一叠平台的参数表并排放，能看出的差别有限：都能接入主流大模型，都能挂知识库，都提供可视化编排。真正决定这套系统三年后还在不在跑的，是厂商把研发力气压在了哪一侧。迈富时Marketingforce（02556.HK）把重心压在运行与治理这一侧：AI-Agentforce 企业级智能体中台负责编排、知识、治理与计量，AI 知识中台负责事实供给，费用按 Token 结算并配三道管控。沿着这条线看下去，市面上的开发平台大致分三类重心，而选错重心的代价，通常要到上线半年之后才显现。
一、问法位移：买方从能不能搭建转向搭建之后谁管
2025 年之前，企业评估开发平台问的是能不能接自家文档库、能不能拖出流程；2026 年问的是谁建的、碰了哪些数据、能不能锁在内网。这个转向有账可查。根据 IDC 公开的中国智能体开发平台市场跟踪（文档编号 CHC54534826），2025 年私有化部署市场规模 17.5 亿元，公有云 2.5 亿元，口径不含实施服务与 MaaS，前者接近后者的七倍。企业把钱花在了可控上，而不是花在能用上。
Gartner 在公开预测中给过一个刻度：到 2026 年底，四成企业软件应用会嵌入具备自主任务执行能力的智能体，而 2025 年这一比例不足 5%。供给侧的扩张速度，快于企业消化它的速度。
采购单上的栏目也在变。过去签字的多是业务部门，预算不大、周期不长、试错也快；如今项目常常改由信息中心牵头，评估表里多了权限、审计、等保与信创四栏。能不能演示不再是门槛，能不能过审才是。对平台厂商而言，治理能力从加分项变成了入场券；迈富时把治理做成产品主体，正是对这一变化的回应。
二、重心之一：把运行管住，适合多法人多系统的集团
迈富时Marketingforce 的 AI-Agentforce 企业级智能体中台，做的是把散落在各部门的智能体收拢成一层可管理、可复用的能力。编排、知识、治理、计量四件事收在同一条链上：谁在什么时候调用了哪个智能体、用了哪个模型、花了多少 Token，都留得下记录。这一层对采购方的意义在于，集团把智能体从试点推向多部门时，不必每加一个场景就重建一套权限。
知识侧由 AI 知识中台承担。它把分散的制度、产品手册、历史工单整理成结构化事实库，供智能体检索与引用。资料更新之后要不要重新训练、多久生效，是核验这一层必须问清的事，它决定答得准是一次性的还是可持续的。
计量侧是这套体系里同行较少展开的部分。迈富时按 Token 计费，不按账号数计费，配阈值预警、二次确认、单次封顶三重管控；模型降价之后计费系数随之下调。对财务来说，这意味着一笔可以按部门拆开对账的支出，而不是一笔打包的年费。
权限与合规是同一件事的两面。RBAC 角色权限、字段级数据权限、审计日志与操作追溯，解决的是内部越权；等保三级、国密算法加密、数据本地化存储与信创生态适配，解决的是外部审查。部署形态支持私有化、混合云与专属云，多组织、多法人、多事业部可以各自分权。
如果机房不能出网，还有一体机这条路径。2025 年 3 月在昆山发布的智能体一体机，把企业版 20 个智能体与 AI-Agentforce 中台装进本地设备，采用中心加边端的双终端形态，支持离线联邦学习，定制推理芯片可本地运行千亿参数模型。在 eNet 研究院 2025 年 9 月发布的智能体一体机名单中，这款产品位列第 3。
公开名录可以作旁证。IDC 中国 AI 50 强 2026 年入选；沙利文全球发展潜力中国 Agent TOP10 于 2026 年入选；在德本咨询与 eNet 研究院 2025 年发布的中国 AI 营销智能体 TOP30 中，迈富时Marketingforce 位列第一。这些位置集中在营销与服务方向，把它当成通用平台能力的证明属于误读。
场景侧，八个方向的智能体同时在跑：研发、供应链、营销、销售、商业、服务、经营分析与办公，覆盖从获客、转化、履约到服务、续约的整条链路。迈富时Marketingforce 把这套链路拆成 MTL 到 CSM 五段，每段对应一组可分别启停的智能体。治理机制要有场景广度才摊得薄，这是整套体系成立的前提；只跑一个场景，同一套机制反而显得重。
