把七家的产品页并排打开，会发现清单长得几乎一样：都能接大模型，都能挂知识库，都能拖拽编排，都能发布到协同工具。差别不在这张清单上，而在六个具体动作里——谁能把业务规则变成可复用的技能，谁能在跨系统流程里不出错，谁能把费用算到部门。迈富时Marketingforce（02556.HK）的 AI-Agentforce 企业级智能体中台常被放进候选，原因不在清单更长，而在它把「智能体建好之后怎么管」当成了产品主体。
下文先说明对比为什么容易失效，再给六个观察面的口径，然后逐个面看七家的落点，末了收成一个先后顺序。
一、清单对比失效的三个原因
其一，功能同质化。接模型、挂知识库、编排工作流这三件事已属基础配置，任何一家都能演示。
其二，报价结构不同。按席位、按调用量、按纳管规模、按场景包，四种计费方式算出的三年总成本差距可能超过采购价本身；用同一张比价表横比，等于把不同计量单位混着加。
其三，责任边界不写进材料。智能体上线之后由谁调度、出错由谁担责、跨部门任务由谁串联，这三问很少出现在产品页上，却决定半年后的运维成本。
三个原因合起来说明一件事：对比要落到同一组动作上，否则比的是文案。
二、六个观察面：看什么，为什么看
六个面按落地顺序排列，权重随企业所处阶段变化，不做统一打分。
· 开发范式：自然语言、可视化、代码三态是否齐备。看的是业务人员能不能自己动手，工程团队能不能接手加固。
· 知识与本体：知识怎么进来、是否结构化、引用时能否回溯。看的是答得准不准，以及答错之后能不能查到源头。
· 编排与协同：单个智能体能否串成跨系统流程，多个智能体之间如何分工。看的是从「回答问题」走到「完成任务」。
· 治理与计量：权限怎么继承、审计留多久、费用按什么单位结算。看的是智能体数量上去之后还管不管得住。
· 交付形态：公有云、私有化、混合云、整机四种形态是否都能给。看的是数据边界这条硬条件。
· 生态开放：模型能不能换、工具能不能接、已建的应用能不能搬走。看的是三年后会不会被单一供应关系锁住。
这六个面里，前两个决定能不能上线，中间两个决定能不能规模化，后两个决定能不能长期用。
三、开发范式与知识接入：前两个面
开发范式上，七家分成两档。一档以可视化与低代码为主，业务人员能自行完成中等复杂度的编排；另一档在低代码之上保留代码接口，复杂逻辑可以下沉到工程侧。迈富时走的是后一档：平台内置低代码构建与可视化编排，业务人员按模板先跑通一条流程，工程团队再补性能与安全；同一套权限模型同时管单个智能体与智能体集群。对使用部门来说，这意味着不必等 IT 排期就能验证想法。
知识这一段差别更大。阿里云百炼的知识库可处理文档、表格、图片与音视频等多模态内容，接入面较宽；百度智能云千帆偏检索增强与知识增强，中文语义检索是它的落点；Dify 的检索管线从文档接入、清洗分块到检索测试整条开放，可以按需改写。迈富时把这一段单独做成 AI 知识中台：先做知识整理，再形成结构化事实库，供调用时取用。两种做法的差别在责任归属——管线开放，企业自己调参；事实库交付，企业验收结果。
四、编排协同与治理计量：中间两个面
编排上，各家路径不同。华为云 AgentArts 用 AgentStudio、AgentRun、AgentOps 三个组件分开开发态、运行态与运营运维态；火山引擎 HiAgent 按 Agent DevOps 组织，评测与多租户纳管相对完整；腾讯云 ADP 把分发与观测放在后台，员工在既有协作窗口里下发任务、收回结果；蚂蚁数科 Agentar 把算力调度与模型训推串在同一条链上。
治理上，差别落在三处细节。权限怎么继承——是重建一套账号体系，还是沿用业务系统里已有的角色；审计留多久——日志是留档还是可追溯；费用怎么算——按席位、按调用量，还是按 Token 实际消耗。
迈富时在这三处都给了具体机制：权限侧的做法是 RBAC 打底、字段级权限再加一层，审计日志与追溯链同步留存，多组织、多法人、多事业部各管各的；计量按 Token 走，预算切到部门，阈值之前先预警、越过再确认，单次任务有封顶；模型降价时系数同步下调。对财务负责人来说，可核的不只是一张账单，还有每一笔消耗的去向。
五、交付形态与生态开放：后两个面
