为什么Google Ventures砸5200万赌这家AI-Native的CRM公司能干掉Salesforce？

你有没有想过，我们还要在 CRM 系统里手动录入客户信息到什么时候？每天打开 Salesforce，看着那些密密麻麻的表格和菜单，点击无数次才能完成一个简单的客户跟进任务。这种折磨已经持续了 25 年，直到现在终于有人站出来说"够了"。Attio 刚刚完成了 5200 万美元的 B 轮融资，由 Google Ventures 领投，他们的使命很简单也很激进：彻底重新发明 CRM，让它真正为 AI 时代而生。

过去两年里，我一直在观察 CRM 市场的变化。表面上看，各大厂商都在自己的产品上加入 AI 功能，但我发现这些所谓的"AI CRM"本质上还是在老架构上打补丁。就像给马车装上发动机，看起来有了新技术，但骨子里还是老一套。而 Attio 的做法截然不同，他们从零开始构建了一个真正为 AI 而生的 CRM 架构。这种差异不是表面功能的区别，而是思维方式的根本性转变。

当我深入了解 Attio 的故事后，我发现他们不仅仅是在做一款新的 CRM 产品，而是在重新定义整个客户关系管理的范式。5000 家付费客户选择了 Attio，包括 Lovable、Granola、Modal 和 Replicate 这些 AI 领域的领军公司。更让我震惊的是，他们今年的年度经常性收入增长了 4 倍。这些数字背后反映的不仅是产品的成功，更是市场对新一代 CRM 的渴求。

我之所以对 Attio 如此关注，是因为我意识到他们正在解决一个困扰企业多年的根本问题：为什么我们总是要适应软件，而不是让软件适应我们的业务？为什么每次换一个 CRM 系统，团队都要花几个月时间重新学习工作流程？为什么明明是为了提高效率的工具，最终却成了效率的障碍？Attio 的回答很直接：因为传统 CRM 的架构从根本上就是错误的。

传统 CRM 的死胡同

让我先说说传统 CRM 到底哪里出了问题。25 年前，当 Salesforce 革命性地将 CRM 从本地部署转移到云端时，这确实是一次巨大的进步。但那个时代的假设是什么？假设是销售团队会花大量时间手动录入数据，假设是客户信息可以被标准化地存储在固定的字段里，假设是销售流程可以被预先定义好并一成不变地执行。

这些假设在 25 年前也许是合理的，但在今天已经彻底过时了。现在的客户购买行为完全不同了，他们会在多个渠道进行研究，通过多种方式与企业互动，购买决策周期变得更长也更复杂。而传统 CRM 系统依然在用老办法处理这些新现实，结果就是数据孤岛越来越严重，销售团队需要在多个工具之间来回切换，花在系统操作上的时间比花在客户身上的时间还多。

我在咨询过程中见过太多这样的场景：一个销售代表要完成一次客户跟进，需要打开 CRM 查看客户信息，然后切换到邮件系统发送邮件，再打开日历系统安排会议，接着登录呼叫录音系统听上次的通话记录，最后回到 CRM 更新客户状态。整个过程需要在 5-6 个不同的系统间跳转，每次切换都会中断思路，降低效率。更糟糕的是，这些系统之间的数据同步经常出问题，导致信息不一致，影响决策质量。

传统 CRM 厂商试图通过集成和 API 来解决这个问题，但这只是在现有架构上打补丁。真正的问题是，这些系统从设计之初就没有考虑到 AI 的需求。AI 需要大量的上下文信息才能提供有价值的洞察，但传统 CRM 的数据结构过于简陋，无法支持这种需求。就像 Attio 的 CTO Alexander Christie 所说："要真正捕捉 AI 在 CRM 中创造的机会，AI 必须深度集成到平台的架构中，而不是作为事后的补充。改装的解决方案总是效果较差，因为传统 CRM 的基础并不是为 AI 所需的规模、自主性和可扩展性而设计的。"

这种架构层面的局限性不仅影响了功能实现，更重要的是限制了创新的可能性。传统 CRM 就像是建在沙土地基上的高楼，无论你在上面加多少层，地基的问题始终存在。而 Attio 选择的路径是重新打地基，从头开始构建一个真正适合 AI 时代的架构。

