Salesforce以80亿美元收购Informatica，标志着企业AI竞争的核心正从模型算法转向底层数据治理能力。此举旨在为Salesforce的AI智能体平台Agentforce构建可信赖的数据基石，预示着SaaS行业将进入一个以数据可控性、安全性和一致性为核心的“可信智能”新阶段。
在硅谷一隅，一起看似平淡无奇的收购案，却悄然预示着企业软件领域一场深刻的范式变革。2025年5月底，云计算巨头Salesforce宣布以约80亿美元的价格，将老牌数据管理平台Informatica纳入麾下。这笔交易没有大模型的光环，也缺乏网红创始人的加持，却触动了无数资深软件从业者的神经。它所揭示的，不再是简单的业务版图扩张，而是企业AI战略正在经历一场从“前台炫技”到“底层基建”的深层转向——数据治理，正成为AI落地和规模化应用的核心战场。1
数据治理：AI时代的“新基石”
在ChatGPT、Agent和Copilot等AI原生工具成为企业标配之后，企业软件公司面临的核心问题已不再是“要不要做AI”，而是“是否具备做AI的资格”。而这个“资格”，正越来越多地由企业的数据能力所决定。当模型本身逐渐演化为通用资产，真正决定AI应用落地效果的，是数据的可治理性、安全性与一致性——它们构成了支撑智能系统的关键“地基”。
Informatica，这家成立于1993年的公司，在公众视野中的存在感或许不及它的实际价值。然而，作为全球最早的数据集成与治理厂商之一，它曾开创了商业化ETL工具的先河，并逐步扩展至主数据管理（MDM）、数据目录、数据质量控制、元数据分析、数据安全等多个核心模块。它并非追求爆发式增长，而是以其“任务关键型”（mission critical）的稳定性和长期续费能力，成为大中型企业数据架构中不可或缺的基础组成部分。例如，在一家美国保险巨头那里，Informatica通过自动化数据映射和血缘分析，将横跨14个业务单元的客户数据重复率降低了38%，理赔处理效率提升了60%以上2。这些提升并非源于前沿AI，而是来自被忽视的数据基础打通。
Informatica的核心优势在于其完整、深厚且高度可配置的治理能力——它能够为企业提供一套基于元数据驱动的统一“数据血缘图谱”。在当今数据来源分散、类型多样、监管趋严的背景下，这种能力变得愈发不可替代。
Salesforce的“数据焦虑”与Agentforce的野望
Salesforce此次收购Informatica，正是其AI战略进入落地阶段的必然选择。正如Salesforce首席执行官Marc Benioff所言：
“人工智能时代，真正的挑战不是模型怎么造，而是你能不能让客户信任它。Informatica能够帮助我们搭建企业智能的‘数据护城河’，让每一次智能决策都有可信的数据支撑。”1
这清晰地表明了Salesforce从传统的“前台软件公司”向“基础设施型平台公司”转型的决心。Salesforce的核心AI愿景——Agentforce，旨在让AI成为业务协作的有机组成部分，而非孤立工具。这要求AI模型能够理解复杂上下文、实时接入历史数据、并自动处理数据访问权限。这些能力，Salesforce现有的Data Cloud和Tableau难以独立完成。Data Cloud更多是一个数据湖式的聚合系统，面对的是杂乱、分散、缺乏统一血缘链路的数据。而当系统需要生成“个性化推荐”、“AI总结”或“跨平台洞察”时，数据的来源必须清晰且可信。
Salesforce在过往的并购整合中，也曾面临挑战。例如，收购Slack后用户增长趋缓，Tableau因与CRM数据平台缺乏深度绑定而一度面临客户流失。此次收购Informatica被外界视为Salesforce从“扩张优先”走向“架构修复”的关键转折点，旨在补足其在数据治理方面的长期短板，构建一个“可信的数据堤坝”1。
为了支持其Agentforce战略，Salesforce已在组织架构上进行了相应调整，首次将AI和数据平台部门独立出产品部门，并设立了“AI平台治理中心”，专职推进Agentforce的数据安全治理方案。这表明公司战略重心已从界面交互转向数据中台与治理能力。在合规监管日益趋严的背景下，Informatica在数据访问控制、分级权限体系以及对GDPR、中国数据出境等合规要求的支持，将直接提升Salesforce在全球多市场的适应能力，尤其是在政务、医疗和跨国企业等对数据合规性要求极高的领域。
行业转型：从算法竞赛到可信智能
Salesforce的这一战略举措并非个案，而是整个SaaS行业正在经历的集体转型缩影。AI不再是“外挂式功能”，而是将深入平台底层架构，重塑数据、权限、合规等基础体系。
AI模型的发展正在经历两个阶段：第一阶段是算法与算力的竞赛，强调模型精度与多模态能力；第二阶段，则是如何将模型安全、合规、高效地部署到具体业务流程中，产生真实的投资回报率。这种部署能力，已从单点调用工具，转向对平台型SaaS架构的整体演进提出要求。
当前，AI在SaaS软件中的嵌入式应用正快速扩大，但随之而来的问题也变得更具体：多数SaaS厂商面临主数据重复、接口混乱、字段不统一、敏感数据缺乏权限分级等挑战。如果没有系统性的治理机制，AI嵌入反而会加剧信息混乱与风险堆积。
这一现象直接推动了数据治理工具从“配套工具”走向“平台基础能力”。根据Gartner报告，预计到2026年，超过70%的企业级大模型部署项目将依赖独立数据治理模块，治理预算将占企业AI投资的25%以上1。这在其他SaaS巨头身上也得到了印证：SAP在其BTP平台中强化了数据主权与数据血缘管理；Workday在VNDLY平台中新增AI使用权限分区与用户级数据溯源功能；而Oracle在收购Cerner后，也以医疗数据治理为切入口重塑其SaaS架构的可信层。麦肯锡2024年的调研显示，超过68%的企业在推进AI项目过程中最主要的障碍并非算法本身，而是“缺乏统一数据口径”、“数据源混乱”、“敏感数据使用风险不可控”等与治理高度相关的问题1。
这些案例共同指向一个明确的行业趋势：过去企业部署AI关注的是能否实现，而如今，更多的技术决策者和业务负责人开始关注的是落地之后的可控性和可持续性。
References
-
产业家 (2025/6/18)。Salesforce收购Informatica背后：数据，正成为Agent服务商的必需竞争力。36氪。检索日期2025/6/18。 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
-
腾讯云开发者社区 (时间未知，但文章讨论2024年交易)。Salesforce斥资80亿美元收购Informatica对企业数据与 AI 的意义。腾讯云。检索日期2025/6/18。 ↩︎