2025 ToB 產品：消失的邊界｜年度盤點

2025 企業級 AI 的邊界、責任與商業模式變革。

文｜Alex 牛透社

【編者按】很多人仍然在用 CRM、OA、ERP 的方式理解企業軟件，但在 2025 年，這套分類法正在失效。

真正發生變化的，并不是 AI 更聰明了，而是軟件開始直接“參與工作”。

2025 年，企業級 AI 產品市場迎來爆發式增長，SaaS 企業與 AI 原生企業共同改寫行業格局。

今年的產品發布呈現鮮明的實干導向，大家都聚焦在能解決什么具體業務問題、能否嵌入企業核心流程。這一年，企業對 AI 的需求已從嘗鮮試用升級為規?；涞亍I 成為深入財務結算、銷售獲客、供應鏈協同、客服響應等核心環節的數字勞動力。無論是傳統 SaaS 廠商重構產品架構，還是 AI 原生企業補齊企業級能力，所有動作的核心都指向讓 AI 真正承擔具體工作、創造可量化價值。

從產品形態到商業模式，從協作邏輯到責任劃分，企業級 AI 正經歷全方位的結構性變革。本文基于企業軟件行業全年主流產品發布實踐，梳理了2025年新發布的370+ 款新品，拆解這一變革的核心洞察與典型形態，探討 AI 如何重塑企業軟件的邊界與價值。

01 四大類型覆蓋從底座到場景的全鏈路

2025 企業級 AI 產品（部分）

基于2025年企業級AI產品的發布特征，按產品形態可清晰劃分為四大核心類型，覆蓋從基礎能力底座到垂直場景落地的全鏈路，形成完整的AI應用生態：

1. AI Agent 平臺

這類產品是企業級AI智能體的開發、部署與運營底座，核心價值在于支持自定義構建或集成多場景Agent，成為AI規?；涞氐暮诵妮d體。它重點打破AI應用開發門檻高、多Agent協同難、與業務系統適配差的痛點，通過低代碼/無代碼工具鏈，快速適配企業個性化需求。

典型代表包括：釘釘One，Agent驅動的工作信息流平臺，以4大智能體分工處理消息、審批等任務，圍繞事項重組工作流程；

零一萬物萬智企業大模型一站式平臺2.0，打造“模型+智能體”一體化架構，支持知識庫上傳與行業定制，助力企業快速搭建專屬Agent；

用友智能體構建與運營平臺，打通十大業務領域、調度4000+API，實現多智能體協同與企業級權限管控；

ServiceNow AI Agent Fabric則作為跨平臺AI代理協同通信解決方案，適配Adobe、微軟等主流平臺，有效打破AI應用孤島。

2. 垂直崗位 AI（銷售、客服、財務、研發等）

聚焦單一崗位的高頻場景，提供開箱即用的智能化工具，直接替代或輔助崗位重復性工作，實現崗位級智能提效。其核心是針對性破解特定崗位流程繁瑣、決策依賴經驗、數據處理低效等痛點，讓AI深度融入具體工作場景。

銷售類有勵銷云工業品行業智能獲客平臺、Zoho SDR智能體與銷售教練智能體，精準匹配獲客與培訓需求；

客服類包括網易云商AI Agent智能客服解決方案、天潤融通ZENAVA對話式AI智能體，提升咨詢響應與問題解決效率；

財務類有微軟365 Finance Agents、金蝶小K（含毛利分析智能體），簡化對賬、分析等流程；研發類則有騰訊云Craft軟件開發智能體、Datadog Bits AI Dev Agent，專注代碼問題修復與優化；

HR類的北森AI Family 2.0（含AI面試官、領導力教練等）、Workday Paradox Candidate Experience Agent，優化招聘與人才發展全流程。

3. AI 原生數據/知識平臺

以AI為核心驅動力，整合企業全域數據與知識，實現數據治理、智能檢索、價值轉化的一體化，為企業決策提供堅實支撐。它重點破解企業數據分散、知識沉淀難、檢索低效、分析依賴專業技能的痛點，激活數據與知識資產價值。