GTM Builder：新一代的建设者

在研究 Attio 的过程中，我发现了一个非常有趣的概念：GTM Builder（Go-to-Market Builder）。这不是一个传统的职位头衔，而是一种新的思维方式和工作方式。这些人可能是 RevOps 负责人、技术创始人、销售工程师，或者任何需要为团队构建营销系统的人。他们的共同特点是：不愿意被供应商的路线图束缚，不愿意等待 12 个月的系统实施周期，更不愿意让软件的限制影响他们的业务愿景。

我认识很多这样的 GTM Builder。他们看到自动化机会无处不在，他们从第一性原理出发设计流程架构，他们拒绝让软件限制自己的想象力。这些人就是 Attio 的核心用户群体。他们不只是在使用 Attio，而是在 Attio 上进行构建。他们会编写工作流脚本，扩展界面功能，在几小时内搭建出定制化工具，而不是等待几个月。他们把 Attio 塑造成完全符合自己营销动作的形状，重新定义了 CRM 的可能性。

来自 Modal 的客户评价很能说明问题："Attio 终于让我们能够构建一个适合我们业务的 CRM，而不是强迫我们去适应软件。随着我们营销策略的发展，能够调整我们的系统对我们的运营方式产生了变革性影响。"这句话体现了 GTM Builder 的核心需求：他们需要的不是一个固定的工具，而是一个可以随着业务发展而进化的平台。

这种需求的出现不是偶然的。AI 技术的发展让软件变得更加可塑性，代码生成和配置管理现在有了额外的抽象层。正如 Attio 的 CEO Nicolas Sharp 在采访中提到的："AI 给了我们制造比以往任何时候都更加可塑的软件的非凡能力。代码生成和配置现在在原有基础上又增加了两个抽象层，这意味着软件的能力远远超出了我们最疯狂的梦想。我们真正处在一个可以构建比以前强大几个数量级的平台的时代。"

这种可塑性让 GTM Builder 们能够实现以前不可能的事情。他们不再需要等待供应商添加新功能，也不需要购买昂贵的插件或第三方集成。他们可以直接在平台上构建所需的功能，实时调整工作流程，让系统完美匹配他们独特的业务需求。这种能力的释放正在改变整个 B2B 软件的游戏规则。

AI-Native 架构的核心优势

当我深入研究 Attio 的技术架构时，我意识到什么叫做真正的 AI-Native。这不是简单地在现有系统上加一个 AI 功能，而是从数据层到用户界面层的全面重新设计。Attio 基于六个核心基本要素构建了他们的平台，每一个基本要素都是为 AI 时代精心设计的。

第一个基本要素是原生数据摄取。传统 CRM 依赖手动数据录入，但 Attio 可以实时从各种数据源统一获取 GTM 数据，没有重复记录或过时信息。当你连接邮箱到 Attio 时，系统会立即填充你或团队成员沟通过的所有公司和人员信息。这不是简单的数据导入，而是智能的关系映射。系统会自动丰富这些数据，添加行业信息、公司规模、估算收入等第三方数据。更重要的是，它会分析通信历史，建立关系强度指标，告诉你团队中谁与哪个客户的关系最紧密。

第二个基本要素是智能工作流引擎。这不是简单的 if-then 逻辑，而是可以跨系统、跨团队端到端扩展的强大自动化。我在 Attio 的演示中看到了一个令人印象深刻的例子：当新客户注册试用时，系统会自动触发一个复杂的分流工作流。首先使用 AI 研究代理搜索互联网，了解这家公司的详细背景。然后根据公司规模和特征，决定将其分配到企业销售流程、自助服务流程，还是介于两者之间的混合流程。对于那些处于灰色地带的潜在客户，系统甚至会向 Slack 频道发送摘要，让人工来做最终决策。

第三个基本要素是可编程界面。通过 API、SDK 和即将推出的自然语言界面，用户可以直接在 CRM 内部构建应用程序、扩展功能、创建集成，无需额外的基础设施开销。Attio 的 App SDK 目前处于测试阶段，让构建者能够在平台内部署定制应用。这意味着你不再需要依赖第三方开发商来满足特殊需求，可以自己构建所需的任何功能。

第四个基本要素是 AI agent 协作，这是一个真正面向未来的设计。系统从一开始就考虑了人类和 AI 如何在每个营销流程中协同工作。这不是简单的自动化，而是智能的任务分配和决策支持。比如在客户分流过程中，系统可以自动处理确定性的规则（如地理位置分配），但会让人工处理需要判断的灰色地带（如对 ICP 定义的宽松解释）。

