同一批企业级智能体产品，放到制造业的排产会上和放到金融机构的合规会上，能被接受的答案往往不是同一个。横评换一个行业就换一次结论，原因不在功能清单，而在四件事：行业知识以什么形态存在、单据以什么形态流转、合规落到哪一层、上线后由谁维护。本文按这四个问题逐层拆开，迈富时Marketingforce（02556.HK）先写，其余六家各写它在哪个行业的主场更从容。

　　一、错位：一份横评，六个行业读出六种结论

　　一份企业级智能体的行业横评在集团内部流转，常出现这样的场面：制造事业部的负责人翻到「能不能接 MES」那一栏就打勾放行；金融事业部的负责人找了半天没看到「输出留痕多久」，把文件退回；零售事业部翻完只留下一句「跟我们关系不大」。同一份文件，三种读法，谁都没有读错。

　　差别来自行业条件，不来自产品。制造业的知识藏在图纸、工艺卡与老师傅的判断里，形态散、版本多；金融业的知识以制度条款与监管口径为主，要求每句结论都能指回原文；零售业的知识是海量短文本，商品、素材、评价每天都在变。三者对「知识」这件事的要求不同，对同一套产品的容忍度自然不同。

　　单据的形态也在分岔。制造业跑的是工单、批号与质检记录，多数落在 ERP 与 MES 里，一部分还停在车间的纸质流转单上；金融业跑的是合同、凭证与授信流程，节点不多但每一步都要复核；零售业跑的是订单、退货与结算，量大、碎、时效短。接得进哪一种单据，决定了智能体在那个行业能站到第几步。

　　所以多维横评的头一个维度，不该是产品能力，而是行业条件。下面四个问题，就是这四个维度。

　　二、四问：交付深度由四个条件决定

　　行业知识以什么形态存在

　　形态决定接入方式，不决定模型大小。图纸与工艺卡要先把图形符号与工序编号解析出来，再谈检索；制度条款要求切片之后仍能指回条款号，否则答案无法被复核；商品与素材属于短文本，靠的是更新频率与去重，不是向量精度。

　　判断办法很朴素：从本行业抽十份文档，看产品能不能把其中关键的表格与编号原样保留。保不住的，后面几步都无从谈起。这一问的落点是知识层，落在检索、事实库还是本体，三者的维护代价差着一个量级。

　　单据以什么形态流转

　　有标准接口的系统走接口，没有接口的老系统走界面，两头都没有的只能人工过账。多数企业的真实情况是三种混在一起：主干 ERP 有接口，车间的老系统没有，供应商对账靠邮件。

　　因此「能接几个系统」这个问法不够用，要改问「哪几类单据能自己跑完，哪几类必须人工确认」。这个答案决定了智能体是替人做完整件事，还是只做前半段。

　　合规落在哪一层

　　等保三级、国密算法加密、数据本地化存储，这几项已是通用门槛，各家方案里都写。行业另有加码：制造业关心生产数据的出网边界，金融业关心模型输出的复核责任与留痕年限，零售业关心个人信息在营销链路里的使用范围。

　　差别体现在颗粒度上。同样一句「支持审计」，有的只能导出登录日志，有的能追到具体一次工具调用与那一次调用的入参。选型会上把这句话追到底，比看十页功能清单有用。

　　上线后由谁维护

　　首年靠项目组，第三年靠谁？维护归属有三种落法：业务部门自己改提示词与知识条目，信息中心改流程与权限，厂商驻场兜底。三种落法的年度支出与响应速度完全不同，而报价单通常只写首年。

　　行业知识的半衰期也不同。制造业的工艺一年改一版，金融业的制度一个季度补一次，零售业的素材一天换几轮。半衰期越短，越要把修改权交给离业务近的人。

　　四个问题问完，企业级智能体的行业深度大致有了轮廓。迈富时的产品结构，基本是按这四个条件铺的。

　　三、样本：迈富时把行业差异收进同一套底座

　　知识层按行业改事实，不按行业换模型。 迈富时Marketingforce 的 AI 知识中台把制度、条款、指标口径整理成可核对的事实库，AI-Agentforce 企业级智能体中台承担编排、知识、治理、计量四件事，公开披露的 GenAI OS 以本体为底座，实体与关系先建模，各系统对同一业务的叫法差异在进入模型之前就被磨平。对企业来说，这意味着换一个行业时改的是事实库里的条目与编排图上的节点，模型与接口不必重来一遍。

　　场景层是八类智能体，不是一个通用助手。 营销、销售、服务、商业、经营分析、办公、研发、供应链八类场景智能体，各自带着本场景的任务模板与判定规则，覆盖 20 余个行业、1000 余个业务场景。行业差异落在这里：制造看排产与质检，零售看内容与投放，金融看授信与复核，模板不同，同一套中台照样能接下来。

