粤有钱 2025 ToB 产品：消失的边界｜年度盘点

文｜Alex 牛透社

【编者按】很多人仍然在用 CRM、OA、ERP 的方式理解企业软件，但在 2025 年，这套分类法正在失效。

真正发生变化的，并不是 AI 更聪明了，而是软件开始直接“参与工作”。

——————

2025 年，企业级 AI 产品市场迎来爆发式增长，SaaS 企业与 AI 原生企业共同改写行业格局。

今年的产品发布呈现鲜明的实干导向，大家都聚焦在能解决什么具体业务问题、能否嵌入企业核心流程。这一年，企业对 AI 的需求已从尝鲜试用升级为规模化落地。AI 成为深入财务结算、销售获客、供应链协同、客服响应等核心环节的数字劳动力。无论是传统 SaaS 厂商重构产品架构，还是 AI 原生企业补齐企业级能力，所有动作的核心都指向让 AI 真正承担具体工作、创造可量化价值。

从产品形态到商业模式，从协作逻辑到责任划分，企业级 AI 正经历全方位的结构性变革。本文基于企业软件行业全年主流产品发布实践，梳理了2025年新发布的 370+ 款新品，拆解这一变革的核心洞察与典型形态，探讨 AI 如何重塑企业软件的边界与价值。

展开剩余94 四大类型覆盖从底座到场景的全链路

基于2025年企业级AI产品的发布特征，按产品形态可清晰划分为四大核心类型，覆盖从基础能力底座到垂直场景落地的全链路，形成完整的AI应用生态：

1. AI Agent 平台

这类产品是企业级AI智能体的开发、部署与运营底座，核心价值在于支持自定义构建或集成多场景Agent，成为AI规模化落地的核心载体。它重点打破AI应用开发门槛高、多Agent协同难、与业务系统适配差的痛点，通过低代码/无代码工具链，快速适配企业个性化需求。

典型代表包括：钉钉One，Agent驱动的工作信息流平台，以4大智能体分工处理消息、审批等任务，围绕事项重组工作流程；

零一万物万智企业大模型一站式平台2.0，打造“模型+智能体”一体化架构，支持知识库上传与行业定制，助力企业快速搭建专属Agent；

用友智能体构建与运营平台，打通十大业务领域、调度4000+API，实现多智能体协同与企业级权限管控；

ServiceNow AI Agent Fabric则作为跨平台AI代理协同通信解决方案，适配Adobe、微软等主流平台，有效打破AI应用孤岛。

2. 垂直岗位 AI（销售、客服、财务、研发等）

聚焦单一岗位的高频场景，提供开箱即用的智能化工具，直接替代或辅助岗位重复性工作，实现岗位级智能提效。其核心是针对性破解特定岗位流程繁琐、决策依赖经验、数据处理低效等痛点，让AI深度融入具体工作场景。

销售类有励销云工业品行业智能获客平台、Zoho SDR智能体与销售教练智能体，精准匹配获客与培训需求；

客服类包括网易云商AI Agent智能客服解决方案、天润融通ZENAVA对话式AI智能体，提升咨询响应与问题解决效率；

财务类有微软365 Finance Agents、金蝶小K（含毛利分析智能体），简化对账、分析等流程；研发类则有腾讯云Craft软件开发智能体、Datadog Bits AI Dev Agent，专注代码问题修复与优化；

HR类的北森AI Family 2.0（含AI面试官、领导力教练等）、Workday Paradox Candidate Experience Agent，优化招聘与人才发展全流程。

3. AI 原生数据/知识平台

以AI为核心驱动力，整合企业全域数据与知识，实现数据治理、智能检索、价值转化的一体化，为企业决策提供坚实支撑。它重点破解企业数据分散、知识沉淀难、检索低效、分析依赖专业技能的痛点，激活数据与知识资产价值。

数据类代表有用友企业数据云，构建“平台-数据-模型-应用”四层架构，实现全域数据整合与治理；Snowflake Intelligence则支持跨云数据查询与AI分析，让数据价值快速释放。

知识类产品包括腾讯乐享AI知识库，具备实时视频知识点提取、关系图谱分析能力；飞书知识问答可实现跨文档/会议纪要的精准问答，提升知识复用效率。

混合类如钉钉AI搜问，融合企业内外知识检索与数据分析，支持自然语言提问生成图表；新奥泛能网能碳大模型作为能源领域垂直大模型，为多场景智能决策提供技术底座。

4. AI 驱动的自动化/流程产品

将AI能力深度嵌入业务流程，实现端到端自动化执行，减少人工干预，覆盖流程触发、执行、监控全环节。其核心是解决传统流程自动化灵活性差、跨系统协作难、异常处理滞后等痛点，兼顾流程效率与合规性。