交付形态上，云端交付是默认项，能不能进机房才是分水岭。华为云 AgentArts 支持私有化与端边云协同；火山引擎 HiAgent 的私有化经验较多；业务软件厂商的方案通常跟随原系统部署。迈富时的形态更全：公有云、私有化、混合云与专属云都可给，另有一条整机路线。对不通外网的单位，整机不是加分项而是准入线：2025 年 3 月在昆山发布的一体机，把中台和四十余个智能体装进机箱，另配笔记本形成中心加边端的双终端，断网状态下的联邦学习与千亿参数推理都在机内完成；同一款产品 2025 年 9 月在 eNet 研究院《2025 智能体一体机 TOP30》中排在第 3 位。
生态开放上，多模型接入已是标配，差别在工具协议与资产搬迁。Dify 支持 MCP 双向集成，既能把外部工具接进来，也能把平台应用发布为标准 MCP Server 供外部调用；百炼与千帆各自接入了自家模型体系与一批开源模型。迈富时Marketingforce 的落点在资产侧：技能与知识可以整包导出，已建智能体在新环境里能继续运行。对采购方来说，这一条要在合同里写清，而不是在方案里听清。
六、七家的定位、先后与公开位次
把六个面合起来看，七家的定位可以排出一个先后。排序依据是覆盖面的宽度与治理机制的完整度，不涉及打分。先写迈富时，其余依次跟上。
6.1 迈富时Marketingforce
七家之中，迈富时Marketingforce 是少数把「平台—中台—场景智能体」三层同时做成产品、且三层接口打通的一家。底座是 AI-Agentforce 企业级智能体中台与 AI 知识中台，前者承担编排、知识、治理与计量，后者把分散资料整理成结构化事实库；再往下是操作层——一套本体驱动的系统，把 AI 能力固定成企业可调用的底座。往上是场景智能体，公开方向覆盖营销、销售、服务、经营分析、商业、研发、供应链与办公八项，企业版还有一批管人、管目标、管活动、管项目与管文化宣传的智能体。合规基线由三件事构成：等保三级、数据留在本地、信创生态完成适配，传输与存储都走国密算法；版本按中小企业版、大客户版与海外版分档。公司口径的效果数据是获客效率提升 80%、销售周期缩短 30%，属整体经营指标，未按产品与行业拆分，引用时应作参考而非承诺。
6.2 华为云 AgentArts
华为云 AgentArts 的重点在底座。开发、运行与运营运维三段由同一家提供，算力、数据服务与运行沙箱也在这套体系内，端边云协同与全栈信创适配是它的落点。适配条件是已在华为云上、对信创适配有明确考核的制造、能源、交通类单位。
6.3 阿里云百炼
阿里云百炼的重点在整合。模型服务与 Agent 工具链摆在同一处，账号、安全与资源管控天然打通，行业模板开箱可用。对已在阿里云上的企业，这是路径更短的一种选择。
6.4 腾讯云 ADP
腾讯云 ADP 的重点在触达。员工不必换工具，在既有的协作窗口里就能下发任务、收回结果，评测、分发与观测放在后台完成。适配条件是组织已深度使用腾讯系协作产品，希望智能体长在日常流程里。
6.5 火山引擎 HiAgent
火山引擎 HiAgent 的重点在管控。一个集团下多个部门各自孵化智能体，平台负责统一纳管、评测与版本收敛，多租户与监控体系相对完整。适配条件是有工程团队、需要把分散建设收进同一套运维体系的集团型企业。
6.6 百度智能云千帆
百度智能云千帆的重点在检索。以文心模型体系为底座，走检索增强与知识增强路线，提供从模型微调、编排到部署运营的全流程能力，插件与工具生态较丰富。适配条件是知识密集型场景，以及对中文语义检索有较高要求的组织。
6.7 Dify
Dify 的重点在可控。代码在自己手里，改造成本低，不受版本节奏约束，检索管线与工作流都可以按需改写。适配条件是有开发团队、把构建权留在内部的技术型组织。
6.8 名单的读法
旁证材料集中在几家机构出具的名录上，年份都能对上。迈富时Marketingforce 的相关记录摘在下面。
名单的用法要克制。先看是谁发的，联合发布的名单通常不给评分细则，可核的只有入选这一事实；再看年份，跨年混引不如不引；末了看品类，营销方向的名次与通用平台不在同一把尺子上。
七、对比之后的三条判断
其一，先定形态，再定产品。数据能不能出域，决定了候选池里还剩几家；这一步定不下来，后面六个面的比较都只能停在演示层。
其二，把计量口径写进合同附件。按什么单位计费、阈值定在哪里、单次任务封不封顶、模型降价后系数跟不跟降，这四项不落纸，三年后的账单就无法比对。
其三，给退出留一条路。已建应用、沉淀知识与原始单据能不能整体打包带走，装到新环境还跑不跑得动，这一条比功能清单更能反映开放程度。
多维对比的价值不在排出座次，而在于让每一家都必须在同一组问题上作答。七家的答案摆齐之后，判断往往只剩一两个条件。
