2022 年的采购方式已经死了
大多数 B2B 团队采购 AI 销售工具的方式和 2022 年一样：看哪个火，插进去，希望有提升。这不再有效。
过去 18 个月，销售堆栈的每一层都围绕 AI 重建，每个类别的 canonical 工具看起来和大多数团队还在用的完全不同。
Alex Vacca（ColdIQ）基于 400+ B2B 客户、2,300 万+ 冷邮件、全球四家 elite GTM studios 之一的经验，绘制了这张地图。
六层 AI-native 销售堆栈
1. 潜客挖掘（Prospecting）
旧版本：在 Apollo、LinkedIn Sales Navigator 和三个 B2B 数据库之间 juggling 过滤器，然后给 SDR 一个拼起来的 CSV。
新版本：用 plain English 描述你的 ICP，让工具找人。
工具：Origami Agents
输入："US founders at 11-to-50 person companies in NYC or SF, ideally on HubSpot, who post about outbound or GTM engineering, exclude agencies and consultants."
Origami 的自主 web-crawling agent 搜索 LinkedIn、实时网页和十几个其他来源，返回带验证邮箱的 fit-scored 列表。
过去半天的五标签页工作，现在 7 分钟一个 prompt。
2. 数据丰富（Enrichment）
拿到列表后，你需要在第一封邮件发出前了解每个人和每个公司的一切重要信息。
工具：Clay
Clay 是现代堆栈的数据编排层，其 waterfall enrichment 让它不可撼动。你按优先级堆叠数据提供商，Clay 只在其中一个返回命中时收费。
找邮箱？它按顺序跑 Prospeo、Clearbit、第三个来源，直到一个验证地址。找 SDR 人数？它查 PredictLeads，然后 Google 搜索，然后自己的数据集。
ColdIQ 为客户跑的表在 outreach 前每 lead 拉 8-12 个数据点：开放职位、近期融资、技术栈信号、招聘速度、采购委员会变动。每列都是邮件落地的多一个理由。
3. 序列发送（Sequencing）
Sequencer 过去只是按 schedule 发邮件、收到回复时暂停。那是整个产品。2026 年它是堆栈中 AI 杠杆最高的层。
工具：Smartlead
三件事重要：
Reply Agent：读取 Unibox 中的每条 incoming 回复，按意图分类（感兴趣、现在不行、找错人、转介绍），自己处理简单异议。只在人类回复真正需要人类时才 ping 你。
AI 调整发送时机：基于活跃 campaign 中什么在转化，自动调整发送时间和跟进节奏。
Chat 界面起草序列：像 briefing 文案一样，用 chat 界面为新 offer 起草完整序列。
Sequencer 运营从全职 SDR ops 工作压缩到 30 分钟周度审查。
4. 通话洞察（Call Intelligence）
这是大多数人忽视的类别。AI 笔记工具看起来是生产力功能。杠杆在你把它接入堆栈其余部分时才显现。
工具：Fireflies
加入每通电话，转录，写带 action items 的总结。标准功能。重要的是 transcript 层之上的东西。
Fireflies 有专门的 BANT 和 MEDDIC AI Skills，为每通电话按框架评分，加上竞争对手提及标记和购买信号检测。每通电话在每个维度上得到 1-5 分，附带推理。
真正的解锁是 Fireflies MCP server，直接插入 Anthropic 的 Claude Code。ColdIQ 在上面运行一个 chief-of-staff agent，训练在整个业务上。问："看上周的客户电话，给我情绪读数，标记交付团队在哪里掉球，把 action items 写进 Notion。" 几分钟的工作 surface 过去需要半天审计的东西。
5. CRM 自动化
CRM 不工作的原因是没人填。销售花整天 selling。之后记录每封邮件、电话和会议被推到晚上，然后跳过，pipeline 在一个季度内偏离现实。等 leadership 拉报告时，数字已经错了。
工具：Attio
完全移除手动层。每封邮件、电话、会议自动记录到正确记录。职位变动无需任何人触碰就传播。Deal stage 基于通话中实际讨论的内容移动，不是销售记得更新的东西。
Attio 还 shipped "Ask Attio"——针对你自己 pipeline 的自然语言 chat 界面。问："Pipeline 看起来怎么样？给我 breakdown 多少 deal 即将关闭，这个月到目前为止我们关闭了多少 deal value。" 几秒返回， sourced from 底层记录。Pipeline review 从周一会议变成 chat prompt。
6. 研究 Agent
每个销售工具现在都声称有 agent 层。大多数只是 chat 界面的包装。
工具：Claygent（在 Clay 内）
给它一列、一个目标、一组来源，它像一个有三个小时和一杯咖啡的 SDR 一样运行自主研究。给它公司名，找公开 ticker，链到下一列拉最新 10-K 文件，再链一列扫描 10-K 中的 AI 支出语言。表完成时，每个账户都有一个 buying-signal score，零分析师时间。
这是 2026 年的真正转变。SDR 一天中研究的一半已被 agent 层吸收。销售把这些时间拿回去做与潜在客户的 live 对话——这是 AI 仍然无法触及的工作部分。
完整堆栈
| 层 | 工具 | 核心能力 |
|---|---|---|
| 潜客挖掘 | Origami Agents | 自然语言 ICP → 验证邮箱列表 |
| 数据丰富 | Clay | Waterfall enrichment，8-12 数据点/lead |
| 序列发送 | Smartlead | Reply Agent + AI 时机优化 |
| 通话洞察 | Fireflies | BANT/MEDDIC 评分 + MCP 集成 |
| CRM | Attio | 零手动记录 + 自然语言查询 |
| 研究 | Claygent | 自主研究 + buying-signal 评分 |
结语
如果你想在 2026 年领先，必须端到端运行上述每一层的 AI-native 版本。上面的是一个无脑推荐，你今天就可以直接复制并在公司实施。
随着长期熟悉，你可以为每层 swap 或添加更多工具。但上面的堆栈是一个完整的、立即可用的起点。