第五个基本要素是细粒度权限控制，这对企业级应用至关重要。系统需要能够精确控制不同用户、数据和 AI agent 的访问权限。在 AI 可以代表用户执行操作的时代，权限管理变得比以往任何时候都重要。

最后一个基本要素是预测性智能，系统能够持续学习和适应，在正确的时刻提供正确的洞察和行动建议。这不是被动的数据展示，而是主动的智能推荐，帮助用户在合适的时机采取最佳行动。

这六个基本要素的组合创造了一种全新的 CRM 体验。用户不再需要学习复杂的操作流程，而是可以专注于真正重要的事情：与客户建立关系、理解客户需求、制定销售策略。系统会自动处理数据录入、信息同步、流程执行等繁琐工作，让销售团队有更多时间专注于高价值活动。

我所观察到的用户体验革命

在观看 Attio 的产品演示时，我被一个细节深深震撼了：当用户连接邮箱后，系统立即就有了完整的客户关系图谱，包括通信历史、关系强度、最后联系时间等信息。这不是什么高深的技术，但解决了一个根本性问题：CRM 使用的最大障碍就是初始设置的复杂性。传统 CRM 需要用户花费数周甚至数月时间来导入和清理数据，而 Attio 在几分钟内就能提供一个可用的系统。

更令我印象深刻的是他们对 AI 功能的整合方式。不是简单地添加一个"AI 助手"按钮，而是将 AI 能力深度嵌入到每个业务流程中。比如他们的 ICP（理想客户画像）识别功能：用户只需用自然语言描述他们的理想客户标准，系统就会自动评估每个潜在客户是否符合这个标准。这种方式让 AI 成为业务逻辑的有机组成部分，而不是独立的附加功能。

在通话记录方面，Attio 的创新也让我眼前一亮。他们不仅提供自动录音和转录功能，还允许用户定义"洞察模板"来定制通话摘要。用户可以设置特定的问题和关注点，AI 会根据这些模板自动生成结构化的通话总结。在演示中，他们甚至实时添加了一个"情绪"分析模块，AI 立即就能描述通话中每个参与者的情绪状态。这种灵活性让每个团队都能根据自己的需求定制 AI 功能。

我特别关注的是他们如何处理自动化中的人机协作问题。在客户分流的例子中，系统可以自动处理明确的规则（比如超过 1000 名员工的公司自动进入企业销售流程），但对于需要判断的中间情况，系统会将信息发送到 Slack 频道，让人工做最终决策。这种设计哲学体现了对 AI 能力边界的清醒认识：让 AI 处理它擅长的事情，让人类处理需要判断和创造力的事情。

从用户体验角度看，Attio 实现了一个重要突破：从系统记录转向行动系统。在传统 CRM 中，你查看数据后还需要切换到其他工具才能采取行动。而在 Attio 中，你可以直接在查看数据的界面上执行相应操作，比如将客户加入邮件序列、安排跟进任务、发送个性化消息等。这种无缝集成大大提高了工作效率，减少了系统间的摩擦。

技术架构带来的商业价值

当我深入分析 Attio 的商业模式时，我发现他们的技术选择带来了显著的商业优势。首先是极低的实施成本。传统企业级 CRM 的实施通常需要 6-12 个月，涉及大量的数据迁移、流程重构和员工培训。而 Attio 的客户可以在几天内完成系统搭建，这大大降低了采用门槛。

更重要的是数据质量的提升。在演示中，Attio 的团队成员提到了一个有趣现象：客户在迁移到 Attio 后，数据质量实际上会变得更好。这听起来有些反直觉，因为迁移通常意味着数据丢失或质量下降。但 Attio 的原生数据摄取能力让它可以从多个源头获取和丰富数据，而不仅仅是迁移现有的陈旧数据。

从成本结构角度看，Attio 的一体化平台设计让客户能够减少工具栈的复杂性。传统上，企业需要为 CRM、邮件营销、通话录音、工作流自动化、数据分析等功能分别采购不同的工具，每个工具都有独立的许可费用、集成成本和维护开销。Attio 将这些功能整合在一个平台中，不仅降低了直接成本，还减少了集成和维护的间接成本。

我特别注意到客户采用 Attio 后在团队效率方面的变化。来自 Legora 的反馈说："Attio 最有影响力的地方是 AI 如何无缝集成到平台中，使得实验和构建新功能变得容易，这些功能真正丰富了我们现有的流程。"这种表述体现了一个重要转变：从被动使用工具转向主动构建解决方案。

