Zoho AI 全景的三层架构：数据、连接与执行

10月20日，以"助力中国企业全球化成长"为主题的Zoho媒体沟通会，在北京拉开序幕。本次会议明确传达出三个信号：深耕中国市场加大投入、助力中企全球化成长、持续AI研发及场景化落地。分享内容紧紧围绕中国企业的关注点展开，"出海"和"AI"两个关键词高频出现。

但把这两个词放在一起看，会发现一件有点反直觉的事：工具越多，AI越进不去。

Zoho全球副总裁Mathivanan说的很直接：太短的决策周期，太多的备选工具，从一开始就造成了太多的数据孤岛。出海企业的系统复杂度本来就高：多币种、多时区、多组织、多语言。每上一个新工具就多一份集成成本，每多一处数据孤岛，AI能看到的业务上下文就少一块。

AI不是不肯干活，是它连门都进不去。

Zoho AI之路始于2013年，始终在探索如何把AI落到真实业务场景。

十几年下来，答案逐渐清晰。 Zoho中国COO夏海峰把它整理成了Zoho AI全景，概括为三层架构——底层（Zoho的多款业务应用）给数据，中间层（MCP 和AI Coding）做连接，上层（Agent 智能体）管执行。用一条动线串起来就是：Ask Zia当场答，Zia Agents直接执行， 从询问到落地形成完整闭环。

而现实中，大多数AI只停在了"答"，并没有接过任务。

从"回答"到"执行"是真正的分水岭，中间隔着权限、风险、准确率三道坎，如果跨不过去，AI就只是一个搜索框。

Zoho AI全景要解决的，就是往下走这一步。

· 询问：Ask Zia当场答

独立 AI 助手落地企业场景时，普遍面临数据孤岛难题：员工在外部AI工具提问，AI无法感知CRM客户分级、ERP库存、邮件历史沟通等业务上下文。Zoho的解法是将AI助手深度嵌入业务应用——Ask Zia。它并非独立产品，而是原生集成在CRM、邮箱、财务、客服等套件内的能力入口。

‌‌Ask Zia的回答限定于企业授权开放的数据池：依托CRM记录、财务单据、客服工单等已有业务信息做分析与内容生成，不会凭空生成系统内不存在的业务数据。同时，Zia沿用系统原有角色权限体系，销售人员仅可查看自身权限范围内的客户信息，保障数据访问安全。

Zoho打造Ask Zia的目标，是提供懂业务、遵循权限、可落地的业务辅助能力：用户无需提前导出数据、解释字段、补充业务背景，直接在业务场景内提问获取结果。对重视数据安全、追求业务流程闭环的企业而言，这类场景原生、数据可控的嵌入式AI，能够更好匹配其生产力需求。

· 上层：管执行

从 “能回答” 到 “能执行”，核心差距往往不在于基础智能能力，而在于三点：能不能调工具、能不能跑多步骤流程、能不能在出错时停下来找人。只会调工具的AI遇到流程中断就卡死；不敢停下来的AI出错了你还不知道错在哪。

这一层在会上被系统地展开，是Zoho AI战略升级的主线——从"AI 助手"走向"AI 自主执行"，由三大能力组成：

Zia Agents是预置智能体。上百个开箱即用的角色覆盖销售、客服、市场、财务等通用场景——销售教练、SDR 机器人、客户经理、IT服务台助手。会上给的说法很准：把有规律、可复用、吃经验的岗位和场景交给它自动化。

Agent Studio低代码平台，让企业按自己的业务搭。Zoho的一家汽车零部件客户就在上面开发了成本预测智能体，应对关税、运输等因素造成的材料成本波动，诸如这类规则复杂、每家口径都不同的场景，标准产品最难覆盖。而自定义能力，也是Zoho的差异化优势。

Agent Marketplace承担生态载体角色。上线三个月已初具规模：第三方开发者可在此发布、分发行业专业智能体，合作伙伴也可基于它为存量客户交付定制化智能方案，共同丰富自主执行智能体生态。

一个具体场景——会上演示的Zia Agents报价助手，点"生成报价单"：

“20条轮胎，200套车床，整单再减500元。”

它自动做完四件事：读商机客户联系人、搜产品库、算行级与整单两层折扣、建报价单。三件事是过去做不到的：中文折扣直接听得懂，"九折""打八折"不用人先换算；一句话可以跨多个产品，不用报产品编码；折扣是系统算的，一次算清。

报价助手跑的四步、数字员工的值守范围，都是人事先写好的，再往前一步，是让它自己决定该干什么，这不是"再聪明一点"就能跨过去的。模型能力的提升是连续的，而"自主执行"是一道有槛的闸门，门槛不在模型，在系统有没有准备好被AI调用。

· 中间层：连接与扩展

一家企业桌上的AI工具往往不止一个，业务系统却只有一套。问题就来了：数据在里面，怎么让外面的 AI用得上，又用得安全？

Zoho MCP（模型上下文协议） 给出了答案。

打个比方，MCP就是插座标准，插头形状统一，通电就能用。Zoho MCP是插座的那一边：左边接 Claude、ChatGPT、豆包、千问、Cursor，右边接CRM、财务、客服、项目。Zoho MCP提供配置界面、鉴权、安全策略和集成，而且不挑模型。用户可以用Zoho托管的模型，也可以自带API Key，敏感数据在离开环境之前就被遮蔽。

夏海峰向记者介绍，“开放底座” 的核心，是依托标准化协议打通外部生态，让Zoho 业务能力（技能包）可被各类外部智能体调用。很多厂商的路径是先开发 AI 能力，再尝试对接业务系统，容易造成AI始终游离在业务之外的情况。Zoho选择相反思路：先行将自身应用改造为agent-ready（面向智能体就绪），再通过标准协议接入各类大模型与智能体。

· 底层：三十年的积累，今天变成了壁垒

1996年Zoho成立，到如今整三十年。

三十年里做的那些"不性感"的事——数据库、权限模型、集成能力、企业级运维......在AI出现之前显得“笨重”，今天却变成了最难绕开的壁垒。

这个优势不是白来的，它需要时间。

AI这条线，Zoho同样走了很久：2016年Zoho CRM发布首款引入人工智能的版本，销售预测、线索评分、最佳联系时机这些今天像标配的功能，那时候还是新东西；2025年，自研大模型Zia LLM落地；再到如今的Zia Agent、Agent Studio......

至此，两道最实在的壁垒清晰可见：一是底座可控。自研Zia LLM与第三方模型可按合规、成本、性能灵活选择，敏感数据全程留在自有数据中心，尤其对做跨境的企业来说，这不是加分项，是准入条件；另一道则是与企业流程相辅相成。AI能力直接融进营销、销售、客服、财务、人力资源这些真实业务模块，而不是做成一个独立外挂。一个守住边界，一个扎进流程。

正如夏海峰在会上抛出的观点：“随着智能体具备调用API和自主执行任务的能力，企业软件不再只是供人操作的功能工具，同时成为承载智能体开展业务的底座。AI不会杀死SaaS，而是让SaaS重新定义自己。企业上AI，不是选一个更聪明的模型，而是决定把哪些环节交给机器，以及为此准备好什么样的底座。 ”