持续加码中国市场，Zoho推动企业级AI从“会答”走向“会做”

近日，Zoho"30年向新而行——助力中企全球化成长"媒体沟通会在北京举行。会上，Zoho宣布将今年在中国市场的投资计划由3.5亿元增至4.25亿元，重点投向数据中心升级扩容、AI能力布局、本土研发及生态伙伴体系建设等领域，并推出预计投入6000万元起的“海鸥计划”，通过产品使用权益、数字化诊断和培训等方式，支持中国企业全球化发展。

AI的场景化落地，也是此次沟通会的重要议题。从嵌入业务应用的AI助手，到能够完成具体任务的智能体，Zoho系统的介绍了其企业级AI战略布局，以及通过底层架构升级、强化API能力，将AI进一步融入企业经营的实践。

升级底层架构，强化AI与API能力

过去查询客户信息、查看往来邮件、跟进销售进度，需要员工在多个系统之间反复切换。随着自然语言交互的发展，这些操作正向一个对话入口集中：用户提出需求，由AI调用相应系统，获取信息并完成操作。

此前接受媒体采访时，Zoho中国COO夏海峰提到，AI正在成为SaaS的新UI，智能体有望成为跨系统的前端入口。在这一趋势下，SaaS厂商将更多承担底层“内容提供方”的角色，为智能体提供业务数据、功能与服务。软件的竞争力，也进一步取决于界面背后的业务能力能否被有效调用。

API是实现这类调用的重要基础，API的覆盖范围、稳定性与开放程度，将直接影响智能体的执行能力。夏海峰认为，未来真正比拼的是底层技能包（Skill）的丰富度。基于这一判断，Zoho正推进底层架构升级，实施“API First”策略，强化AI与API能力，让业务应用更好地支持智能体调用。

此次沟通会上，Zoho也介绍了通过MCP（模型上下文协议）连接外部AI工具的实践。MCP是一套让AI以统一方式调用外部系统工具的开放协议，相当于为智能体铺设标准化的调用通道。企业将AI办公平台接入Zoho CRM后，可以通过对话操作业务系统。例如，员工拜访客户后，将沟通摘要或录音上传，由AI解析内容并更新CRM记录，减少重复录入。

连接能力的背后，是企业对系统协同的实际需求。Zoho中国CEO侯康宁表示：“一套能够协同运转的系统，它的价值要远远高于很多个各自很好用的软件。”他介绍，Zoho拥有60多款产品，底层互通是其重要特点。不同业务环节的信息相互衔接，也为AI理解企业业务提供了更完整的上下文。

在开放外部连接的同时，Zoho持续将自研AI助手Zia深入嵌入CRM、邮箱、财务、客服等应用。通过对话式入口Ask Zia，员工可以结合系统中的业务信息开展查询、分析和内容生成。

夏海峰在现场举例，用户可以在进销存或财务软件中直接询问“上一季度销售额是多少”“哪些客户需要重点跟进回款”，也可以在邮箱中借助AI生成邮件草稿。AI能力随业务场景提供，员工无需频繁切换工具、重新补充背景。

这种设计体现了Zoho对场景化智能的理解：AI应当在用户需要的工作环节发挥作用。依托业务数据和既有权限体系，Zia帮助员工在授权范围内获取信息、辅助判断，让AI与日常工作自然衔接。

从回答到执行，让智能体融入业务流程

查到哪些客户需要跟进之后，下一步该如何处理？获取产品信息之后，能否直接生成报价单？企业对AI的期待，正从提供答案延伸到完成工作。

在沟通会上，夏海峰将这一变化概括为从“会说的”助手走向“能干的”数字员工。围绕执行能力，Zoho通过Zia Agents、Agent Studio和Agent Marketplace，构建从预置应用、自主搭建到生态分发的智能体体系。

Zia Agents提供面向销售、客服、市场、财务等场景的预置智能体，包括销售教练、SDR机器人、客户洞察、报价助手等，帮助企业处理规则明确、可重复执行的工作。例如，报价助手可以根据自然语言指令，读取客户与联系人信息、查找产品、计算折扣并创建报价单，将多个操作步骤串联起来。员工则可以将更多精力投入客户沟通、方案判断与异常处理。

对于标准功能难以覆盖的需求，Agent Studio提供低代码构建能力，让企业像搭积木一样，按照自身业务规则设计智能体。据介绍，一家汽车零部件客户通过该平台开发了成本预测智能体，用于应对关税、运输等因素带来的材料成本波动。企业特有的核算口径和业务经验，由此能够融入智能体的应用设计。

Agent Marketplace则为第三方开发者和合作伙伴提供智能体发布与分发渠道。合作伙伴可以将行业经验转化为专业智能体，企业也能借助生态中的应用，拓展AI在细分场景中的使用范围。

不过，从具备单点能力到真正融入经营，仍需对流程进行梳理。夏海峰在媒体问答中提醒，如果企业只是在客服、CRM等系统中分别加入AI功能，彼此无法互通，就可能形成新的“AI孤岛”。企业需要沿着营销、销售、服务等经营环节，识别AI适合介入的位置，推动数据与流程衔接。

他同时指出，演示效果与实际应用之间可能存在差距，落地表现还取决于企业的数据质量、流程规范程度以及服务商能力。模型选择也应匹配具体任务，结合生成、推理或智能体运行等需求，衡量效果与资源投入。

Zoho全球副总裁Mathivanan表示：“我们的AI投入规模不按竞争对手的烧钱规模决定，而按客户的真实需求决定。不拿客户数据训练通用模型，这是Zoho在AI时代坚守的安全底线。核心目的是为客户提供更好的价值和体验。”据其介绍，Zoho将AI集成到现有产品中，并结合自研模型与外部模型提供服务。在图片分析、情感分析等任务中，适用的自研小模型可以减少资源消耗，帮助企业兼顾应用效果与成本。

从这些实践中，可以看到企业AI落地的三项关键基础：底座可控、与企业流程相辅相成，以及开放底座。底座可控，让企业能够管理数据权限、模型使用和运行成本；与流程相辅相成，让AI理解业务规则，接得上流程，也能将任务落实到具体操作；开放底座，则通过API与MCP把技能包开放给更多智能体调用。

此次加码中国市场，Zoho将进一步升级本地数据中心，加大AI与本土研发投入，完善合作伙伴生态，为AI接入企业业务系统、执行具体任务提供算力、研发与服务支持。正如夏海峰在沟通会上抛出的观点：Zoho要做的，是把"AI+自主执行"真正落地到企业全场景，"而不是讲故事"。