10月20日，Zoho在北京举办以“助力中国企业全球化成长”为主题的媒体沟通会，系统展示了其企业级AI全景战略，并针对当前企业AI应用落地的普遍困境提出分层架构方案。Zoho全球副总裁Mathivanan在会上指出，企业AI用不起来的核心症结在于决策周期过短与备选工具过多，由此产生的数据孤岛进一步催生了“AI孤岛”。Zoho中国COO夏海峰则表示，如果AI只能回答问题、提供信息，却无法参与实际业务流程，其对商业的价值就微乎其微。
这一判断指向企业AI应用的关键门槛：能够回答问题不等于能够完成任务。AI要真正参与业务，需要理解用户需求、获取相关数据、调用业务系统，并在权限与流程约束下完成具体操作。围绕从“懂回答”到“能执行”的能力跨越，Zoho在此次沟通会上完整披露了其AI全景三层架构：底层提供数据，中间层负责连接，上层管理执行。
在执行层，Zoho将产品分为三个层级。首先是原生嵌入CRM、财务、客服等业务系统的对话式AI助手AskZia，用户可通过自然语言获取信息、分析业务数据，并在相应功能支持下完成内容起草与润色。其次是预置智能体Zia Agents，提供销售教练、SDR机器人等上百个开箱即用的角色，专门处理有规律、可复用、依赖经验的工作。面向规则复杂、个性化程度高的场景，Zoho提供Agent Studio低代码平台，非技术人员可通过搭建方式定制专属智能体。会上披露的案例显示，一家汽车零部件客户利用该平台开发了成本预测智能体，用于应对国际贸易中关税、运输等因素造成的材料成本波动。
AskZia、Zia Agents与Agent Studio分别对应信息获取与处理、特定任务执行，以及个性化流程的智能体构建。三者的差异不仅在于AI能力强弱，更在于AI参与业务的方式：从辅助员工完成工作，逐步延伸到承担特定任务。
在连接层，Zoho通过MCP（模型上下文协议）打通内外生态。夏海峰在会上描述了具体场景：用户在WorkBuddy、豆包工作、千问办公等支持MCP的客户端中配置自定义连接器并接入Zoho MCP，即可在外部直接对话操作Zoho CRM，实现数据自动更新。Zoho MCP目前兼容Claude、ChatGPT等主流大模型与智能体，并提供300余款第三方服务的集成清单。通过标准化协议，Zoho的业务能力可被各类外部智能体调用，同时敏感数据在离开系统前完成遮蔽与鉴权。MCP的意义在于为AI工具连接外部应用提供标准化交互方式，企业AI的使用场景由此不必局限于单个软件内部，可向跨应用工作流程延伸。
在模型层，Zoho选择了与行业主流不同的务实路径。Mathivanan表示，Zoho的投入不跟风竞争对手的烧钱规模，而是按客户真实需求决定。相较于消耗巨大资源的通用大模型，Zoho更倾向于在自有数据中心自研部署中小模型。以自动回复邮件、图片内容总结、情感分析等场景为例，部署适配的模型即可满足需求，既提高业务精准度，也大幅降低推理成本。
这一思路同样体现在AI编程能力上。针对AI写代码是否会取代传统软件的疑问，夏海峰以“冰山理论”回应：AI编程只是露出水面的一角，源码托管、权限设计、安全运维、底层数据治理才是真正需要投入的部分。Zoho将AI编程能力开放给用户，目的是让其在现有业务底座上做扩展，而非脱离底座构建应用。
在商业模式上，Zoho主张将AI融入产品体系，而非视为独立增值功能，目前不会向客户额外收取AI费用。这一决定与其坚持30年不融资、不上市的长期主义策略相关。数据安全方面，Mathivanan将其定义为“过渡期的底线”：无论企业使用自带API Key接入外部模型，还是使用Zoho自研模型，Zoho均承诺不拿客户数据训练通用模型。
从AI助手到智能体，从模型选择到系统连接，Zoho正将AI能力嵌入现有产品与业务流程。夏海峰在演讲最后总结，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。对企业而言，部署AI不仅需要评估模型能力，还需结合实际场景明确数据处理方式、权限配置与外部服务接入边界。对SaaS厂商来说，AI能力的开放程度与数据保护机制并非相互独立，明确访问范围与执行权限，是企业将AI用于真实业务的前提条件。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