數據類代表有用友企業數據云，構建“平臺-數據-模型-應用”四層架構，實現全域數據整合與治理；Snowflake Intelligence則支持跨云數據查詢與AI分析，讓數據價值快速釋放。

知識類產品包括騰訊樂享AI知識庫，具備實時視頻知識點提取、關系圖譜分析能力；飛書知識問答可實現跨文檔/會議紀要的精準問答，提升知識復用效率。

混合類如釘釘AI搜問，融合企業內外知識檢索與數據分析，支持自然語言提問生成圖表；新奧泛能網能碳大模型作為能源領域垂直大模型，為多場景智能決策提供技術底座。

4. AI 驅動的自動化/流程產品

將AI能力深度嵌入業務流程，實現端到端自動化執行，減少人工干預，覆蓋流程觸發、執行、監控全環節。其核心是解決傳統流程自動化靈活性差、跨系統協作難、異常處理滯后等痛點，兼顧流程效率與合規性。

通用流程類產品有飛書妙搭，作為AI原生低代碼平臺，支持自然語言生成系統原型；Zendesk Action Builder則以無代碼方式實現跨系統流程自動化，降低部署門檻。

垂直流程類包括HubSpot Marketing Studio，AI驅動營銷活動全流程協作，從創作到復盤一站式完成；聚水潭協同樹則聚焦電商供應鏈產銷協同自動化，打通生產到銷售全鏈路。

合規流程類有法大大iTerms Pro法務AI智能體，實現合同全生命周期合規管控；Xero稅務合規一體化解決方案則針對南非地區稅務申報場景，實現申報流程自動化與合規化。

02 AI 如何改寫企業軟件的邊界、責任與商業模式

1. 業務邊界逐漸消失

在 2025 年這一輪企業級 AI 產品發布中，一個具有普遍性的變化正在全球范圍內同時發生，企業軟件原本清晰、穩定的業務邊界，正在被系統性削弱。

如果仍然沿用 CRM、OA、ERP、BI 等傳統分類方式，不僅難以準確描述今年出現的新產品，更難解釋一個更深層的現象——來自不同國家、不同賽道的廠商，正在用高度相似的方式切入同一類企業工作場景。

這一趨勢首先體現在工作載體的變化上。

長期以來，表格被視為辦公軟件的一部分，而業務系統、流程工具和低代碼平臺則屬于另一個世界。但在 2025 年，中外廠商幾乎同時把表格推向了業務前臺。

國內，釘釘 AI 表格、飛書多維表格的 AI 能力升級，正在將表格打造為可被自然語言驅動的業務載體，用來承載流程、觸發自動化、調用 Agent 執行任務；

海外，Airtable AI和Notion 的數據庫與 AI 能力同樣在強化表格和數據庫在業務建模、任務推進和自動化中的核心地位。這些廠商原本分屬協同辦公、輕量數據庫、知識管理等不同領域，卻在“表格即業務單元”這一產品方向上高度趨同。

類似的交集，同樣出現在“搜索與分析”這一過去邊界分明的領域。

傳統企業軟件中，搜索負責信息檢索，BI 工具負責分析決策，二者分工清晰。但在 2025 年的新產品中，中外廠商幾乎同時開始壓縮這條邊界。

國內，釘釘 AI 搜問、飛書的數據問答與智能搜索能力，正在把企業內部的文檔、數據和系統結果，統一到自然語言問答的入口中；

海外，Glean從企業搜索延伸到理解和總結業務信息，Snowflake Cortex、Databricks Lakehouse IQ等數據平臺則直接強調“一句話問數”和自動分析能力。原本分散在搜索、BI 和數據平臺中的能力，開始在同一個使用場景中重疊。

在工作入口層面，這種邊界模糊更加明顯。

無論是國內還是海外，越來越多廠商都在嘗試圍繞“事項”而非“系統”來重組工作體驗。國內的釘釘 One、飛書的 AI 工作臺，強調以任務和信息流為中心組織消息、文檔和業務狀態；海外的Microsoft Copilot（跨 M365）、Salesforce Einstein Copilot、ServiceNow Now Assist，則在各自生態中把多個產品和流程整合為統一的工作入口。