通用流程类产品有飞书妙搭，作为AI原生低代码平台，支持自然语言生成系统原型；Zendesk Action Builder则以无代码方式实现跨系统流程自动化，降低部署门槛。

垂直流程类包括HubSpot Marketing Studio，AI驱动营销活动全流程协作，从创作到复盘一站式完成；聚水潭协同树则聚焦电商供应链产销协同自动化，打通生产到销售全链路。

合规流程类有法大大iTerms Pro法务AI智能体，实现合同全生命周期合规管控；Xero税务合规一体化解决方案则针对南非地区税务申报场景，实现申报流程自动化与合规化。

02 AI 如何改写企业软件的边界、责任与商业模式

1. 业务边界逐渐消失

在 2025 年这一轮企业级 AI 产品发布中，一个具有普遍性的变化正在全球范围内同时发生，企业软件原本清晰、稳定的业务边界，正在被系统性削弱。

如果仍然沿用 CRM、OA、ERP、BI 等传统分类方式，不仅难以准确描述今年出现的新产品，更难解释一个更深层的现象——来自不同国家、不同赛道的厂商，正在用高度相似的方式切入同一类企业工作场景。

这一趋势首先体现在工作载体的变化上。

长期以来，表格被视为办公软件的一部分，而业务系统、流程工具和低代码平台则属于另一个世界。但在 2025 年，中外厂商几乎同时把表格推向了业务前台。

国内，钉钉 AI 表格、飞书多维表格的 AI 能力升级，正在将表格打造为可被自然语言驱动的业务载体，用来承载流程、触发自动化、调用 Agent 执行任务；

海外，Airtable AI 和 Notion 的数据库与 AI 能力同样在强化表格和数据库在业务建模、任务推进和自动化中的核心地位。这些厂商原本分属协同办公、轻量数据库、知识管理等不同领域，却在“表格即业务单元”这一产品方向上高度趋同。

类似的交集，同样出现在“搜索与分析”这一过去边界分明的领域。

传统企业软件中，搜索负责信息检索，BI 工具负责分析决策，二者分工清晰。但在 2025 年的新产品中，中外厂商几乎同时开始压缩这条边界。

国内，钉钉 AI 搜问、飞书的数据问答与智能搜索能力，正在把企业内部的文档、数据和系统结果，统一到自然语言问答的入口中；

海外，Glean 从企业搜索延伸到理解和总结业务信息，Snowflake Cortex、Databricks Lakehouse IQ 等数据平台则直接强调“一句话问数”和自动分析能力。原本分散在搜索、BI 和数据平台中的能力，开始在同一个使用场景中重叠。

在工作入口层面，这种边界模糊更加明显。

无论是国内还是海外，越来越多厂商都在尝试围绕“事项”而非“系统”来重组工作体验。国内的钉钉 One、飞书的 AI 工作台，强调以任务和信息流为中心组织消息、文档和业务状态；海外的 Microsoft Copilot（跨 M365）、Salesforce Einstein Copilot、ServiceNow Now Assist，则在各自生态中把多个产品和流程整合为统一的工作入口。

与此同时，一批 AI Agent 原生公司直接以任务执行入口为切入点，绕开传统系统分类，直接参与工作推进。

从这些中外厂商的同步动作中可以看到，这并非某一市场或某一类公司的局部创新，而是一种由 AI 能力驱动的结构性变化。企业中的真实工作本就跨系统、跨角色存在，只是在传统软件时代，这种复杂性被拆分到不同产品中，由人来完成衔接。而当 AI 开始具备理解上下文、整合信息和触发行动的能力之后，产品设计的重心自然从系统分工转向任务完成，不同赛道之间原本清晰的界限随之松动。

从更宏观的视角看，2025 年的企业级 AI 产品正在推动 SaaS 形态发生一次全球同步的演化。越来越多产品开始承担连接既有系统、整合分散能力、参与工作执行的角色，逐渐形成一层横向覆盖企业工作的智能工作层。当企业评估软件价值时，关注点也随之转移到哪些工作被更高效地完成。在这一变化之下，企业软件长期以来赖以成立的业务边界，正在被重新书写。

2. 产品责任边界开始前移

AI 在产品中的角色正在发生转移。早期的 Copilot 形态，主要承担的是“给建议”的职责，基于已有数据生成分析、总结信息、提示下一步行动，但最终的判断与执行，仍然掌握在人手中。

