当前，企业软件市场最热的莫过于AI与CRM的结合。各方人马混战一片，国际巨头重兵压境，国内厂商各出奇招。当Salesforce用Agentforce扛起自主代理大旗，微软把Copilot嵌入Dynamics 365的每一个角落时，一家做了22年CRM的国内厂商——超兔——却走了一条不太一样的路。

这场江湖混战，不再是谁的移动端更好用，而是谁的AI能真正落地业务。老牌劲旅和新生代，各怀心思，各有打法。

CRM的三个时代

CRM在国内发展已有20多个年头。第一阶段是"记录系统"时代——CRM本质是一本电子化的客户台账，销售把客户信息录进去，管理者翻开看。第二阶段是"流程系统"时代——CRM开始管跟单、管订单、管审批，从录入工具变成业务流程引擎。第三阶段，就是现在：AI驱动的"决策中枢"时代。

IDC在报告中指出，生成式AI正重塑CRM的产品形态与价值逻辑，驱动CRM从"记录系统"向"决策中枢"跃迁。

据Gartner预测，2026年全球CRM软件支出将达987亿美元，同比增长14.3%，其中深度集成AI能力的智能型CRM市场占比已超过65%。IDC《2026年中国CRM市场发展报告》显示，2026年中国CRM市场规模已突破380亿元，同比增长约30%，AI原生CRM渗透率约68%。

Gartner还预测，到2026年底，超过40%的企业将在销售和客服流程中部署自主智能体。这意味着AI不再只是给建议，而是要真正融入企业生产经营流程。

市场风向已变。问题是：AI到底该怎么落地CRM？各家给出了不同的答案。

国际巨头的三条路

第一条路：Embedding（后台嵌入）。 AI藏在系统后台，做检索增强、自动补全、智能推荐。用户基本感觉不到它的存在。好处是无感，不改变工作习惯；问题是价值难归因——demo看着不错，但业务上到底起了多大作用，算不清楚。

第二条路：Copilot（侧边栏助手）。 外挂一个AI助手，用户点开就能问答、生成、总结。HubSpot的Breeze走的是这条路。问题在于，它需要一线主动去"找"AI——想用的时候点开，不想用的时候关掉。改变工作习惯这件事，阻力比想象的大。

第三条路：Agent（自主代理）。 AI自主规划、自主决策、自主执行，接管整个业务流程。Salesforce 2024年底发布的Agentforce是这条路的代表。听起来美好，但企业实际落地的顾虑不小——核心数据不敢交出去，AI的判断不可控，出了错谁负责？

Salesforce的Agentforce确实势头凶猛。据Salesforce财报披露，Agentforce年化经常性收入（ARR）已达8亿美元，同比增长169%，自发布以来已关闭超29000笔交易。IDC数据显示，Salesforce连续13年位居全球CRM市场前列，2025年占全球CRM软件收入20.0%。

微软Dynamics 365则把Copilot嵌入销售、服务、运营各个模块，全球市场份额约5.2%，位居第二。

三条路各有道理，但有一个共同问题：AI和业务管线之间，总隔着一层。要么藏在后台看不见，要么需要人主动去找，要么放手让AI自己跑。有没有第四条路？

超兔一体云：第四条路

超兔一体云（XTools）起步于2004年，到2026年已做满22年。已服务60000+企业用户，覆盖50+行业，以50-500人规模的中小企业为主要客群，尤其深耕工业类、工贸类B2B企业。

超兔的产品定位不是单点CRM，而是一体化业务管理软件——CRM加OMS（订单执行）加WMS（仓库管理）加MES（生产管理）加SRM（供应商管理）加ACC（财务智能凭证）加OpenCRM（上下游协同）。市场、销售、产品、库管、采购、客服、生产、财务八个岗位在同一个底座上协同，数据同源。这意味着当AI需要理解一个客户的全部业务上下文时——历史沟通、订单记录、采购偏好、库存状态、生产进度、回款情况——这些数据天然在同一个系统里，不需要跨系统调取。

超兔提出了SCN（场景认知节点），走的是第四条路。

核心理念用一句话概括：AI不替你工作，AI懂你的工作。

AI不是一个对话者，而是一个"认知函数"——嵌进确定性业务管线的关键分支点。什么时候触发AI，由业务代码决定；喂什么上下文给AI，由业务代码决定；AI只做理解、归因、生成这三件事；结果回到确定性管线里，由人确认、由人决策。

超兔提了三个"不"：不造机器人，不做聊天框，不追求替代人。

"凡是可标准化、可量化、可拆解的任务，终将由AI接管——逻辑、效率与标准化执行交给AI；而共情、信任、判断与价值对齐，永远属于人。"

