的存在感，远不如它的价值感。

在大众视野里，它很少出现在热搜之中。但作为全球最早的一批数据集成与治理厂商，Informatica 曾在 90 年代开创了商业化 ETL 工具的先河，而后逐步扩展到主数据管理（MDM）、数据目录、数据质量控制、元数据分析、数据安全等多个核心模块，成为大中型企业数据架构中的基础组成。

Informatica 是典型的“mission critical”类软件。其收入不是靠爆款增长，而是靠续费与稳定的扩展，很多客户甚至用了十几年。2021 年，Informatica 重新上市时并不被华尔街特别看好，市场担心它“老旧”“转型慢”，但它用事实证明，企业级数据服务并不需要“潮”，只需要“稳”。

比如，在一家美国保险巨头的案例中，Informatica 被用来治理横跨 14 个不同业务单元的客户数据，通过自动化的数据映射和血缘分析，该公司将客户重复率降低了 38%，理赔处理流程效率提升超过 60%。这些提升并非来自“新技术”，而是来自原本被忽视的数据基础打通。

从产品战略看，Informatica 的核心优势不是某个单点能力，而是其完整、深厚且高度可配置的治理能力——它能为企业提供一套基于元数据驱动的统一“数据血缘图谱”。在今天数据来源分散、类型多样、监管趋严的背景下，这种能力就显得愈发不可替代。

Salesforce 之所以需要它，恰恰是因为自己的 AI 战略正在进入落地阶段——从过去的“模型为先”到今天的“用得安全、用得起”。Agentforce （Agentforce 是 Salesforce 在其 AI 战略中的核心新平台之一，2024 年首次在其 Dreamforce 大会上提出，是一个面向企业用户的“智能代理平台”。它的本质是将生成式 AI 与 Salesforce 各大产品体系深度融合，让 AI 能够在企业日常运营中以“助手”或“代理人”的身份参与具体任务）的构想本质上是要让 AI 成为业务协作的一部分，而不是独立工具。这需要模型理解上下文、接入历史数据、自动处理数据访问权限等场景，而这些都无法靠 Salesforce 现有的 Data Cloud （前身为 Salesforce Customer Data Platform ，是 Salesforce 用于构建统一客户视图的数据平台）与 Tableau（Salesforce 于 2019 年以 157 亿美元收购的数据可视化平台，是全球最知名的商业智能（BI）工具之一） 完成。

正如 Salesforce 首席执行官 Marc Benioff 所说：“人工智能时代，真正的挑战不是模型怎么造，而是你能不能让客户信任它。Informatica 能够帮助我们搭建企业智能的‘数据护城河’，让每一次智能决策都有可信的数据支撑。”

从这个角度来看，这也是传统“前台软件公司”向“基础设施型平台公司”转型的一个关键信号。

事实上，Salesforce 自 2023 年开始在组织架构上已进行相应调整：其 AI 和数据平台部门首次独立出产品部门，设立“AI 平台治理中心”，专职推进 Agentforce 的数据安全治理方案。这一动作本身，已体现出公司战略重心从界面交互向数据中台与治理能力转移。

在 AI 驱动的新企业系统中，真正决定系统能力的，不再是前端应用界面，而是企业是否拥有一套可信、可控、可扩展的数据治理能力——而这正是 Informatica 的核心强项。

二、Salesforce 的 Agent 焦虑和闭环：

从“前端能力”走向“数据堤坝”

理解了 Informatica 的价值， Salesforce 此次交易背后的深层焦虑愈发凸显——它不仅要补足技术短板，更在为自己的平台未来做战略级调整。

其实，Salesforce 在并购方面的动作并不陌生。过往收购 Tableau、Slack 虽然在短期推动了营收增长，但在市场整合反馈上也暴露出挑战。

例如，根据 2023 财年财报显示，Slack 的用户增长在收购后趋于平稳，未达成预期协同效应；Tableau 方面，则由于与 Salesforce CRM 数据平台缺乏深度绑定，导致客户流失率一度上升。此次收购 Informatica 被外界视为 Salesforce 从“扩张优先”走向“架构修复”的关键转折点。

从过去 20 年看，它从最早的 CRM 云服务起步，逐步通过收购 Mulesoft（集成）、Tableau（可视化）、Slack（协作）等拼出了一套企业“数字化中台”组合拳。

但问题在于，它从未真正掌握数据治理的“水源”。

Data Cloud 更多是一套数据湖式聚合系统，面对的数据杂、散、无法统一血缘链路。以往做 CRM 或营销自动化时，这不是致命问题，但当系统要生成“个性化推荐”“AI 总结”“跨平台洞察”时，数据来源就必须清晰且可信。

而 Salesforce 的 AI 规划 Agentforce，就是建立在“从客户数据中实时生成推理结果”的设想之上。如果没有数据基础系统配合，这个系统的准确性、可解释性与法规合规性，都会面临挑战。

Salesforce AI 负责人 Clara Shih 表示：“Agentforce 是一个数据驱动的 AI 协同平台，我们从一开始就知道，数据如果不可监管，那智能就不可信。Informatica 补上了我们平台最关键的一块短板，让 AI 能真正‘懂企业’。”

整合方面的难度也不容忽视。2000 年代末，SAP 收购 BusinessObjects 时就曾因整合流程缓慢影响新产品发布，导致其在 BI 市场份额一度被 Tableau 反超。Salesforce 若想避免重蹈覆辙，必须提前部署跨平台元数据映射策略与统一接口规范。