與此同時，一批 AI Agent 原生公司直接以任務執行入口為切入點，繞開傳統系統分類，直接參與工作推進。

從這些中外廠商的同步動作中可以看到，這并非某一市場或某一類公司的局部創新，而是一種由 AI 能力驅動的結構性變化。企業中的真實工作本就跨系統、跨角色存在，只是在傳統軟件時代，這種復雜性被拆分到不同產品中，由人來完成銜接。而當 AI 開始具備理解上下文、整合信息和觸發行動的能力之后，產品設計的重心自然從系統分工轉向任務完成，不同賽道之間原本清晰的界限隨之松動。

從更宏觀的視角看，2025 年的企業級 AI 產品正在推動 SaaS 形態發生一次全球同步的演化。越來越多產品開始承擔連接既有系統、整合分散能力、參與工作執行的角色，逐漸形成一層橫向覆蓋企業工作的智能工作層。當企業評估軟件價值時，關注點也隨之轉移到哪些工作被更高效地完成。在這一變化之下，企業軟件長期以來賴以成立的業務邊界，正在被重新書寫。

2. 產品責任邊界開始前移

AI 在產品中的角色正在發生轉移。早期的 Copilot 形態，主要承擔的是“給建議”的職責，基于已有數據生成分析、總結信息、提示下一步行動，但最終的判斷與執行，仍然掌握在人手中。

隨著產品向 Agent 形態演進，這一分工開始被打破。越來越多產品讓 AI 直接介入執行過程，包括自動創建業務對象、觸發流程、調用多個系統，并在限定范圍內對結果負責。變化的關鍵并不在于 AI 是否足夠聰明，而在于產品是否愿意讓 AI 承擔責任。當系統默認 AI 可以獨立做出判斷并觸發行動時，責任邊界便開始整體前移（向前端轉移），執行結果也不再完全取決于用戶操作，而是與產品的設計邏輯、權限配置和默認策略緊密相關。

這一趨勢在國內產品中表現得尤為集中。以釘釘、飛書為代表的協同平臺，AI 已經從會議紀要、文檔總結等典型 Copilot 場景，擴展到事項拆解、任務分派和流程推進；在管理軟件領域，用友 BIP、金蝶云、泛微、致遠等廠商發布的 AI 產品，也開始讓 AI 直接參與審批流發起、規則匹配和異常處理。產品所傳遞的信號愈發明確，AI 的判斷具備被采納的資格，能夠在具體業務環節中承擔執行職責。

在流程和自動化相關產品中，這種責任前移體現得更加直接。低代碼平臺、流程引擎以及自動化背景的廠商，正在將 AI Agent 作為新的流程節點使用，由其判斷執行時機、組合動作，并決定是否需要人工介入。AI 被嵌入到業務流程之中，成為一個可被調度、可被約束的執行單元，而不只是被調用的能力模塊。

海外廠商的路徑與之高度相似。Microsoft Copilot、Salesforce Einstein、ServiceNow Now Assist、SAP Joule 等產品，正在將 AI 深度嵌入 CRM、ITSM、ERP 等核心系統，使其圍繞業務目標自動完成跨系統操作。Copilot 仍然存在，但更多承擔交互入口的角色，真正的能力邊界正在向 Agent 側遷移。

當 AI 被允許進入執行鏈條，它在產品中的定位也隨之發生變化。AI 不再只是輔助工具，而是逐漸成為業務流程中的責任節點，甚至具備某種“數字員工”或“數字崗位”的屬性。也正是在這一過程中，Agent 化所帶來的挑戰開始顯現，企業必須重新思考權限開放的邊界、人工介入的時點以及風險兜底的方式。誰為 AI 的判斷負責、哪些錯誤可以被系統吸收、哪些必須回退到人工確認，這些問題正從抽象討論，轉變為產品選型和組織決策中的現實考量。

