Zoho：打破AI孤岛，构建企业级AI执行底座

在10月20日的Zoho北京媒体沟通会上，面对大模型热潮下企业“用不起来AI”的普遍痛点，Zoho提出了一个关键观点：AI的真正价值在于“能执行”，而不仅仅是“懂回答”。 为了解决这一问题，Zoho展示了其沉淀多年的AI全景三层架构，旨在打破信息孤岛，让AI真正融入业务流程。

执行层：从“会说”到“能干”的数字员工

Zoho认为，企业应用AI的分水岭在于它能否接下任务并跑通多步骤流程。目前市面上的许多AI工具往往只能提供信息，无法参与实际操作。

为了跨越这一鸿沟，Zoho构建了从简单辅助到复杂执行的AI矩阵：

• 原生嵌入的AskZia：这不仅是聊天机器人，而是深植于CRM、财务、客服等系统内的助手。它允许用户通过自然语言直接获取信息、分析数据，并支持内容起草与润色，实现了“即问即用”。
• 预置智能体Zia Agents：针对销售教练、SDR（销售开发代表）等有规律、可复用的工作，Zoho推出了开箱即用的角色。这些智能体能承担具体的业务任务，减轻人工负担。
• Agent Studio低代码平台：对于规则复杂、个性化的场景，企业无需依赖开发人员，只需像搭积木一样，利用该平台定制专属智能体。例如，汽车零部件企业可借此开发应对国际贸易关税波动的成本预测智能体。

这一层级的进化，标志着AI从单纯的“辅助员工”转变为“承担任务”的数字员工。

连接层：MCP协议打破生态孤岛

如果执行层是冰山露出水面的部分，那么连接层则是支撑其运行的庞大基座。Zoho通过MCP（模型上下文协议） 解决了AI工具之间的割裂问题。

对于企业用户而言，这意味着AI不再局限于单一软件内部。通过配置自定义连接器，用户可以在支持MCP的外部客户端（如豆包工作、千问办公）中，直接操作Zoho CRM等系统，实现数据的自动更新。同时，Zoho通过标准化协议确保了敏感数据在跨系统传输时的鉴权与遮蔽，实现了开放与安全的并行。

底层：务实选型与数据主权

在底层，Zoho展现出了务实的策略。面对大模型参数内卷，Zoho全球副总裁Mathivanan表示，Zoho不盲目追求千亿参数，而是根据业务需求部署自有数据中心的中/小模型。

这种策略的优势在于：

• 精准高效：针对自动回复邮件、图片总结等特定任务，专用模型比通用大模型更精准。
• 成本可控：极大降低了推理成本，避免了资源浪费。
• 安全合规：Zoho承诺不拿客户数据训练通用模型，无论使用API Key还是自研模型，都严格保护数据隐私，确立了“过渡期的底线”。

商业模式：AI作为基础设施

在商业逻辑上，Zoho坚持“反直觉”的选择：将AI融入产品体系，而非作为独立增值服务收费。 这体现了其30年不融资、不上市的长期主义底气。

夏海峰总结道，企业上AI不应只选一个更聪明的模型，而应决定把哪些环节交给机器，并准备好相应的底座。Zoho的目标是让企业软件不仅是功能工具，更成为承载智能体开展业务的底座。

总结：从AskZia到Agent Studio，从MCP连接到底层模型，Zoho正在重新定义企业级AI的应用方式。对于企业而言，选择AI落地的关键在于：能否通过标准化的协议和稳固的底座，让AI从“会说话”进化为“能干活”。