Salesforce 推 Koa：基於 NVIDIA Nemotron 的 CRM 推理模型，企業代理可少依賴前沿閉源模型

2026 年 9 月 15 日，Salesforce 與 NVIDIA 於 Dreamforce 期間正式公布 Koa——Salesforce 首個專為 CRM／Agentforce 打造的推理模型，底座為 NVIDIA 開源權重 Nemotron 3 Super。本文已核對 Salesforce 官方新聞稿與 TechCrunch 報導，來源真實性已驗證。重點在於：企業可把多步銷售、行銷與客服推理留在自有信任邊界內，並以合成資料後訓練，而不把真實客戶檔案餵進第三方前沿模型。

一、核心事件：Koa 登場，Agentforce 終於有自家推理引擎

技術細節

根據 Salesforce 官方說明，Koa 由後訓練（post-training）NVIDIA Nemotron 3 Super 而成，訓練語料為模擬近三十年 CRM 部署經驗的合成情境，涵蓋逾十四個行業（製造、金融服務、醫療、旅遊等），並明確表示未使用任何真實客戶資料。後訓練流程結合監督微調（SFT）與 Group Relative Policy Optimization（GRPO），並使用 NVIDIA NeMo RL、NeMo Gym、NeMo AutoModel 等工具鏈。

在 Salesforce 自建的 CRM 基準上（含更新商機、分派個案、安排跟進等真實工作流），官方稱 Koa 在 CRM 動作表現上已可媲美或超越領先模型，且錯誤率約為對照的三分之一。權重由 Salesforce 掌控，後訓練與推論均在其信任邊界內執行。目前 Koa 已對部分試點客戶開放（包括 1-800Accountant、Baxter Credit Union、Engine、Formula 1、UChicago Medicine、Xero 等），美國地區一般可用（GA）預期為 2026 年冬季。

同日，雙方亦把 Nemotron 系模型與加速運算導入 Missionforce，面向政府與受規管機構，支援私有雲、隔離／氣隙（air-gapped）等部署——這與「主權 AI、資料不出境」路線高度同向。

二、技術原理深度解析

Koa 所代表的，不是「再造一個通用聊天機器人」，而是把企業工作流結構寫進模型：商機生命週期、服務個案狀態機、跨系統工具呼叫順序。TechCrunch 引述 Salesforce AI 副總裁 Jayesh Govindarajan 指出，過去需要長程或多步推理時，Agentforce 的 AI 閘道會把請求路由至 Claude、ChatGPT 等前沿模型；Koa 的出現，讓「任務型小模型組合」之上，首次有自家可控的推理層。

選擇 Nemotron 的理由亦具政策與供應鏈含義：官方強調需要主權美國預訓練底座、狀態夠強，且資料譜系（provenance）清晰——相對部分開源權重模型，企業較易回答「訓練資料從哪來」。合成資料模擬怒氣客戶來電、銷售成交路徑等，再以工具使用成敗作為獎勵訊號，使模型學會「下一步該呼叫哪個工具」，而不只是生成看起來正確的文字。

NVIDIA 方面則強調推論架構對 token 效率有利，企業可在相同工作量下減少 token 消耗，亦即降低單位任務成本。這與前沿閉源 API「按 token 計費、且資料上雲」的經濟學形成對照。

四、日常應用場景

1. 開發者與技術團隊

Agentforce 開發者可把多步 CRM 代理的推理負載切到 Koa，保留前沿模型給真正需要通用能力的路徑，並透過閘道按任務自動路由。對香港團隊而言，這意味著可在架構圖上清楚標示「哪些代理必須走私有／託管權重、哪些可接受第三方」。

2. 企業與隱私敏感行業

金融、會計、醫療等場景（試點名單已有相關機構）特別在意客戶資料不得進入外部訓練或推論。Koa 的賣點是：合成資料訓練、Salesforce 托管權重與推論、可與 Anthropic ClaudeForce 等介面並行——資料仍留在 Salesforce 系統紀錄內。這對受《個人資料（私隱）條例》與行業合規約束的香港企業具有直接參考價值。

3. 一般用戶

終端客戶感受到的是更快、更一致的服務：預約、查單、資格審核等長流程較少卡在「代理不會用工具」的死角。一般消費者未必知道底層是 Koa 還是 Claude，但企業可因此降低幻覺式亂跳步驟的風險。

4. 香港與亞洲市場視角

香港大量中小企與上市公司以 Salesforce 或同類 CRM 運行銷售與服務。Dreamforce 這次把「開源權重底座＋企業後訓練＋信任邊界」打包成產品路徑，與本地對私有 LLM、資料主權的需求同頻。同時，Missionforce 路線亦提醒受規管行業：可在隔離網絡部署任務專屬模型，而不必整包上公有雲。

五、專業評價與潛在考量

優勢

任務對齊：針對 CRM 多步工具使用，而非通用競賽題。
資料治理：官方強調訓練不用客戶資料；權重與推論可控。
成本結構：token 效率與閘道路由，有助壓低單位代理成本。
供應鏈敘事：主權底座＋清晰 provenance，方便採購與合規問卷。

需要留意的地方

GA 仍標示為美國地區冬季預期；亞太／香港上線節奏需跟進官方時間表。
自建 CRM 基準優勢不代表全面超越最前沿通用模型；複雜非 CRM 任務仍可能要路由出去。
企業仍須審視 Salesforce 托管邊界與自身數據駐留要求是否一致（尤其是堅持數據留港的場景）。

結語

Koa 標誌著企業 AI 從「全部外包給前沿實驗室」轉向「開源權重底座＋領域後訓練＋信任邊界托管」的務實組合。對香港企業而言，這驗證了一條可複製的路徑：用清晰譜系的底座，以合成或自有資料做領域對齊，再把推理與工具呼叫留在可控環境。若貴司需要在香港部署類似的企業私有 LLM（數據集 → QLoRA／LoRA → 私有 API，年費 HK$88,000 起，100% 數據不出境），可參考 YSK Limited 的企業私有 LLM 全託管方案（https://ysk.hk/services/ai-automation）。

參考來源

Salesforce 官方：Announcing Koa: Salesforce’s First CRM Reasoning Model, Built on NVIDIA Nemotron（https://www.salesforce.com/news/stories/koa-reasoning-model/）
TechCrunch：Salesforce and Nvidia's new reasoning model is everything the AI labs should fear（https://techcrunch.com/2026/09/15/salesforce-and-nvidias-new-reasoning-model-is-everything-the-ai-labs-should-fear/）
arXiv：Salesforce Koa: An Enterprise Language Model for Agentic Tool Use（https://arxiv.org/abs/2609.15066）
X 發現來源：@TechCrunch（發現用，非唯一依據）