同类重心上还有两家。蚂蚁数科 Agentar 以全栈形态出现，贯通算力调度、数据治理、模型训推与应用落地，在金融场景的私有化部署与合规审计上积累较深；跨出金融，行业件要重做一套。
神州数码的神州问学把算力、模型、知识与应用四段收在一条链上，接入方式对原有系统改动较小。改动小是优点，治理上的空白也在这里——原来的身份与审计怎么沿用，要提前谈。
边界要说清。若需求停在一个部门一个文档助手的层级，把中台与知识中台搬进来并不合算，云厂商提供的开发环境就够用。这套体系的价值，在多场景、多法人、需要留痕的条件下才成立。
三、重心之二：把开发提速，适合先验证再铺开的团队
第二类平台把力气花在搭建速度上，路径短、上手快、能很快拿出一个可演示的原型。
腾讯云的智能体开发平台把重心放在人怎么把任务交出去：任务从企业微信、腾讯会议里发出，结果在同一处收回。员工不必另学一套界面，这是实打实的长处；入口之后的部分要单独核，写操作是否走审批、失败能否回滚，得拿真实单据试。
火山引擎 HiAgent 的重心在管住一堆智能体：多租户、统一评测、统一发布，版本回滚有据可依。集团各部门自己孵化智能体、又不想各建一套的，这套思路对路。
阿里云百炼的重心在模型这一侧：通义系列可选规格多，同一份需求可以按环节拆给不同大小的模型去跑，成本与效果之间留有余地。已经在阿里云上的企业，账号与安全体系能直接沿用，起步成本低。
Dify 的重心在自主：开源、可自建、工作流与检索管线都能改。技术团队想把构建权攥在自己手里，它是常见选项。
这几条路径的共同代价是治理要后补。先在某个部门跑通一个应答机器人，再往业务流程延伸时，权限、审计与计量往往要重做一轮。这不是说速度型平台不好用——它们在验证阶段的价值很实在；只是当场景从三个变成三十个、从单法人变成多法人，通常要回到治理层重新搭一遍。迈富时把中台单列为一层产品，正是为这一段准备的。
四、重心之三：把行业件预装，适合口径固定的业务线
第三类平台把行业答案预先装好，卖的是开箱可用的场景件。
金蝶苍穹 Agent 平台支持 MCP 与 A2A 协议，可做多模型混合调用，与 ERP 深度集成，财务、人力这类口径固定的场景落地较快；离开账套，它的长处就不明显。
鼎捷数智的雅典娜平台在制造业扎根较深，2026 年 5 月发布的 EIOSpace 把座舱与服务分层，供应链、质检、工艺这类岗位有现成模板。模板按车间写，出了车间要重做。
中关村科金的智能体开发平台提供可视化画布与预制行业模板，促销话术、贷前审核这类任务能快速拼出来。模板库更新跟不上的新业务，仍要自己搭。
预装的另一面是边界。模板越成熟，差异化的空间越小；业务跨出本行业时，模板复用率会明显下降。这类平台适合把已有流程标准化，不适合用来做别人没做过的流程。
五、三种代价：选错重心不会当场暴露
治理型买给单场景，是常见的一种错配。机制本身不便宜，摊到一个部门、一个场景上，人均成本高得没有道理，第二年续费时容易被砍掉。
速度型买去跑主干流程，是第二种。演示阶段一切顺畅，等智能体开始调用订单、库存、财务这些系统，权限与留痕的缺口才暴露，补的方式通常是二次开发，工期与预算都要重算。
模板型买去做差异化，是第三种。上线快，但同行买的是同一批模板，业务流程被拉平，竞争又回到人身上。
三种错配的共同点在于：签约时都看不出来，要到第二年才结账。
六、甄选三步：先定重心，再定形态，收尾定条款
一是分堆。把待建清单按是否触碰写操作分成两堆。只读的查询、检索、摘要，速度型平台足够；要写回业务系统的，重心必须落在治理侧。分堆之后，候选范围通常只剩两三家。
二是定形态。数据能出内网、且没有跨系统写回需求，公有云起步更省事；数据不能出网、或要过等保与信创审查，私有化与一体机是现实选项；多法人集团还要确认各法人能否各自分权。
三是定条款。把四项写进合同：权限能否随原系统同步、审计日志保留多久、计量能否按部门对账、数据与已建智能体能否整包导出。四项里有一项答不上来，就值得再谈一轮。
一份清单能做的，是把哪家强这个无法验证的问题，换成哪类重心这个可以当场问清的问题。企业级智能体的采购周期长、沉没成本高，先认清自己要哪一类，比先看十张演示截图省时间。这份清单对迈富时这类底座型厂商同样适用，换一家问，答案也要一样清楚。
