Salesforce正逐步将战略重心从大语言模型的部署转向专业化、高效且可信赖的智能体开发，旨在通过人工智能技术解决企业面临的特定商业难题。公司执行副总裁兼首席科学家Silvio Savarese在接受媒体专访时强调，AI对企业的核心价值并非底层模型本身，而是基于这些模型构建的智能体能力。
"我们正从对模型的过度关注转向更务实的智能体开发，"Savarese指出，"客户真正需要的是能够直接解决业务问题的智能体，而非单纯的技术展示。这种转变正在重塑我们的业务模式。"
为实现这一目标，Salesforce研究团队将智能体架构拆解为四大核心组件：记忆系统、推理引擎、交互界面和功能调用模块。在记忆系统方面，团队开发了专有向量嵌入技术，显著提升了数据检索效率和信息组织能力；推理引擎则通过增强Atlas引擎的可靠性，使其能够更精准地规划复杂任务流程；交互界面创新则集中在先进语音模型的研发上，以实现更自然的对话体验。
功能调用模块是此次技术突破的关键领域。Savarese透露，研究团队专门构建了大型动作模型（LAM），该模型在执行API调用和操作指令时展现出远超传统大语言模型的准确性。"大语言模型的设计初衷是文本生成，而非动作执行，"这位斯坦福大学出身的科学家解释道，"LAM则通过整合环境反馈机制，使动作执行能力得到质的提升。"
这种技术路线选择也回应了企业对通用AI模型成本和效率的担忧。Savarese认为，企业应当根据具体场景匹配适当规模的模型，通过专业化小型模型驱动专用智能体，处理如产品退货、密码管理等特定任务。"实践表明，在明确用例下，小型模型完全能达到与大型模型相当的性能，"他补充道，"同时还能显著降低资源消耗。"不过他也承认，在需要协调多个智能体的复杂工作流中，大型模型仍具有不可替代的价值。
通过智能体AI战略，Salesforce正在构建企业通用智能（EGI）体系，该体系聚焦于业务关键领域的深度能力拓展，如执行系统性研究而非简单搜索，或为复杂营销活动制定长期规划。这与消费级人工通用智能（AGI）的发展路径形成鲜明对比。"业界对AGI的追逐可以理解，但企业更需要的是在实用任务中保持高度准确性和一致性的解决方案，"Savarese强调，"比如确保客户智能体能在正确时机提供准确信息。"
支撑整个智能体生态的是Einstein Trust Layer安全架构，该系统集成了数据掩码、零数据留存和审计追踪等企业级防护措施。Savarese特别指出，构建具备自我认知能力的智能体至关重要："当智能体能够评估自身决策的置信度时，就能有效避免'幻觉'问题，并将不确定性较高的决策转交人工审核，这为技术落地提供了关键保障。"
