黄仁勋走进旧金山 Moscone Center 的人群，手持麦克风在观众席中穿行。Salesforce CEO 马克·贝尼奥夫像跟班一样跟在身后，对着麦克风说了一句：“我们都跟着你走，兄弟。”全场掌声雷动。
这话放在五年前听来不可思议。一家 CRM 软件公司的旗舰大会，主角既不是产品也不是客户，而是一个芯片公司的 CEO。但当黄仁勋说出那句 “Now We Can Know Everything and Do Anything” 时，没有人觉得违和。
因为他带来的不只是口号，而是 Koa。Salesforce 第一款 CRM 推理模型，基于英伟达开源模型 Nemotron 3 Super 构建。更重要的是，这个模型完全运行在 Salesforce 自己的基础设施里，不依赖任何第三方 API 或外部推理服务。
27 年 CRM 经验，终于等来了“自己的大脑”
Salesforce 有 27 年的 CRM 产品数据。过去十年，这家公司一直在把 AI 往自己的平台上嫁接，从早期的 Einstein 到今天的大模型集成。但有一个问题始终无法绕开：当 Agent 需要推理，需要理解一笔交易的完整结构、一个客服工单的生命周期、一个跨行业的标准化流程时，它必须把问题交给第三方前沿模型。
Salesforce AI 执行副总裁 Jayesh Govindarajan 对 TechCrunch 直言：“我们一直在构建许多小型的任务特定语言模型，它们是 Agentforce 组合的一部分。但推理能力，我们一直依赖前沿模型提供商。直到现在。”
他解释了为什么过去做不到：“我们一直想做自己的企业级前沿模型。但挑战一直在于缺少一个可用的预训练基础模型。直到 Nemotron 出现之前，市场上没有一个美国主权的、一流的、数据来源清晰的预训练模型。”
Koa 改变了这一切。它基于英伟达开源的 Nemotron 3 Super，通过监督微调（SFT）和基于 GRPO 的强化学习，在 Salesforce 自有基础设施上完成后训练和推理。Salesforce 完全掌控模型权重，不依赖任何外部推理服务。
“没有用到任何一个字节的客户数据。”Salesforce 总裁兼平台与工程长 Rohan Kumar 在介绍 Koa 时特别强调。训练语料全部来自合成数据，覆盖制造业、金融服务业、医疗保健和旅游等 14 个行业的企业推理场景。
对任何部署过企业 AI 的从业者来说，这最后一条的分量可能比其他所有技术指标加起来还重。在多数企业客户还在为 “数据飞出去了怎么追回” 担忧时，Koa 的架构直接把这道题从方程里删掉了。
从租别人的大脑到养自己的大脑
Salesforce 此前一直是一个典型的 “AI 新时代搬运工”。与 OpenAI 的合作、与 Anthropic 的 Claudeforce 合作，本质上都是把用户的数据引导到别人的模型里推理，再带回结果。这个模式的问题显而易见：企业对数据安全的忧虑从未消解，而调用外部推理的成本也在高速膨胀。
Koa 给出了另一种答案。
根据 Salesforce 官方数据，在 CRM Bench 上，一个包含更新商机、路由工单、安排跟进等真实任务的基准测试中，Koa 在 CRM 操作上已经匹配或超越领先模型，且错误率降低 3 倍。Koa 被设计为使用更少的 Token、更低的推理成本，并保持企业数据在其自身安全框架内。
在更广泛的工具使用基准测试中，Koa 同样展现出竞争力。在 Tau2Bench 多轮客服评测上，Koa 以 69.41 的加权平均分领先 Nemotron 基座（68.64），并超越 GPT-4.1（54.48）超过 14 分。在 BFCL 智能体工具调用评测上，Koa 达到 66.63%，同样超过 GPT-4.1 的 53.96%。在 CRM Bench 上，Koa 的加权平均分为 0.86，接近 Claude Opus-4.8 的 0.87，超过 GPT-4.1 的 0.81。它不是在每一个维度上都是最强，但在需要它最懂的地方，它已经足够好。