这与超兔的产品特质一脉相承。超兔坚持平民定位——服务数量庞大、需要被认真对待的中小企业。反管控管理观——系统帮企业赚钱，不是管人。这些特质决定了超兔做AI不会走"放手让AI自己跑"的路线，判断权始终在人手里。

还有一个容易被忽略的背景：技术火种。大模型正式发布前约两年，超兔就启动机器学习应用——1500条数据训练，意向判断准确率70%，研发周期8个月。22年的业务场景积累（300+种用户使用场景精准设计）加上提前两年的机器学习实践，让超兔在做SCN时既有场景厚度，也有技术储备。

SCN的五层架构

SCN不是一个概念，有完整的五层架构支撑。以"销售口述跟单记录"为例：

确定性代码（刚）、大模型认知（柔）、用户交互（人）三层协作，超兔管这叫"刚柔并济"。能用确定性算法解决的——聚合、计算、预警——不调大模型；只有需要理解、归因、生成的环节，才交给认知节点。

这个设计的好处是可控、可验证、可落地。每一次AI调用都有明确的触发条件、明确的输入输出、明确的业务结果。

已落地的四层能力

理念不是空中楼阁。超兔的AI能力按四层组织，均已上线。

L1执行层——开口即录入。 语音、微信消息、截图OCR都能转结构化数据。销售拜访完客户，路上口述15秒，AI自动拆分为客户、商机、行动记录、待办。AI制单更直接——文字、Excel、截图、语音都能转报价单或订单，三色匹配（精确绿/模糊黄/未匹配红），1分钟出单。

L2策略层——谋定后动。 打开客户或商机，AI自动做三件事：要点回溯（历史沟通关键信息提取）、卡点提取（自动识别推进障碍）、下一步谋划（基于客户状态推理行动建议）。

L3洞察层——读懂数字。 30秒形成可落地判断。"钱"的维度有7张摘要指标卡，"货"的维度有TOP10产品购买排行。三色复购预警：逾期未购标红、即将复购标黄、沉默客户标灰。

L4沉淀层——经验复用。 赢单丢单复盘，AI扮演资深B2B销售教练，识别赢单关键因素、关键转折点、可复用经验。丢单复盘强制使用"可能""疑似"等概率性表述，不追责只找提升点。

四层能力串成一条从跟单到复盘的8步闭环链路，第8步的复盘结论写回客户备忘，反哺前面的判断和规划。跑得越久，AI越懂客户，建议越准。

MCP开放：能力不锁在系统里

对内嵌认知节点，对外开放能力。超兔CRM已发布MCP能力，将35项核心能力开放给AI——26个MCP标准工具加9项在线扩展能力，覆盖10大业务域、12个场景。兼容Trae、Cursor、Claude Desktop等主流AI客户端。权限随行，AI能看到的数据和本人CRM权限完全一致。写操作有保护——客户创建自动查重、群发需人工确认、审批中数据不可改。

超兔不把AI锁在自家页面里。用标准协议与开放接口，让能力在更大的生态中流动，同时坚持数据主权——连接什么、开放哪些数据、给到什么粒度，由企业按需决定。

AI CRM 赛道演进

回看这场AI CRM的迭代，赛道已逐渐清晰。

国际巨头有体量优势。Salesforce连续13年全球第一，Agentforce ARR突破8亿美元，在"Agent自主代理"路线上走得最远。微软Dynamics 365背靠Copilot生态，把AI嵌入企业办公全场景。HubSpot以免费入口和AI辅助吸引中小企业。

但巨头也有软肋。对中小企业来说，国际产品的本地化深度、行业适配性、价格门槛都是现实问题。IDC预计，到2029年中国CRM市场规模将达56.3亿美元，年复合增长率15.2%。这块增长，很大一部分来自中小企业的数字化需求。

超兔的切入点正在这里。22年深耕中小企业，50+行业的场景积累，一体化底座让数据天然同源，SCN让AI嵌进业务管线而非外挂——这套组合拳，对工业类、工贸类B2B企业有明确的适配性。

超兔的AI落地有一个朴素原则：高频小事优先。不追发布会上的"AI大脑"，先干掉最高频、最重复、最反人性的事——录入、抄写、整理、填报。三个落地标准：高频度、反人性度、数据成熟度。价值验证周期短，一线感受最直接。

22年做CRM，超兔对企业软件有一个判断：企业要的不是炫技的AI，是能干活的AI。换句话说，AI落地CRM，不在于谁的模型更大，而在于谁更懂业务。