随着产品向 Agent 形态演进，这一分工开始被打破。越来越多产品让 AI 直接介入执行过程，包括自动创建业务对象、触发流程、调用多个系统，并在限定范围内对结果负责。变化的关键并不在于 AI 是否足够聪明，而在于产品是否愿意让 AI 承担责任。当系统默认 AI 可以独立做出判断并触发行动时，责任边界便开始整体前移（向前端转移），执行结果也不再完全取决于用户操作，而是与产品的设计逻辑、权限配置和默认策略紧密相关。

这一趋势在国内产品中表现得尤为集中。以钉钉、飞书为代表的协同平台，AI 已经从会议纪要、文档总结等典型 Copilot 场景，扩展到事项拆解、任务分派和流程推进；在管理软件领域，用友 BIP、金蝶云、泛微、致远等厂商发布的 AI 产品，也开始让 AI 直接参与审批流发起、规则匹配和异常处理。产品所传递的信号愈发明确，AI 的判断具备被采纳的资格，能够在具体业务环节中承担执行职责。

在流程和自动化相关产品中，这种责任前移体现得更加直接。低代码平台、流程引擎以及自动化背景的厂商，正在将 AI Agent 作为新的流程节点使用，由其判断执行时机、组合动作，并决定是否需要人工介入。AI 被嵌入到业务流程之中，成为一个可被调度、可被约束的执行单元，而不只是被调用的能力模块。

海外厂商的路径与之高度相似。Microsoft Copilot、Salesforce Einstein、ServiceNow Now Assist、SAP Joule 等产品，正在将 AI 深度嵌入 CRM、ITSM、ERP 等核心系统，使其围绕业务目标自动完成跨系统操作。Copilot 仍然存在，但更多承担交互入口的角色，真正的能力边界正在向 Agent 侧迁移。

当 AI 被允许进入执行链条，它在产品中的定位也随之发生变化。AI 不再只是辅助工具，而是逐渐成为业务流程中的责任节点，甚至具备某种“数字员工”或“数字岗位”的属性。也正是在这一过程中，Agent 化所带来的挑战开始显现，企业必须重新思考权限开放的边界、人工介入的时点以及风险兜底的方式。谁为 AI 的判断负责、哪些错误可以被系统吸收、哪些必须回退到人工确认，这些问题正从抽象讨论，转变为产品选型和组织决策中的现实考量。

从这一意义上看，Copilot 与 Agent 的分野，已经不再只是产品能力的差异，而是企业级 AI 在责任划分与风险承担上的一次转折。

3. AI 原生企业与传统 SaaS 的产品路径正在趋同

牛透社观察到一个有趣的“双向奔赴”现象，传统 SaaS 企业与新兴的 AI 原生企业正从两个完全不同的起点出发，最终走向了极为相似的产品形态。

过去两年，很多 SaaS 产品对 AI 的应用停留在“外挂”阶段，也就是在界面右下角加一个对话框。但 2025 年的数据显示，头部 SaaS 厂商正在从底层架构上重做核心体验。

以 Salesforce 和 ServiceNow 为例，它们不再满足于让 AI 充当助手，而是将 AI 深度嵌入到 CRM 和 ITSM 的核心工作流中。Einstein Copilot 不仅是回答问题，更能直接调度后台数据、触发审批流程；国内的钉钉和飞书也将 AI 从辅助功能升级为基础设施，通过 AI Agent 串联起文档、即时通讯和业务审批。这些传统厂商正在努力让自己变得像 AI 原生产品一样，具备自然语言驱动和自主执行的能力。

与此同时，那些曾经以“颠覆者”姿态出现的 AI 原生企业，正在补齐传统软件的“基本功”。

在盘点数据中，我们看到像 Glean、Jasper 以及各类新兴的 Agent 平台，在 2025 年的新版本中不约而同地强调了权限管理（RBAC）、审计日志、数据驻留（Data Residency）和合规性。它们意识到，仅有强大的模型能力不足以打动大中型企业客户。为了进入企业核心生产系统，它们必须让自己变得像传统 SaaS 一样安全、可控、可回溯。

这种路径的趋同，意味着“AI 原生”不再是一个绝对的护城河，而“传统软件”也不再是落后的代名词。两类产品的界限正在消失，最终都指向了同一个形态——具备企业级安全标准的智能业务系统。对于客户而言，选择谁取决于“谁更理解他的业务流程以及谁能更深地嵌入其真实工作场景。

在未来，我们或许不再需要刻意区分 SaaS 和 AI Native，因为所有的优秀企业软件都将是二者的结合体。

4. 产品转向卖“结果”或“岗位能力”

