ARTICLE · 1021673
软件巨头的自研模型时刻:Salesforce Koa 发布
九月十五日，Salesforce 与英伟达联合发布 Koa，其首个面向客户关系管理的推理模型，基于英伟达开源权重模型垂直后训练，宣称错误率降低三倍且不碰客户数据。本文拆解这一模式的成本与主权叙事，落到产学研可执行动作。
一、官方发布
发生了什么
九月十五日，Salesforce 在旧金山 Dreamforce 大会与英伟达联合发布 Koa，官方定位为其首个客户关系管理推理模型，面向 Agentforce 智能体平台。Koa 基于英伟达开源权重模型 Nemotron 3 Super，用一套「用近三十年 CRM 部署经验建模的专有合成数据集」进行后训练，让模型内化企业业务流程、工作流与运营规范。在 Salesforce 自建的 CRM 基准上，Koa 在更新商机、案件派单、预约跟进等真实任务上，以三倍更少的错误达到或超过领先模型水平。Salesforce 保有模型权重，后训练与推理全部在自有信任边界内完成，客户数据在推理过程中不越过该边界。
产学研视角：把发布信息翻译成行业信号。过去企业买模型只有两条路，要么用闭源前沿模型把数据送出去推理，要么在开源权重模型上自己折腾部署；Koa 给出的第三条路是：由软件厂商在开源权重底座上做垂直后训练，把几十年业务流程知识直接装进模型，再以托管服务形式卖回给企业。对国内软件与行业大模型团队，这条路径几乎是可照抄的作业，关键是合成数据方法、垂直评测基准与信任边界设计三样东西。
官方口径与落地节奏
两家掌门人公开给出了定位。Salesforce 首席执行官贝尼奥夫称，Salesforce 最有价值的资产不是平台本身，而是对企业运转方式的知识积累，Koa 的任务是把这些知识放进模型内部。英伟达首席执行官黄仁勋称，开源权重模型给了 Salesforce 把数十年企业经验变成专用智能的基础。落地节奏方面，Koa 于二〇二六年稍晚在美国的 Agentforce 平台内提供；双方同步把 Nemotron 后训练模型与加速计算引入面向政府与受监管机构的 Missionforce 平台，支持私有云与隔离网络环境，后训练模型二〇二六年十月起供部分客户使用，覆盖采购、供应商管理与物流等政务流程。训练细节上，Koa 采用监督微调加分组相对策略优化强化学习，配套英伟达 NeMo 工具链。
产学研视角：对产学研用户，落地节奏比模型本身更值得读。Koa 先上 Agentforce，再走 Missionforce，说明 Salesforce 把通用商业场景排在政务场景前面；而 Missionforce 强调隔离网络与数据不出域，说明政府与受监管客户看的不是榜单分数，而是模型能不能在自有环境里跑。对高校与研究所，这段官方口径提供了清晰的分工样本：基础模型厂商出开放底座，应用厂商做垂直知识注入，这种分工可能成为企业级智能体建设的主流协作方式。
二、模式拆解
开放权重加垂直后训练的价值主张
对客户而言，Koa 的价值主张可以拆成六条：一是开放权重替代闭源前沿模型，模型与技术细节可见可控；二是面向销售、营销、客服等具体工作任务训练，不追求解决通用难题；三是训练过程完全不接触客户真实数据，从源头消除数据泄漏风险；四是同一任务消耗更少 token，单次推理账单更低；五是可通过 AI 网关按需自动路由，需要深度推理时仍可转给 Claude 或 ChatGPT 等前沿模型；六是默认继承 Salesforce 既有的数据驻留与安全控制体系。此前 Agentforce 中需要多步推理的请求都要经 AI 网关转给外部前沿模型，Koa 上线后成为高频任务的自研默认选项。
产学研视角：这六条主张对企业决策者最有用的是一条：模型选型正在从「看能力」转向「看成本与归属」。过去比的是谁家的榜单分高，现在企业在同一平台内可以按任务类型路由到不同模型，高价值复杂任务用闭源前沿模型，高频标准化任务用垂直自研模型。这种混合路由模式意味着每家企业都可以根据自己的任务结构设计成本最优解，采购话语权从模型厂商部分回到应用平台与企业手中。