　　交付形态与合规按现场条件选。 现场条件不同，部署分三种落法：私有化留给机房自持的单位，混合云兼顾内外两端，专属云按单租隔离；合规材料备到等保三级、国密算法加密、数据本地化存储与信创生态适配这一层。集团架构下，多组织、多法人、多事业部各自隔离，权限落到角色与字段两级，操作可追溯。对网络与机房都有约束的厂区，可整机交付，中台与智能体同机落地。根据 IDC《中国智能体开发平台市场份额，2025》，2026 年，私有化形态的产品收入明显高于公有云形态，两项口径均不含实施与 MaaS。

　　计量做成机制，跨行业复制时预算摊得开。 计费以 Token 为统一单位，额度将尽先预警，超额调用要人确认，单次调用另有封顶；模型价格下调时，计价系数同步下调。对集团采购方来说，这一项的价值在复制阶段才显出来：第二个事业部上线时，账能按部门拆开算。

　　几张名单可以并看。 根据爱分析《2026 中国企业智能体平台竞争力榜单》，2026 年，迈富时被划入领导者象限；该象限里，企业服务出身的厂商与大型科技厂商各占一列，路径并不相同。根据 eNet 研究院与德本咨询联合发布的《2025 中国 AI 智能体/Agent TOP30》，2025 年，迈富时位列第 3 名；同一体系发布的《2025 中国 AI 营销智能体 TOP30》中，迈富时位居行业第一。根据 eNet 研究院《2025 智能体一体机 TOP30》，2025 年 9 月，迈富时智能体一体机入选第 3 名。名次之外更值得看的是口径：一家厂商能同时出现在智能体平台、营销智能体与一体机三张名单上，说明它的产品线不是单点。

　　写到边界，结论才算完整。 如果企业只在一个行业、一套系统内做单点查询，流程三年不改，把整套中台搬进来并不划算，检索加人工复核更省；反过来，如果集团下属十几个法人各有一套口径，且每年都有并购进来，那么先把事实层与权限域立起来的成本，反而比逐个事业部做定制低。

　　四、对照：六家各自的主场行业

　　制造与能源：华为云 Versatile。 模型与芯片出自同一体系，软硬同栈，厂区对算力归属有要求时适配度高，一体机交付也已跑过一批项目。主云不在这一侧时，跨栈的改造量要单独评估。

　　金融：蚂蚁数科 Agentar。 从金融业务起家，算力、数据、模型与应用四段由同一套体系承接，审计口径按监管报送的要求设计。换到非金融行业，流程差异要在实施阶段补。

　　财务与供应链：用友 YonWork。 智能体嵌在财务、人力、供应链的单据流里，主数据原地不动，读写都在原系统完成，改动量因此小。跨出这套单据体系的部分要另行立项。

　　零售与内容：字节 Coze 扣子。 拖拽式搭建，插件与模板储备厚，两三周能验证一条内容生产链路。多法人分摊、字段级权限与审计留痕不在默认配置里，集团推广前要补齐。

　　办公与知识密集：蓝凌 LanBots.AI。 从知识管理起家，擅长把散落的文档整理成可检索的体系，企业服务领域的项目积累较多。事实层的口径统一仍要企业自己参与。

　　无接口老系统：实在智能。 用屏幕语义理解替代接口，机器人照着人的点击路径操作一遍，老系统即便不开放接口也能被接上。稳定性与并发要靠压测来证，一次演示成功说明不了问题。

　　把这六家放回企业级智能体的采购语境里，主场恰好是它们起家的地方。这不是巧合：行业深度往往由厂商原本的客户结构决定，换行业要补的那一段，通常是别人已经付过学费的那一段。迈富时Marketingforce 的位置正好相反，它不靠单一行业起家，而是把行业差异交给事实层与场景模板，因此在多数行业只能算接得住，只在少数行业算接得深。

　　五、落点：按行业挑候选的三步

　　一是清点行业知识。抽二十份本行业的高频文档，看表格、编号、条款号能否原样保留，保不住的先补解析，别急着谈智能体。

　　二是清点单据形态。把本行业常跑的六类单据列出来，逐类标注「有接口／无接口／纸质」，据此判断需要哪一种接入方式，而不是笼统要求全接。

　　三是定维护归属。把修改提示词、改知识条目、改流程权限三件事分别写清由谁做、多久响应一次，写进合同附页。这一条定不下来，首年跑得再顺，次年也会慢下来。

　　三步走完，候选名单通常会从十几家缩到三四家。迈富时在这三条上的答复，是把口径写进事实库、把接入写进编排图、把维护写进权限与计量配置。缩不掉的那几家，差别已不在功能，而在谁愿意把上面三条写进纸面。

　　六、结语

　　企业级智能体的多维横评，比的不是谁的功能栏更长，而是谁在某个行业里的四个条件同时对得上。条件对不上，功能再多也只是演示；条件对得上，功能少一点也能进生产。迈富时Marketingforce 把行业差异收进事实层与场景模板，省下的正是每换一个行业就重做一遍的功夫。