Salesforce正逐步將戰略重心從大語言模型的部署轉向專業化、高效且可信賴的智能體開發，旨在通過人工智能技術解決企業面臨的特定商業難題。公司執行副總裁兼首席科學家Silvio Savarese在接受媒體專訪時強調，AI對企業的核心價值并非底層模型本身，而是基于這些模型構建的智能體能力。

"我們正從對模型的過度關注轉向更務實的智能體開發，"Savarese指出，"客戶真正需要的是能夠直接解決業務問題的智能體，而非單純的技術展示。這種轉變正在重塑我們的業務模式。"

為實現這一目標，Salesforce研究團隊將智能體架構拆解為四大核心組件：記憶系統、推理引擎、交互界面和功能調用模塊。在記憶系統方面，團隊開發了專有向量嵌入技術，顯著提升了數據檢索效率和信息組織能力；推理引擎則通過增強Atlas引擎的可靠性，使其能夠更精準地規劃復雜任務流程；交互界面創新則集中在先進語音模型的研發上，以實現更自然的對話體驗。

功能調用模塊是此次技術突破的關鍵領域。Savarese透露，研究團隊專門構建了大型動作模型（LAM），該模型在執行API調用和操作指令時展現出遠超傳統大語言模型的準確性。"大語言模型的設計初衷是文本生成，而非動作執行，"這位斯坦福大學出身的科學家解釋道，"LAM則通過整合環境反饋機制，使動作執行能力得到質的提升。"

這種技術路線選擇也回應了企業對通用AI模型成本和效率的擔憂。Savarese認為，企業應當根據具體場景匹配適當規模的模型，通過專業化小型模型驅動專用智能體，處理如產品退貨、密碼管理等特定任務。"實踐表明，在明確用例下，小型模型完全能達到與大型模型相當的性能，"他補充道，"同時還能顯著降低資源消耗。"不過他也承認，在需要協調多個智能體的復雜工作流中，大型模型仍具有不可替代的價值。

通過智能體AI戰略，Salesforce正在構建企業通用智能（EGI）體系，該體系聚焦于業務關鍵領域的深度能力拓展，如執行系統性研究而非簡單搜索，或為復雜營銷活動制定長期規劃。這與消費級人工通用智能（AGI）的發展路徑形成鮮明對比。"業界對AGI的追逐可以理解，但企業更需要的是在實用任務中保持高度準確性和一致性的解決方案，"Savarese強調，"比如確保客戶智能體能在正確時機提供準確信息。"

支撐整個智能體生態的是Einstein Trust Layer安全架構，該系統集成了數據掩碼、零數據留存和審計追蹤等企業級防護措施。Savarese特別指出，構建具備自我認知能力的智能體至關重要："當智能體能夠評估自身決策的置信度時，就能有效避免'幻覺'問題，并將不確定性較高的決策轉交人工審核，這為技術落地提供了關鍵保障。"