最近，企业服务领域又爆出了一条重磅新闻——Salesforce计划以高达80亿美元 收购老牌数据管理厂商Informatica。要知道，这可不是一笔小钱，尤其是在当前全球科技公司普遍“降本增效”、投资趋于谨慎的大背景下，Salesforce依旧敢出手，可见其背后有着相当深远的战略考量。

那么，Informatica到底是一家什么样的公司？为什么Salesforce愿意为它掏出80亿刀？这对AI发展、对数据治理、对中国企业又意味着什么？今天我们来聊聊这个话题。

Informatica是谁？一个“老而强”的数据管理高手

如果你不是做数据治理或企业IT出身，可能对Informatica不太熟。但在企业数据管理圈里，它可是全球数据管理的领头羊。

Informatica成立于1993年，比现在很多大热的SaaS公司都年长得多。它最初是以做ETL（数据抽取、转换、加载）工具起家，后来逐渐发展为一个全栈的数据管理平台，业务覆盖：

• 数据集成（Data Integration）

• 数据质量（Data Quality）

• 数据治理（Data Governance）

• 主数据管理（MDM）

• 元数据管理（Metadata）

• 数据目录与数据安全等

如今它的核心产品是一个叫做IDMC（Intelligent Data Management Cloud） 的平台，是一个专门为云原生架构打造的智能数据中枢。在Gartner、Forrester等权威机构的魔力象限里，Informatica常年霸榜领导者位置。

Salesforce为什么收它？背后是一场“AI能力之战”

从表面上看，Salesforce是一家以CRM起家的公司，主打“客户关系管理”，后来发展成一个庞大的SaaS生态，包括营销、销售、服务、分析等多个领域。

但最近几年，Salesforce明显有个很大的战略倾向——AI优先（AI-first）。

未来的企业级AI，不是谁模型大，而是谁数据干净、治理好、上下文丰富。

而这正是Informatica的强项。

Salesforce的AI三件套：

1.大模型和应用层：对接开源（比如OpenAI, Anthropic）；

2.数据湖仓：用Data Cloud，打造360度客户视图；

3.数据治理能力：正缺少元数据、血缘追踪、主数据统一的能力——Informatica刚好补上。

尤其是现在AI最流行的“RAG+Agent”架构（检索增强生成 + 智能代理）越来越依赖数据治理、数据血缘、语义层建模等“脏活累活”。这些传统IT基础能力，反而成为了制胜的关键。Salesforce显然已经看得非常清楚——“不管你用多大的模型，喂进去的都是垃圾数据，那它吐出来的也不会是金子。”

所以，这不是一次技术型并购，而是一次“认清底层价值链”的战略再投资。

数据治理：AI时代的“燃料过滤器”

我们常说：“数据是AI的燃料”，那数据治理就是“燃料的过滤器和精炼厂”。

今天很多企业做AI，做得很热闹，但仔细一看，大模型落地最费劲的地方，其实不是模型选型、API接口，而是：

• 数据找不到来源（没人知道哪个是对的版本）；

• 指标定义五花八门（业务口径冲突严重）；

• 数据质量堪忧（表里一堆空值和脏数据）；

• 一问“为什么这条数据不对”，没人知道；

• 领导要看经营分析报表，几个部门给出三个版本。

这时候你才发现，AI问数也好、智能分析也罢，如果背后没有数据治理和语义统一做支撑，那就是沙滩上建楼，摇摇欲坠。

Informatica能做的，其实正是把“基础数据活”做精做好。AI不是魔法盒，它是“垃圾进，垃圾出”的放大器。治理不到位，AI反而可能会放大错误。

对中国企业的几点启示

这笔交易对国内从事数据中台、AI落地和数据治理的团队来说，其实有不少启示：

1. 数据治理的战略价值正在重估

以前大家觉得“治理”就是填Excel、做模板、开规范会，成本中心的典型代表。但现在它变成AI应用成败的关键支柱之一。治理好不好，决定了AI能不能“听懂业务”。

2. 不要迷信“大模型”，要重视“数据上下文”

无论你用的是GPT-4、Claude 3还是国产大模型，如果没有数据的语义模型和上下文，大模型的回答幻觉率还是很高的。

3. 中国厂商有机会打造“中国版的Informatica”

目前国内企业如数语科技（Datablau），正在演化智能数据平台，提供了语义建模，RAG数据治理，AI增强问数等，做到了像Informatica一样全面与深度结合AI的治理。目前正通过融合行业Know-how、企业实践，打造Data+AI的突破口。

写在最后

Salesforce这笔收购，是一次“技术栈往下延伸”的策略部署，也是对AI时代“数据即核心资产”的再确认。而对于我们这些还在探索AI落地的企业和团队来说，更重要的是认清：

AI不是新瓶装旧酒，而是一场“从数据源头重新洗牌”的系统性变革。

如果你今天还没有一套清晰的数据治理体系，还没有搞明白你企业的指标逻辑和数据血缘，那就别急着谈AI驱动增长，至少一边夯实数据基础，一边探索AI时代的数据赋能。