从投资回报的角度看，Attio 的客户不仅在使用效率上获得了提升，更在业务增长上看到了直接影响。自动化的潜客分流、智能的关系管理、实时的业务洞察，这些功能让销售团队能够更快识别高价值机会，更有效地分配资源，更准确地预测业务结果。这种业务价值的实现让 Attio 能够实现 4 倍的年度经常性收入增长。

AI-Native 与传统方法的本质区别

很多人问我，AI-Native CRM 和传统 CRM 加上 AI 功能有什么区别？这个问题触及了技术架构和产品哲学的根本差异。传统 CRM 加上 AI 功能，就像是给老式汽车安装GPS导航系统，虽然有了新功能，但底层的机械结构没有改变。而 AI-Native CRM 则像是重新设计了整辆车，从引擎到车身都为 GPS 导航进行了优化。

在数据层面，AI 需要的上下文信息密度比传统系统高几个数量级。传统 CRM 存储的是结构化的客户信息：姓名、公司、联系方式、交易金额等。但 AI 需要理解客户的意图、偏好、行为模式、决策历史等更深层的信息。这要求数据存储的分辨率和数量都要比传统系统大几个数量级。正如 Nicolas Sharp 解释的："从数据结构开始，AI 要获得提供真正价值所需的上下文，需要比传统解决方案能够提供的多得多的上下文。存储的数据分辨率和数量需要高出几个数量级，从数据层开始，你必须从头重新架构一切。"

在交互层面，传统 CRM 是为人工数据录入而设计的，界面充满了表单和输入框。但在 AI 时代，大部分数据录入工作应该是自动化的，用户界面应该专注于洞察展示和决策支持。用户不再需要手动输入客户信息，而是应该专注于理解 AI 提供的洞察并做出战略决策。

在工作流程层面，传统 CRM 假设销售流程是线性和可预测的，但现实中的客户旅程往往是非线性和动态的。AI-Native CRM 能够理解这种复杂性，根据每个客户的独特情况调整互动策略。比如 Attio 的自动化系统会根据客户的回复情况动态调整邮件序列，在检测到客户休假时自动暂停发送，在客户预订会议时立即停止营销邮件。

我认为最根本的区别在于系统的学习能力。传统 CRM 是静态的，需要人工配置和维护。而 AI-Native CRM 是动态的，能够从每次互动中学习，持续优化性能。这种学习能力让系统能够适应不断变化的市场环境和客户行为，而不需要人工重新配置。

从技术演示中看到的未来

在观看 Attio 的详细产品演示时，我看到了 CRM 未来发展的几个重要趋势。首先是实时性的重要性。当销售代表查看一个潜在客户时，他们需要看到的不是几天前的静态信息，而是实时更新的动态画像。Attio 的系统可以实时显示客户的产品使用情况、最近的互动历史、团队内部的沟通记录等信息，让销售代表能够基于最新情况做出决策。

第二个趋势是自动化程度的提升。但这种自动化不是简单的任务自动化，而是智能的流程编排。系统不仅知道要执行什么任务，还知道什么时候执行、如何执行、如何处理异常情况。在演示中，我看到当系统收到客户的休假自动回复时，AI 会解析回复内容，找到客户回来工作的日期，并自动延迟下一封邮件的发送时间。这种细节处理体现了真正的智能自动化。

第三个趋势是个性化的深度。每个团队的销售流程都有独特之处，Attio 让团队能够将这些独特性编码到系统中。无论是 ICP 定义、通话摘要模板，还是潜客分流规则，都可以用自然语言进行定制。这种个性化不是表面的界面调整，而是深层的业务逻辑定制。

我还注意到报告和分析功能的实时性。在传统 CRM 中，生成报告通常需要等待数据处理，而且报告一旦生成就是静态的。Attio 的报告是基于实时数据构建的，当有新数据时会提示用户刷新。更重要的是，用户可以直接从报告界面对数据采取行动，比如将流失客户加入挽回计划，而不需要先导出数据再导入到其他系统。

这些技术特性的组合创造了一种全新的工作体验。销售代表不再是数据录入员，而是真正的关系建设者和策略执行者。他们的时间被释放出来，可以专注于理解客户需求、制定解决方案、建立信任关系等高价值活动。正如 Nicolas Sharp 在采访中提到的："工具现在如此出色，大量繁琐的工作被减少了，这实际上让你能够花更多时间与客户在一起，专注于重要的事情，即建立关系、正确实施、确保客户真正激活到工具等等。"