英伟达企业级生成式 AI 软件副总裁 Kari Ann Briski 对 TechCrunch 点明了背后的 “Token 经济学”。Nemotron 的推理架构天生注重 Token 效率，“主权 AI、首 Token 延迟、高效推理，三者结合的完美组合”。
这就引出了 Koa 真正的战略意义。不是 Salesforce 又多了一个模型选项，而是 Salesforce 的 AI 战略从“租别人的大脑”转向“养自己的大脑”。
这一转向的催化剂是 Nemotron 的开源属性。正如黄仁勋在会上指出的，开源模型在整个模型使用中的占比，从去年初的 30% 已经来到了现在的约 70%。“人们既在指数级地采用闭源模型，也在构建自己的自定义 AI，因为每家软件公司都是 AI 公司，每家企业都会成为智能体和 AI 企业。”
英伟达自己就是这一承诺的践行者。它正在 Salesforce 平台上运行自己的销售、服务、营销和运营业务，并正在为客服工作流试运行 Agentforce。
AI 模型正在成为企业的数字主权分界线
Koa 的发布，放在更大的产业背景下来看，是“企业 AI 主权运动”中最具标志性的事件之一。
过去两年，企业客户面临一个两难：要么接受开源模型但无法获得顶级推理能力，要么使用前沿闭源模型但必须接受数据流出自己的信任边界。云巨头们用“数据隔离承诺”安抚客户，但技术架构上，数据依然要通过公网流向第三方 API。
Govindarajan 挑选 Nemotron 而非更流行的 Qwen 等开源模型时，给出了一个颇为坦率的理由：“我们不知道 Qwen 训练了什么。”在主权 AI，即美国境内模型、数据来源可追溯，成为企业客户硬性要求的今天，Nemotron 的 “数据清白” 成了一个稀缺标签。
Koa 的架构，从 Nemotron 开源到 Salesforce 内部后训练，再到 Salesforce 基础设施推理，最后不依赖外部 API，第一次让一家大型软件公司在“数据不从围场出去”的前提下，拥有了面向特定领域的顶级推理能力。
这不是一个模型发布，这是一个范式声明。
值得注意的还有 Koa 的训练方法。Salesforce 不仅用 SFT，还用了英伟达的 NeMo RL、NeMo Gym 和 NeMo AutoModel 进行强化学习。对管理者而言，这意味着 Koa 不是“学到什么就是什么”的静态模型，而是一个可以通过持续强化学习不断演化的代理。训练语料覆盖了从潜客生成到商机推演到客服工单全生命周期的合成场景，并且每个场景都配对了 persona 模型，模拟一个人物角色在面对特定任务时的具体操作序列，以及任务工具链映射。
Govindarajan 描述了这个过程：“我们实际上模拟了一个客服环境，包括一个客服专业人员角色，甚至还有愤怒的客户打电话进来，一直到试图成交的销售专业人员。”
换言之，Salesforce 不是在训练一个会说话的聊天机器人，而是在训练一个懂企业运营的数字员工。
贝尼奥夫在公告中这样说：“Salesforce 建立的最有价值的东西不是我们的平台，而是关于企业如何实际运作的积累知识。有了 Koa，这些知识被放进了模型本身。我们训练了一个推理引擎，它理解交易的结构、工单的生命周期、以及不同行业间各异的工作流。”
已经不只是一个 CRM 模型
Koa 的初始落地场景是 Agentforce，这是 Salesforce 让客户搭建智能体的平台。客户可以从 Koa 或已有的第三方模型中做选择。Koa 已在 Salesforce 内部投入使用，包括一个在 Slack 中帮助员工查找信息的员工智能体。首批试用的外部客户包括 Formula 1、UChicago Medicine、Baxter Credit Union、1-800Accountant、Engine 和 Xero，将在 10 月进入客户试点阶段，预计 2026 年冬季在美国区域全面推出。
但这远不是 Koa 的全部。