2025 年企业级 AI 产品的商业模式，正经历一场从 “工具售卖” 到 “价值交付” 的根本性转变。过去 SaaS 行业通行的 “账号数（Seat）+ 功能模块（Feature）” 收费逻辑，逐渐被 “数字劳动力 + 业务结果” 的新模式替代，产品的核心价值变为交付确定性成果或承接特定岗位工作。

这种转变在产品描述与定价策略上体现得尤为鲜明。在描述方式上，厂商不再堆砌 “包含百种功能”“支持多场景适配” 这类工具属性的宣传，转而直接承诺业务价值。比如，“覆盖财务专员 80% 的日常工作”“每月自动处理 5000 份合规单据”“替代 3 名人工客服的接待量”，让企业一眼看清产品能直接解决的问题与创造的价值。

在定价上，传统 “500元/账号/月” 的固定收费模式逐渐退场，取而代之的是与结果强绑定的定价方式，按有效任务完成量”计费（如 0.5 元/次线索清洗）、按成果产出”计费（如 10 元/份财务分析报告），甚至直接按数字员工年薪定价（通常仅为人类员工成本的 1/5~1/10），让付费与价值回报直接挂钩。

这一变革并非巨头专属，垂直领域的中腰部厂商反而更先落地，其客户更看重直接 ROI，对结果导向的产品接受度更高。

客服与营销领域，智齿科技、美洽等厂商推出的 “AI 坐席”，不再按系统账号收费，而是以有效接待量、线索转化量为付费依据，AI 客服不仅能应答咨询，还能自动创建工单、预约演示，考核标准与人类客服完全一致；

RPA 与流程自动化领域，实在智能、来也科技的财务数字员工、法务数字助理，摒弃了按并发数收费的旧模式，按成功处理的单据量计费，本质上是向企业交付永不疲倦的初级岗位员工；招聘与 HR 领域，Moka、北森的 AI 面试官与简历筛选 Agent，从管理简历的工具升级为完成初筛的招聘专员，直接交付合格候选人名单，而非单纯提供筛选功能。

背后的核心逻辑，是 AI 技术让原本抽象的脑力劳动变得可度量、可计算。以往企业采购 SaaS 需复杂测算提效比，如今只需简单对比AI 员工年费与人类员工年薪，ROI 一目了然；

更重要的是，这一转变让产品切入了企业全新的预算池，软件采购预算可能有限，但人力外包、招聘补充的预算往往更充足，当 SaaS 产品开始售卖岗位能力，本质上是在切分企业的人力成本蛋糕，为行业打开了全新的增长空间。

5. 企业级 AI 产品开始默认私有化、可控化

2025 年发布的新品中，几乎所有厂商都明确强调三大核心承诺：

一是私有/混合部署平权化，即便几十人的小企业，也能以低成本获得私有化 AI 能力，无需承担百万级算力投入；

二是数据主权绝对化，模型可公有，但企业核心数据必须 “不出域”，从源头规避泄露风险；

三是黑盒透明化，AI 的每一次生成、每一个决策都可审计、可回溯，既保证好用，更确保合规。

为响应这一需求，针对中型企业的轻量级安全 AI 解决方案集中爆发。在硬件端，智谱 AI、面壁智能等厂商通过模型蒸馏技术，推出适配消费级显卡甚至端侧设备的 “训推一体机”—— 中腰部企业只需购买一台类似路由器大小的设备，插电即可使用，数据全程存储在本地，既解决算力焦虑，又消除数据泄露顾虑。

在协同与 OA 领域，泛微、致远互联等深耕本土的厂商，在新品中极力强化 AI 助手的本地化属性，AI Agent 可直接部署在企业自有服务器，与原有 ERP、CRM 数据实现物理隔离式交互，这种看得见、摸得着的安全感，成为制造业、医疗等敏感行业企业的采购关键。

在技术选型上，Dify、FastGPT 等开源中间件兴起，大量技术型中小企业不再直接购买通用 SaaS AI，而是在自有可控的云环境中搭建专属 Agent，这也倒逼 SaaS 厂商开放更灵活的 API 接口，摒弃黑盒式服务模式。

企业不再迷信 “千亿参数” 的通用大模型，更青睐 “参数虽小，但跑在自家服务器、懂自家业务” 的专属模型。“默认私有化、可控化” 的普及，标志着企业级 AI 正式跨过炒作期，进入规模化生产应用阶段，成为企业数字化底座的核心组成部分。

6. 产品经理的角色发生变化

2025 年 AI Agent 的规模化落地，彻底改写了产品经理的核心职责。传统产品设计聚焦功能模块与操作路径优化，本质是设计人如何使用工具；而如今，产品经理的核心任务已转向搭建多元主体的协作规则，需在人机、机机、机与系统间构建高效可控的协作体系。