從這一意義上看，Copilot 與 Agent 的分野，已經不再只是產品能力的差異，而是企業級 AI 在責任劃分與風險承擔上的一次轉折。

3. AI 原生企業與傳統 SaaS 的產品路徑正在趨同

牛透社觀察到一個有趣的“雙向奔赴”現象，傳統 SaaS 企業與新興的 AI 原生企業正從兩個完全不同的起點出發，最終走向了極為相似的產品形態。

過去兩年，很多 SaaS 產品對 AI 的應用停留在“外掛”階段，也就是在界面右下角加一個對話框。但 2025 年的數據顯示，頭部 SaaS 廠商正在從底層架構上重做核心體驗。

以Salesforce和ServiceNow為例，它們不再滿足于讓 AI 充當助手，而是將 AI 深度嵌入到 CRM 和 ITSM 的核心工作流中。Einstein Copilot不僅是回答問題，更能直接調度后臺數據、觸發審批流程；國內的釘釘和飛書也將 AI 從輔助功能升級為基礎設施，通過 AI Agent 串聯起文檔、即時通訊和業務審批。這些傳統廠商正在努力讓自己變得像 AI 原生產品一樣，具備自然語言驅動和自主執行的能力。

與此同時，那些曾經以“顛覆者”姿態出現的 AI 原生企業，正在補齊傳統軟件的“基本功”。

在盤點數據中，我們看到像Glean、Jasper以及各類新興的 Agent 平臺，在 2025 年的新版本中不約而同地強調了權限管理（RBAC）、審計日志、數據駐留（Data Residency）和合規性。它們意識到，僅有強大的模型能力不足以打動大中型企業客戶。為了進入企業核心生產系統，它們必須讓自己變得像傳統 SaaS 一樣安全、可控、可回溯。

這種路徑的趨同，意味著“AI 原生”不再是一個絕對的護城河，而“傳統軟件”也不再是落后的代名詞。兩類產品的界限正在消失，最終都指向了同一個形態——具備企業級安全標準的智能業務系統。對于客戶而言，選擇誰取決于“誰更理解他的業務流程以及誰能更深地嵌入其真實工作場景。

在未來，我們或許不再需要刻意區分 SaaS 和 AI Native，因為所有的優秀企業軟件都將是二者的結合體。

4. 產品轉向賣“結果”或“崗位能力”

2025 年企業級 AI 產品的商業模式，正經歷一場從 “工具售賣” 到 “價值交付” 的根本性轉變。過去 SaaS 行業通行的 “賬號數（Seat）+ 功能模塊（Feature）” 收費邏輯，逐漸被 “數字勞動力 + 業務結果” 的新模式替代，產品的核心價值變為交付確定性成果或承接特定崗位工作。

這種轉變在產品描述與定價策略上體現得尤為鮮明。在描述方式上，廠商不再堆砌 “包含百種功能”“支持多場景適配” 這類工具屬性的宣傳，轉而直接承諾業務價值。比如，“覆蓋財務專員 80% 的日常工作”“每月自動處理 5000 份合規單據”“替代 3 名人工客服的接待量”，讓企業一眼看清產品能直接解決的問題與創造的價值。

在定價上，傳統 “500元/賬號/月” 的固定收費模式逐漸退場，取而代之的是與結果強綁定的定價方式，按 有效任務完成量”計費（如 0.5 元/次線索清洗）、按 成果產出”計費（如 10 元/份財務分析報告），甚至直接按數字員工年薪定價（通常僅為人類員工成本的 1/5~1/10），讓付費與價值回報直接掛鉤。

這一變革并非巨頭專屬，垂直領域的中腰部廠商反而更先落地，其客戶更看重直接 ROI，對結果導向的產品接受度更高。

客服與營銷領域，智齒科技、美洽等廠商推出的 “AI 坐席”，不再按系統賬號收費，而是以有效接待量、線索轉化量為付費依據，AI 客服不僅能應答咨詢，還能自動創建工單、預約演示，考核標準與人類客服完全一致；

RPA 與流程自動化領域，實在智能、來也科技的財務數字員工、法務數字助理，摒棄了按并發數收費的舊模式，按成功處理的單據量計費，本質上是向企業交付永不疲倦的初級崗位員工；招聘與 HR 領域，Moka、北森的 AI 面試官與簡歷篩選 Agent，從管理簡歷的工具升級為完成初篩的招聘專員，直接交付合格候選人名單，而非單純提供篩選功能。