Salesforce 和英伟达同时宣布，将把 Nemotron 模型和加速计算引入 Missionforce，这是 Salesforce 面向政府和受监管行业的专用平台。这意味着 Nemotron 不仅被用于 CRM 场景，还会进入涉密环境，包括私有云、气隙网络和其他安全隔离环境中运行。Missionforce 上的客户将能够拥有对整个模型、数据和部署环境的完全控制。
当政府机构也能在自己的防火墙内运行专有推理模型时，Koa 代表的就不仅是一家 CRM 公司的 AI 战略升级。它意味着“企业主权 AI”从理论走向了工业化部署的新阶段。
安全是工程问题，不是选择问题
贝尼奥夫在台上问黄仁勋关于 AI 安全的问题时，黄仁勋的回答干脆得像锤子敲钉子：“安全在方方面面都是第一位的。但安全是一个工程问题。”
他补充道：“创新、速度和产品安全，这是一个虚假的选择。你完全可以同时拥有两者。所以尽可能快地跑。但如果任何一个时间点，你觉得公司失控了，或者产品不再安全，就停下来确保一切正确。”
这段话的背景是 Dreamforce 开幕前一周内，AI 行业正在经历一场关于“发展速度”的激烈辩论。奥尔特曼和 Anthropic CEO Amodei 在周末呼吁对 AI 发展节奏施加控制，黄仁勋在大会前就公开驳斥了这一论调。如今站在 Salesforce 的舞台上，他重申了自己的立场。
这种立场并非掩饰。Koa 本身的设计就是对“既快又安全”这一立场的技术验证。在 Salesforce 的信任边界内运行，模型权重不流出，客户数据不用于训练和推理。安全不是通过减速来实现的，而是通过架构加固来实现的。
“作为我们雄心壮志的结果，再加上 AI 带来的生产力提升，天花板就是天空，”黄仁勋说。“拥抱 AI。不要被落下。”
这是黄仁勋式的乐观主义。将 AI 的技术路线选择归结为一个工程师可以解决的问题，而不是哲学家应当争论的命题。
但真实世界的叙事可能比这复杂一些。根据 Salesforce 提交的 arXiv 论文，Koa 在 CRM 场景上表现接近 Claude Opus-4.8，在 BFCL 等通用工具调用场景上超过了 GPT-4.1。但这个模型并非在所有基准测试上都领先。它在一个足够特定的赛道里做到了足够好，而不是在所有赛道里做到最好。这恰恰是它最诚实的定位。
另一个不确定性是生态接受度。Agentforce 平台中，客户仍可自由选择模型。Koa 不会强制替换已有的 Claude 或 ChatGPT 集成。这个 “choose your own model” 策略是理性的，但也意味着 Koa 必须用事实说服客户切换，而不是靠政策强制导入。Salesforce 最近刚刚与 Anthropic 达成 Claudeforce 合作，允许企业通过 Claude 界面操作 Salesforce 数据。这一举动恰恰说明，在同一条战线上，Salesforce 也在对冲自己的赌注。
Koa 最大的软肋可能不在模型本身，而在 Salesforce 的定价策略尚未明确。对于已经为 Salesforce 平台支付高昂许可费的客户来说，Koa 的推理定价将直接影响实际采纳速度。对于一家以涨价著称的 SaaS 公司，这个变量不容忽视。
但这些疑虑并未消解 Koa 所代表的战略转向。
从 SaaS 到 AI 原生，Salesforce 画过不少饼。但这是它第一次把模型的控制权从外部实验室拿回自己手里。它不是用排行榜分数来证明价值，而是用更低错误率、更高数据安全、更适合企业工作流的定制化来竞争。在这场 AI 军备竞赛中，Salesforce 选择了一条与 OpenAI 和 Anthropic 截然不同的道路。不追求“最强的大脑”，而是追求“最懂你的大脑”。
对于前沿模型实验室而言，Koa 是一个令人不安的信号。当世界上最大的企业软件公司决定在自己的围墙内喂养自己的 AI，调用第三方 API 的日子，正在倒计时。
正如黄仁勋在台上说的那句：Now we can know everything and do anything。但真正值得追问的是，当每个企业都有了自己的 Koa，谁还会把最敏感的数据交到别人的手里？
快报