投资者视角下的市场机会

从投资角度分析，我认为 Attio 的 5200 万美元 B 轮融资反映了投资界对 CRM 市场变革的强烈信心。特别值得关注的是，领投方 Google Ventures 派出了 Michael McBride 加入 Attio 董事会。McBride 此前是 GitLab 的 CRO，见证了 GitLab 从初创公司成长为上市公司，收入增长超过 100 倍。他对 B2B 软件市场的深度理解和对 Attio 的认可，本身就说明了这个投资决策的战略价值。

McBride 在他的投资文章中提到了一个关键观点：CRM 市场 25 年来没有经历过重大的平台转变，而 AI 正在成为新的变革推动力。他认为传统 CRM 厂商简单地在旧系统上叠加 AI 功能是不够的，真正释放 AI 潜力需要全新的底层架构。这个观点与我的判断完全一致：我们正处在一个技术代际更替的关键时刻。

从市场规模角度看，CRM 是全球最大的 B2B 软件市场之一，年市场规模超过 500 亿美元。但这个市场被少数几家传统厂商垄断，创新速度缓慢，用户体验长期得不到根本性改善。Attio 的出现为这个市场注入了新的活力，也为投资者提供了参与下一个十年技术变革的机会。

我注意到 Attio 的客户构成很有意思：他们服务的主要是新一代的科技公司，特别是 AI 和 SaaS 领域的创新企业。这些公司本身就是技术变革的推动者，他们对工具的要求更高，也更愿意尝试新的解决方案。这为 Attio 提供了一个理想的早期客户群体，让他们能够在服务这些要求苛刻的客户过程中不断完善产品。

从增长轨迹看，Attio 在两年内就达到了 4 倍年度经常性收入增长，这在 B2B SaaS 领域是非常难得的。这种增长速度不仅说明了产品的市场契合度，也显示了新一代 CRM 的强大市场需求。投资者看中的不仅是当前的增长数据，更是这种增长背后代表的市场趋势：企业对于更智能、更灵活、更易用的 CRM 解决方案有着巨大的渴求。

AI 时代的销售和客户关系变革

在深入思考 Attio 带来的变化时，我意识到这不仅仅是一个技术产品的创新，更是对整个销售和客户关系管理理念的重新思考。传统的销售模式基于信息不对称：销售人员掌握产品信息，客户需要通过销售人员来了解产品。但在 AI 时代，客户可以通过各种渠道获取产品信息，销售人员的角色必须从信息传递者转变为解决方案构建者和关系维护者。

Attio 的设计哲学完美契合了这种角色转变。通过自动化数据收集和信息整理，销售人员可以将更多精力投入到理解客户业务、识别痛点、设计解决方案等高附加值活动中。AI 负责处理程序性工作，人类负责处理创造性工作，这种分工让整个销售流程变得更加高效和人性化。在 Michael McBride 的投资文章中，他特别强调了这种变化的重要性："通过自动化手工工作，Attio 的文化让自己的团队能够将更多时间用于高影响力的工作和关键决策。我相信这种方法对于在 AI 时代构建和扩展是必要的，也正是 GTM 建设者应该运营的方式。"

我特别关注 Attio 如何处理销售流程中的信任建设问题。在采访中，Nicolas Sharp 提到了一个重要的设计原则：给客户一个自动化的"拨盘控制"，让他们自己决定希望给系统多少决策权和自主权。这种设计体现了对人机协作的深刻理解。有些流程需要完全确定性的自动化，比如地理位置分配；而有些流程需要更多的 AI agent 行为，比如客户资格判断。Attio 让这两种模式可以无缝混合，用户可以在确定性和非确定性工作流之间灵活切换。

这种灵活性特别重要，因为它解决了企业采用 AI 时最大的担忧：失去控制。很多企业担心 AI 会做出错误决策或执行不当操作，但 Attio 的方法让企业能够逐步增加对 AI 的信任。他们可以从简单的自动化开始，随着信心的建立逐步扩大 AI 的决策权限。这种渐进式的采用策略大大降低了企业的风险，也提高了成功实施的概率。

从客户关系的角度看，AI 的引入让企业能够提供更个性化和及时的服务。传统模式下，销售人员可能无法及时了解客户的最新动态，错过重要的沟通机会。而 Attio 的实时数据处理和智能提醒功能让销售团队能够在最佳时机与客户互动，提供最相关的信息和支持。这种及时性和相关性的提升直接转化为客户满意度和成交率的提高。

文章来自于微信公众号“深思圈”。