（1）人机协作：划定分工边界与交互节奏。

AI 从被动工具升级为协作伙伴，产品经理需明确人与 AI 的职责划分。例如在客服场景中，需设计 “AI 自主应答 - 复杂问题人工介入” 的流转规则；办公场景里，需界定数据录入等自动化操作与权限分配等人主导决策的边界。同时，要平衡预判式协作的效率与用户体验，避免过度干预。

（2）多 AI Agent 协作：制定分工与协同规则。

当产品嵌入多个 Agent（比如销售、财务、合规类），产品经理需像设计团队分工般明确规则。比如定义潜客 Agent 与销售 Agent 的线索同步逻辑，设置多 Agent 调用同一资源时的优先级，解决合规与效率需求的冲突，确保协作无断点、无内耗。

（3）AI 与原有系统协作：搭建兼容与博弈机制。

AI 产品需与 ERP、CRM 等原有系统深度联动，产品经理需设计数据同步规则（实时 / 定时）与功能衔接逻辑，明确 AI 决策与系统预警冲突时的处理原则。核心是让 AI 放大原有系统价值，而非替代或冲突，实现新旧体系的平滑协同。

本质上，2025 年的 AI 产品设计已从工具逻辑转向组织逻辑。产品经理不再是单纯的功能设计师，从某种意义上是一个协作架构师，需兼顾 AI 能力边界、人的决策价值与系统沉淀，在多元主体间搭建高效可控的协作生态。

03 争议与未解问题：这些产品还没解决什么？

AI 产品在带来效率革命的同时，也暴露了行业尚未破解的核心争议与深层问题。这些未解之谜不仅关乎产品落地效果，更决定着AI能否真正成为企业不可替代的生产要素。

1. 企业真的敢让AI自主执行核心任务吗？

尽管产品普遍宣称“Agent可自动完成工作”，但企业端的信任壁垒仍未完全打破。对于财务结算、合规审核、客户签约等核心环节，多数企业仍选择“AI辅助+人工终审”的保守模式。

钉钉AI表格的自动化流程多应用于日常数据统计，而非财务报销审批；法大大法务AI智能体的合同审核结果，仍需法务人员最终确认。这种信任缺失的背后，是AI决策的黑箱问题。企业无法完全追溯AI得出结论的逻辑，一旦出现偏差，责任界定模糊。如何让AI的决策过程透明化、可解释，成为打通“自动执行”最后一公里的关键。

2. Agent的失误成本谁来承担？

AI的不完美性与企业业务的零容错需求形成天然矛盾。

客服Agent误判客户需求导致投诉升级，供应链Agent推荐的物流方案引发延误，财务Agent对账错误造成资金损失......这些潜在失误的成本，目前仍完全由企业承担。尽管部分产品提供了操作回溯、人工干预功能，但既未建立明确的失误赔偿机制，也缺乏降低失误影响的应急预案。

当AI从辅助工具变为责任节点，如何界定产品厂商与企业的风险边界，如何设计失误兜底方案，成为行业必须回答的现实问题。

3. AI 产品是否会重蹈“过度平台化”覆辙？

当年SaaS行业“平台化”浪潮导致产品功能冗余、操作复杂的教训仍在眼前，2025年的AI产品似乎正走向相似轨迹。

无论是钉钉One、Salesforce Agentforce 360，还是用友BIP 5，都在不断叠加Agent开发、数据整合、流程自动化等多元能力，试图覆盖全场景需求。这种“大而全”的设计，正在让部分产品变得笨重。

中小企业需要的仅是单一岗位的AI工具，却不得不面对复杂的平台配置流程；大型企业的个性化需求，仍需额外定制开发。过度平台化可能导致产品脱离实际需求，陷入功能堆砌却无人深度使用的困境。

4. 中小SaaS是否会被AI原生公司挤压？

传统中小SaaS厂商正面临两难困境：一方面，AI原生企业凭借技术优势，快速切入垂直场景（如零一万物的“万仔”超级员工智能体直接对标传统OA的部分功能）；另一方面，自身缺乏AI研发能力，升级产品需依赖第三方大模型，导致成本高企、响应滞后。

更严峻的是，AI原生产品的结果导向定价模式，正在冲击中小SaaS的按模块/用户收费逻辑。当客户更愿意为每月完成多少任务付费，而非使用多少功能，中小SaaS的价格优势逐渐消失。如何在AI浪潮中找到差异化定位，避免被头部厂商或AI原生公司淘汰，成为中小SaaS的生存命题。

04 结语