背后的核心邏輯，是 AI 技術讓原本抽象的腦力勞動變得可度量、可計算。以往企業采購 SaaS 需復雜測算提效比，如今只需簡單對比AI 員工年費與人類員工年薪，ROI 一目了然；

更重要的是，這一轉變讓產品切入了企業全新的預算池，軟件采購預算可能有限，但人力外包、招聘補充的預算往往更充足，當 SaaS 產品開始售賣崗位能力，本質上是在切分企業的人力成本蛋糕，為行業打開了全新的增長空間。

5. 企業級 AI 產品開始默認私有化、可控化

2025 年發布的新品中，幾乎所有廠商都明確強調三大核心承諾：

一是私有/混合部署平權化，即便幾十人的小企業，也能以低成本獲得私有化 AI 能力，無需承擔百萬級算力投入；

二是數據主權絕對化，模型可公有，但企業核心數據必須 “不出域”，從源頭規避泄露風險；

三是黑盒透明化，AI 的每一次生成、每一個決策都可審計、可回溯，既保證好用，更確保合規。

為響應這一需求，針對中型企業的輕量級安全 AI 解決方案集中爆發。在硬件端，智譜 AI、面壁智能等廠商通過模型蒸餾技術，推出適配消費級顯卡甚至端側設備的 “訓推一體機”—— 中腰部企業只需購買一臺類似路由器大小的設備，插電即可使用，數據全程存儲在本地，既解決算力焦慮，又消除數據泄露顧慮。

在協同與 OA 領域，泛微、致遠互聯等深耕本土的廠商，在新品中極力強化 AI 助手的本地化屬性，AI Agent 可直接部署在企業自有服務器，與原有 ERP、CRM 數據實現物理隔離式交互，這種看得見、摸得著的安全感，成為制造業、醫療等敏感行業企業的采購關鍵。

在技術選型上，Dify、FastGPT 等開源中間件興起，大量技術型中小企業不再直接購買通用 SaaS AI，而是在自有可控的云環境中搭建專屬 Agent，這也倒逼 SaaS 廠商開放更靈活的 API 接口，摒棄黑盒式服務模式。

企業不再迷信 “千億參數” 的通用大模型，更青睞 “參數雖小，但跑在自家服務器、懂自家業務” 的專屬模型。“默認私有化、可控化” 的普及，標志著企業級 AI 正式跨過炒作期，進入規?；a應用階段，成為企業數字化底座的核心組成部分。

6. 產品經理的角色發生變化

2025 年 AI Agent 的規?；涞兀瑥氐赘膶懥水a品經理的核心職責。傳統產品設計聚焦功能模塊與操作路徑優化，本質是設計人如何使用工具；而如今，產品經理的核心任務已轉向搭建多元主體的協作規則，需在人機、機機、機與系統間構建高效可控的協作體系。

（1）人機協作：劃定分工邊界與交互節奏。

AI 從被動工具升級為協作伙伴，產品經理需明確人與 AI 的職責劃分。例如在客服場景中，需設計 “AI 自主應答 - 復雜問題人工介入” 的流轉規則；辦公場景里，需界定數據錄入等自動化操作與權限分配等人主導決策的邊界。同時，要平衡預判式協作的效率與用戶體驗，避免過度干預。

（2）多 AI Agent 協作：制定分工與協同規則。

當產品嵌入多個 Agent（比如銷售、財務、合規類），產品經理需像設計團隊分工般明確規則。比如定義潛客 Agent 與銷售 Agent 的線索同步邏輯，設置多 Agent 調用同一資源時的優先級，解決合規與效率需求的沖突，確保協作無斷點、無內耗。

（3）AI 與原有系統協作：搭建兼容與博弈機制。

AI 產品需與 ERP、CRM 等原有系統深度聯動，產品經理需設計數據同步規則（實時 / 定時）與功能銜接邏輯，明確 AI 決策與系統預警沖突時的處理原則。核心是讓 AI 放大原有系統價值，而非替代或沖突，實現新舊體系的平滑協同。

