SaaS行业“接”AI，Zoho选择“长”AI

10月20日，Zoho在北京举办媒体沟通会。会上Zoho宣布中国市场投资加码至4.25亿元、发布“海鸥计划”，并系统阐释了企业级AI战略的最新底层布局：从预置行业智能体的Zia Agents，到让企业像搭积木一样定制专属智能体的Agent Studio，再到连接外部生态的MCP协议。Zoho中国COO夏海峰在会上给出一个鲜明判断：“AI不会杀死SaaS，而是让SaaS重新定义自己。当智能体能调用API完成任务执行，软件就成为智能体的底座。”

夏海峰这一判断在当下有明显的现实指向。2026年2月，一位杰富瑞交易员为一场抛售潮造了个词——“SaaSpocalypse”（SaaS末世论）：48小时内，软件板块2850亿美元市值蒸发；到4月，累计市值蒸发超过万亿美元。高盛分析师在研报中直言，由AI驱动的趋势性修复在2026年难以出现。更深层的冲击来自商业模式本身：AI Agent开始直接承接流程化工作，按人头、按席位计费的传统SaaS定价体系正在被从根本上动摇。

喧嚣之中，Zoho的选择显得安静而“反直觉”。Zoho没有发布颠覆性的AI宣言，也没有加入大模型参数的内卷竞赛，而是把重点放在一件更朴素的事情上：让AI真正进入企业的业务流，而不是作为一个需要额外采购的“外挂”。

行业在“接AI”，Zoho在“长AI”

当前多数SaaS厂商的AI路径并不复杂：接入第三方大模型，在产品界面上增加一个AI入口。速度很快，声量很大，但一个结构性矛盾随之浮现——企业的核心数据，如客户名单、财务流水、供应链底价，需要经过外部模型的黑盒处理，才能换回一个智能化的结果。

Zoho走了另一条路。2025年7月，Zoho正式推出专有大语言模型Zia LLM，完全利用NVIDIA的AI加速计算平台在内部构建，参数规模分为13亿、26亿和70亿三档，每一档都针对不同的业务场景独立训练和优化。Zoho方此前透露，公司在过去一年内于计算基础设施上的投入超过2000万美元，部署了256块NVIDIA GPU，从零开始搭建Zia LLM，而非依赖第三方API或微调消费级模型。

TEC评估机构的分析概括了这种选择的逻辑：Zoho的模型“优先考虑任务相关性和可负担性，而非单纯的模型规模”。Everest Group则将Zoho的差异化定性为“端到端AI基础设施”，并特别指出其在内部互操作性与“隐私优先基础设施”上的强对齐。换句话说，Zoho的AI不是“租来的能力”，而是从底层长出来的。

不追参数追场景，小模型的大生意

一个容易被忽略的事实是：企业AI能否发挥作用从来不在模型够不够大，而是取决于模型够不够“贴”。Zia LLM提供13亿、26亿和70亿参数三种规模，各模型均经过独立训练与优化，用于数据提取、内容摘要、结合企业知识库生成回答、代码生成等业务场景。

这种“right-sizing”（按需匹配模型规模）策略的背后，是对企业真实工作负载的拆解：

根据任务的复杂程度和处理要求匹配相应规模的模型，在准确性、响应速度与成本之间取得平衡。

支撑这一策略的是Zoho构建的智能体体系。Zia Agents提供多种预置业务智能体，覆盖销售教练、客户洞察、报价助手等标准场景；Zia Agent Studio以无代码/低代码方式让企业按需定制专属智能体，内置超过700个跨产品的操作动作；MCP服务器则让第三方AI助手和智能体在用户授权范围内访问Zoho应用数据、执行相关操作。

一个具体用例是：一家汽车零部件客户利用Zia Agent Studio开发了成本预测智能体，用来应对关税和运输波动带来的材料成本变化。这个案例的启示在于，企业需要的不是一个更聪明的对话框，而是一个能嵌入具体业务判断、消化行业经验的执行单元。

Gartner的警告与Zoho的“敢用”底线

行业数据正在验证一个判断：企业级AI的分水岭，正在从“能力”转向“信任”。Gartner预测，到2027年底，超过40%的代理式AI项目将因成本不断攀升、商业价值不明确或风险控制不足而被取消。Gartner高级研究总监Anushree Verma直言，大量代理式AI项目“受炒作驱动且常被误用”，许多所谓的代理式AI用例实际上并不需要代理式AI。与此同时，G2的2026年报告显示，86%的B2B买家在过去一年购买了AI智能体软件，但只有9%认为按席位定价是公平的方式，46%的买家表示智能体的运行成本超出预期。

这组数据勾勒出一个尴尬的行业现实：企业正在为AI付费，却不确定钱花得值不值；厂商在兜售智能体，却很少有产品真正嵌入业务流程并被稳定使用。

Zoho 的底线策略在这个语境下获得了一种新的解释力：Zoho 不拿客户数据训练通用模型，自建全球数据中心，支持自研、开源与第三方模型灵活组合，客户数据全程保留在 Zoho 自有基础设施内。

Zoho 对这件事的判断也颇为工程化：AI 不是魔法，是管道。企业 AI 的难点不在 API 调用，而在数据层、权限层、流程层的基础设施是否真正打通。当行业热衷于用参数和概念争夺注意力时，这种“管道工”式的克制，反而构成了泡沫期最稀缺的信用——让企业敢用，比让企业惊叹更重要。

投资筑底，计划铺路，AI 安放在最贴近业务的那一层

支撑这套 AI 逻辑的，是 Zoho 在中国市场持续的底层投入。今年 4 月宣布的 3.5 亿元投资，重点之一正是北京、上海数据中心的扩容与 AI 算力升级。在本次秋季媒体沟通会上，Zoho 宣布追加 7500 万元，累计计划投入达到 4.25 亿元，用于数据中心与 AI 算力、本土化研发、团队及渠道生态建设。

持续投入之外，Zoho 也在完善面向中国出海企业的产品与服务支持。此次会上发布的“海鸥计划”，面向不同发展阶段的出海企业，提供覆盖营销、销售、客服、办公协同、财务等场景的数字化工具与配套服务。通过可持续扩展的产品组合，企业可以从当前需求出发搭建业务系统，随着海外业务发展逐步扩展应用，减少多套工具分散使用带来的信息割裂与协作成本。

从基础设施投入到产品与服务支持，Zoho 正在持续完善企业开展全球业务所需的数字化支撑：投资解决的是“算得动”的问题，计划解决的是“用得上”的问题，AI 则被安放在最贴近业务的那一层——不是独立的产品线，而是贯穿 CRM、邮箱、财务、客服的底层能力。

AI 不会杀死 SaaS，但会重新定义 SaaS 的价值坐标。当席位不再等于价值，真正留下来的，是那些把 AI 做进流程里、做进数据里、做进企业每一天运营里的软件。Zoho 选择了一条更慢的路，但这条路回答了一个更长久的问题：泡沫退去之后，什么样的 AI 才真正值得被留下。