接口层战争打响：模型在贬值，数据上下文在升值
Dreamforce 24 小时连发 Koa 模型、AIforce 接口层与两笔 Agent 落地，DeepSeek 再把任务成本打到 0.07 美元。模型在贬值，企业数据上下文才是新战场。
先说结论：过去 24 小时企业 AI 领域发生的所有大事，都指向同一个趋势——模型能力正在快速贬值，而企业数据上下文（谁能安全地把"对的数据"交给 AI）正在成为新的竞争高地。9 月 15 日旧金山 Dreamforce 大会一天之内连发四件事，加上 DeepSeek 同日刷新 Agent 任务的成本下限，这两条线索拼在一起，画面已经相当完整。
24 小时，四件大事：Dreamforce 的信息密度
9 月 15 日这一天，Salesforce 在 Dreamforce 会场内外公布的动作密度罕见：
| 发布/事件 | 一句话概括 | 为什么重要 |
|---|---|---|
| Koa 推理模型 | Salesforce 首款自研企业级推理大模型，基于英伟达开源 Nemotron 底座 | 大厂开始"不依赖前沿模型" |
| AIforce 接口层 | 把数据、工作流、权限、治理开放给外部 AI 工作界面 | 官方定义"AI 时代的新接口" |
| Siemens × Teamcenter | 工程知识直接进入 18000 名销售的服务与报价流程 | 工业场景 Agent-to-Agent 落地 |
| Adecco 全面推开 | 27000 名员工、40 多个国家用上 AI 队友 Coworker | Agent 规模化的实证样本 |
单看任何一件都只是一条产品新闻；拼起来看，它们的指向高度一致。
第一条线索：AIforce 要做企业数据的"总接口"
AIforce 是这次 Dreamforce 最有战略意味的发布。Salesforce 把它定义为"活的接口层"：让人和 AI 智能体在其他工作界面里，直接使用 Salesforce 里的数据、工作流、业务逻辑、权限、安全与治理能力。首发包含三个入口——Claudeforce（在 Claude 里预置的 MCP 连接）、Slackforce（把业务上下文带进 Slack）和 Agentforce Coworker。
CEO 贝尼奥夫把这次转变类比成从 DOS 到图形界面、再到移动计算的"接口革命"。背后的产品逻辑很直白：AI 聊天工具可以换、模型可以换，但业务记录、权限规则和审计轨迹必须留在企业自己的系统里。据发布材料，AIforce 的每一次请求都沿用 Salesforce 里已配置的权限与业务规则，动作最终路由回 Salesforce 执行，并对业务数据采用零留存策略。
翻译成一句话：接口可以在外面，数据和治理必须在家里。
第二条线索：Koa 的潜台词——模型能力在贬值
如果说 AIforce 回答的是"接口在哪里"，那 Koa 回答的就是"模型还值多少钱"。
Koa 是 Salesforce 首款企业级推理大模型：基于英伟达开源权重的 Nemotron 底座，双方联合微调，专精销售、营销与客服任务。三个细节值得咀嚼：
- 训练不用真实客户数据。微调全部用自行模拟业务场景生成的合成数据集——客服、投诉、成交模拟，一样不少，但客户数据零摄入。
- 目标不是通用智能，是省 Token。英伟达方面称该推理架构可以控制 Token 开销，同时达成自主可控、首包响应快、推理高效三个目标。
- AI 网关自动路由。简单任务走专项小模型，复杂推理走 Koa，仍然可以在需要时调度 Claude 或 ChatGPT。
Salesforce AI 高级副总裁戈文达拉扬接受 TechCrunch 采访时说得坦率：过去复杂推理一直依赖外部前沿模型，"这种局面到现在终于改变了"。
这不是孤例。同一天，DeepSeek 发布 V4.1-Flash（Max），冲上 Agent Arena 开源模型榜第三，任务中位成本仅 0.07 美元——在相近任务成功率下比同类模型便宜约 68%。英伟达 CEO 黄仁勋在同场大会上给出的说法是：开源模型的市场份额过去一年从约三成涨到约七成，闭源模型的 Token 消耗量增长了 25 倍（此为其现场表述，非独立市场统计）。
把这几件事放在一起：高质量推理的获取成本正在坍缩。当"聪明"不再稀缺，稀缺的是什么？
Siemens 与 Adecco：答案已经写在落地案例里
稀缺的是贴着业务的数据上下文。这次大会上的两个客户案例恰好是最好的注脚。
Siemens 把 Agentforce 与自家 Teamcenter 服务生命周期管理软件打通，把工程级的"产品真相"直接塞进销售与售后工作流：服务技师第一次上门前就能确认某个序列号该换哪个备件；销售报价前就知道哪些升级在技术上可制造。此前 Siemens 每月收到超过 2500 条无法分辨质量的销售线索，现在由两个协作的 AI 智能体 100% 覆盖、132 个国家全部接入初筛。发布材料引用的行业分析还提到：售后市场业务的增速约为新设备销售的六倍，利润率约为四倍。
Adecco 则把 Coworker 推向全球 27000 名员工、40 多个国家。招聘人员在一个界面里看到候选人历史、客户上下文与业务数据——这些数据此前散落在 30 多个系统里，如今由 Data 360 统一成单一实时画像。据 Adecco 在会上披露，其英国招聘流程中的 Agent 部署已带来约 15% 的时间节省。
注意两家公司做对的事情其实是同一件：先把散落的数据收敛成有权限、有语义、可被 Agent 安全调用的统一上下文，再让 Agent 上场。
对企业的启示：接口会换，语义不会
回到开头的问题。这场"接口层战争"对大多数企业的真正启示，不是"要不要上 Salesforce"，而是三点：
第一，别把宝押在某个接口上。 今天是 Claudeforce，明天可能是别的聊天工具；接口层的迭代速度只会越来越快，被锁死的应该是企业自己的数据语义。
第二，模型选型的焦虑可以降级了。 当 0.07 美元就能完成一次 Agent 任务、开源模型占据七成市场时，模型差异对业务结果的影响正在缩小；而"同一个指标两个部门算出两个数"这种语义问题，模型再强也解决不了——因为歧义在你的业务里，不在模型里。
第三，把预算从"换更好的模型"挪向"治理数据上下文"。 权限、口径、指标定义、血缘关系——这些看似无聊的东西，恰恰是 AIforce 这类接口层之所以能安全开放的前提。谁的数据上下文治理得好，谁就能在任何新接口出现的第一天接入。
这正是我们在 OntiCards 上反复验证的路径：把库表加工成带业务语义的数据卡片，让指标口径、字段含义和权限规则沉淀在卡片层，而不是散落在每一段临时生成的 SQL 里。关于语义层为什么是数据智能体的决胜点，我们在此前的文章里有过更系统的分析（见语义层：数据智能体的决胜点与模型疲劳时代的抗迭代设计）。
模型每个月都在换代，接口每个季度都在翻新，但"你的退货率到底怎么算"这个问题，五年后还是那个问题。把它治理好，比追上任何一个模型都更保值。
如果你想看看数据卡片如何把企业库表变成 AI 可以安全调用的上下文，欢迎联系 hello@onticards.com 申请开通测试账号。