本質上，2025 年的 AI 產品設計已從工具邏輯轉向組織邏輯。產品經理不再是單純的功能設計師，從某種意義上是一個協作架構師，需兼顧 AI 能力邊界、人的決策價值與系統沉淀，在多元主體間搭建高效可控的協作生態。

03 爭議與未解問題：這些產品還沒解決什么？

AI 產品在帶來效率革命的同時，也暴露了行業尚未破解的核心爭議與深層問題。這些未解之謎不僅關乎產品落地效果，更決定著AI能否真正成為企業不可替代的生產要素。

1. 企業真的敢讓AI自主執行核心任務嗎？

盡管產品普遍宣稱“Agent可自動完成工作”，但企業端的信任壁壘仍未完全打破。對于財務結算、合規審核、客戶簽約等核心環節，多數企業仍選擇“AI輔助+人工終審”的保守模式。

釘釘AI表格的自動化流程多應用于日常數據統計，而非財務報銷審批；法大大法務AI智能體的合同審核結果，仍需法務人員最終確認。這種信任缺失的背后，是AI決策的黑箱問題。企業無法完全追溯AI得出結論的邏輯，一旦出現偏差，責任界定模糊。如何讓AI的決策過程透明化、可解釋，成為打通“自動執行”最后一公里的關鍵。

2. Agent的失誤成本誰來承擔？

AI的不完美性與企業業務的零容錯需求形成天然矛盾。

客服Agent誤判客戶需求導致投訴升級，供應鏈Agent推薦的物流方案引發延誤，財務Agent對賬錯誤造成資金損失......這些潛在失誤的成本，目前仍完全由企業承擔。盡管部分產品提供了操作回溯、人工干預功能，但既未建立明確的失誤賠償機制，也缺乏降低失誤影響的應急預案。

當AI從輔助工具變為責任節點，如何界定產品廠商與企業的風險邊界，如何設計失誤兜底方案，成為行業必須回答的現實問題。

3. AI 產品是否會重蹈“過度平臺化”覆轍？

當年SaaS行業“平臺化”浪潮導致產品功能冗余、操作復雜的教訓仍在眼前，2025年的AI產品似乎正走向相似軌跡。

無論是釘釘One、Salesforce Agentforce 360，還是用友BIP 5，都在不斷疊加Agent開發、數據整合、流程自動化等多元能力，試圖覆蓋全場景需求。這種“大而全”的設計，正在讓部分產品變得笨重。

中小企業需要的僅是單一崗位的AI工具，卻不得不面對復雜的平臺配置流程；大型企業的個性化需求，仍需額外定制開發。過度平臺化可能導致產品脫離實際需求，陷入功能堆砌卻無人深度使用的困境。

4. 中小SaaS是否會被AI原生公司擠壓？

傳統中小SaaS廠商正面臨兩難困境：一方面，AI原生企業憑借技術優勢，快速切入垂直場景（如零一萬物的“萬仔”超級員工智能體直接對標傳統OA的部分功能）；另一方面，自身缺乏AI研發能力，升級產品需依賴第三方大模型，導致成本高企、響應滯后。

更嚴峻的是，AI原生產品的結果導向定價模式，正在沖擊中小SaaS的按模塊/用戶收費邏輯。當客戶更愿意為每月完成多少任務付費，而非使用多少功能，中小SaaS的價格優勢逐漸消失。如何在AI浪潮中找到差異化定位，避免被頭部廠商或AI原生公司淘汰，成為中小SaaS的生存命題。

04 結語

2025年，不是企業級AI的“元年”，而是“實干元年”。未來，企業軟件的競爭焦點將徹底改變。

當AI開始直接參與工作本身，當數字員工與人類員工協同成為常態，企業軟件長期以來賴以劃分邊界的CRM、OA、ERP等標簽，正在失去原有的意義。

下一個時代的企業軟件，將以任務為核心，以協作為紐帶，重新定義人與機器、系統與流程的關系。而那些能夠破解信任鴻溝、厘清風險邊界、堅守業務本質的產品，終將成為這場變革的最終贏家。

說明：本文為牛透社原創，未經授權，請勿轉載。