为什么是现在：主权基座的叙事
Salesforce 人工智能执行副总裁 Govindarajan 在采访中点明了迟到的原因：他们一直想训练自己的企业级模型，缺的是一个可用的预训练底座。他认为英伟达 Nemotron 是第一个「主权美国开源基座模型」，可用、达到前沿水平且数据来源清晰，并直言「我们不知道 Qwen 是用什么数据训练的」，把矛头指向流行的中国开源权重模型生态。媒体普遍把这一叙事解读为企业需求与前沿实验室路线分道扬镳的标志：闭源实验室希望企业把数据、提示词与反馈都送进自家模型并按用量付费，而 Salesforce 提供的是相反的交易结构，开放权重、数据不出域、按任务计费。
产学研视角：这段叙事对中国产学研界有双重提醒。一方面，「数据来源不透明」的指责提示国产开源模型厂商需要补齐数据来源与治理信息披露，否则会在国际合作与合规审查中吃亏；另一方面，把「主权」当作卖点本身就是市场行为，说明开源权重模型的竞争正从能力比拼延伸到地缘叙事与供应链安全感，国内机构在做技术选型时要看清背后是技术因素还是政治因素，避免被单一叙事带偏。
生态与争议：自研与外购并存
Salesforce 并未因自研模型而切断与前沿实验室的合作。同场还宣布了与 Anthropic 的 ClaudeForce 合作，企业可用 Claude 作为对话界面，数据仍留在 Salesforce 系统与安全边界内。媒体评价出现明显分层：TechCrunch 称 Koa 是「前沿实验室应当害怕的东西」，认为这标志着企业 AI 采购正转向开放权重与任务专用路线；AI Chat Daily 则指出这是「企业买家想要不同于前沿实验室供给的信号」，同时提到 Koa 用合成数据训练、宣称更省 token，但具体成本节省幅度尚缺独立验证。支撑客户包括信用社与商旅平台等，场景集中在客服、销售线索与案件处理。
产学研视角：对产学研用户的启示是：自研与外购并非二选一，而是按任务与风险分层。Koa 与 ClaudeForce 并存说明成熟厂商的做法是让同一平台内同时容纳垂直自研模型与外部前沿模型，由网关按成本、隐私与能力需求路由。企业做智能化规划时，可以参照这套分层思路设计自己的模型组合策略，而不是押注单一供应商；高校研究中，这种「平台化多模型路由」本身就是一个值得跟踪的产业组织形态。
三、产学研行动建议
行动建议
企业侧：对照 Koa 的价值主张重审自身模型组合，把高频标准化任务与复杂推理任务分开管理，评估引入多模型路由网关的成本收益；在智能体项目建设中把「训练数据是否接触真实客户数据」写入采购审查清单。高校侧：把 Koa 作为「开放权重加垂直后训练」的公开案例引入课程，讲解监督微调与强化学习优化在领域模型上的应用；在合成数据与垂直评测方向设立研究选题，探索企业级领域基准的构建方法。研究者侧：关注主权叙事对开源权重生态的影响，跟踪 Nemotron 系列底座在中文与多语言任务上的表现，并评估企业级模型的合规与审计要求。
产学研视角：落到本周可执行动作：企业与技术团队可以组织一次模型组合盘点会，把现有智能体按任务类型归类，标出哪些可以迁移到垂直自研模型；采购与法务团队把「数据不出域」「训练数据来源」纳入智能体供应商问卷；高校实验室把 Koa 官方新闻稿与第三方解读整理成案例包，用于下学期课程；对想做垂直模型的团队，建议从合成数据生成与领域评测基准两件事入手，这两项是复现该模式的最小可行起点。
当软件厂商把几十年流程知识装进自研模型，模型采购的竞争维度从榜单分数转向数据主权与单任务成本；开放权重加垂直后训练正在成为一条可复现的落地路径。
AI产业进入商业化深水区
模型 · 算力 · 监管 · 硬件 四维突破