在合规监管不断趋严的背景下，Informatica 的数据访问控制与分级权限体系也将帮助 Salesforce 增强其平台在全球多市场的适配性。例如，Informatica 已支持中国的数据出境合规 API 规则接口，也建立了与欧盟 GDPR 要求对接的自动化审计日志系统。这将直接提升 Salesforce 在政务、医疗、跨国企业等复杂合规市场的应用能力。

Informatica 首席产品官 Jitesh Ghai，在员工信中表示：“我们将继续作为一个独立品牌运营，协助更多企业完成从‘数据混乱’到‘智能有序’的转型。在 Salesforce 生态内，我们能做的事情将远比过去更多。”

这笔交易的实质，是 Salesforce 对“数据自治”战略的下注。在 AI 越来越成为企业自动化核心时，谁掌握了“可信的数据调度能力”，谁就掌握了未来企业软件平台的话语权。

三、AI Agent 时代，

什么才是真正的服务能力？

从 Salesforce 的收购动机进一步推演，会发现其所面对的不是个案问题，而是整个 SaaS 行业正在经历的集体转型：AI 不再是“外挂式功能”，而是将深入平台底层架构，重塑数据、权限、合规等基础体系。

具体来看，AI 模型的发展正经历两个阶段：第一个阶段是算法与算力的竞赛，强调模型精度与多模态能力；第二个阶段，是如何将模型部署到具体业务流程中，产生真实 ROI。这种部署能力，已从单点调用工具，转向平台型 SaaS 架构的整体演进。

当前，AI 在 SaaS 软件中的嵌入式应用正在快速扩大，从客户服务、财务分析到流程自动化与预测性维护。但随着使用规模扩大，企业面临的问题也变得更具体，即不是“如何调用模型”，而是“如何确保平台能安全、合规、持续地调度数据”。

多数 SaaS 厂商面临以下典型问题：主数据重复、接口混乱、字段不统一、敏感数据缺乏权限分级。在这种情况下，如果没有系统性的治理机制，AI 嵌入反而会加剧信息混乱与风险堆积。

这一现象直接推动了数据治理工具从“配套工具”走向“平台基础能力”。根据 Gartner 报告，预计到 2026 年，超过 70%的企业级大模型部署项目将依赖独立数据治理模块，治理预算将占企业 AI 投资的 25%以上。

这已在 Salesforce 之外的多个 SaaS 供应商中得到体现。

例如，SAP 在其 BTP（SAP 提供的一套统一的技术基础设施，用来帮助企业连接数据、开发应用、运行 AI，以及进行业务流程优化）中强化了数据主权与数据血缘管理；Workday 则在 VNDLY 平台（Workday 旗下、专门用于企业管理临时工/合同工/外包人力资源的一个子系统平台）中新增 AI 使用权限分区与用户级数据溯源功能；而 Oracle 在收购 Cerner （一家总部位于美国的医疗信息技术公司，专注于为医院、诊所和健康系统提供电子病历（Electronic Health Records, EHR）系统与相关数据服务）后，也以医疗数据治理为切入口重塑其 SaaS 架构的可信层。

在英国某银行的一次实践中，为部署基于 LLM 的客户信用评分系统，该行采用了 Informatica 的数据目录与审计系统，确保了模型训练数据的来源一致性与使用可溯性，将原需八周的监管审计压缩至三天内完成。

这些案例正好体现出一个行业趋势转折点：过去企业部署 AI 关注的是能否实现，而如今，更多的技术决策者和业务负责人开始关注的是落地之后的可控性和可持续性。

正如 Amit Walia 所言：“我们一直相信，数据治理不是后台工程，而是 AI 能不能上主场的关键一环。Salesforce 和我们一样看重数据作为智能核心的地位，这让这场合作拥有真正的战略共识。”

根据麦肯锡 2024 年的企业 AI 应用调研，超过 68%的企业在推进 AI 项目过程中最主要的障碍并非算法本身，而是“缺乏统一数据口径”“数据源混乱”“敏感数据使用风险不可控”等与治理高度相关的问题。

这类痛点并非个别企业所独有，而是整个 SaaS 行业面临的结构性挑战。

写在最后：

AI 的产业逻辑正在发生转变。

它从最初的炫技工具、实验模型，正在回归到企业 IT 系统的内核。这一变化对整个 SaaS 软件产业提出了更高的要求。传统的“应用即服务”模式正在被“平台即服务+智能能力”重塑，软件厂商不仅要提供功能，还要负责数据来源、数据使用与数据治理全流程的透明与合规。

这正是 Salesforce 此次收购 Informatica 的核心意义：不只是增强 AI 产品能力，更是在为 SaaS 产品构建未来的“数据底座”。AI 能否在 SaaS 应用中规模化、安全化落地，最终将取决于底层数据基础设施的完备程度。

在 AI 驱动的 SaaS 软件新时代，数据治理不再是辅助功能，而是与工作流编排、权限体系并列的“平台核心”。Informatica 的加入，不只是一次战术收购，更是一次对 SaaS 平台能力的结构性补强。

未来的竞争，不是单点 AI 功能之间的比拼，而是谁能将 AI 深度嵌入在企业运行逻辑中，构建一个“可信、可控、可持续”的智能系统。