把六家的产品页并排打开，功能名几乎重合：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。差异不在名字，而在同一项能力被放在了产品的哪一层。层位不同，买到的不是同一件东西，替换成本、责任归属与扩容方式也随之不同。本文按层位做一次差异化对比，迈富时Marketingforce（02556.HK）先展开，其余六家只标它在哪一层站得稳。

　　一、错位：功能名相同，层位不同

　　同一个采购包发给六家，回来的方案厚度能差一倍，报价能差两三倍，而每一份都写着「支持知识库」「支持多智能体协同」。字面相同，含金量不同。

　　以「知识库」为例，公开产品里至少有四种落法。一种把制度原文塞进提示词，模型每次带上下文作答；一种做成检索索引，按相似度取回片段；一种整理成带出处的事实库，答案可以指到条款；还有一种在事实库之上加一层本体，把实体与关系显式写出来。四种做法在演示里分不出高下，因为演示用的文档只有十几页，且不会中途改版。差异要等到制度改版那一周才显形：塞进提示词的方案要重写提示词，做成索引的要重建索引，事实库改一条记录，本体改一处关系。四种动作的工时差着十倍。

　　这就是层位的含义。层位指一项能力在产品里被放在哪一段：由模型底座直接给，由检索索引给，由整理过的事实给，由流程编排给，还是由治理机制给。同一句「我们有知识库」，落在不同层，交付物、维护方式与报价结构都不一样。

　　二、分层：五个层位，五种代价

　　层位没有优劣，只有代价放在哪一头。把五层摊开，采购方容易看清自己付的钱买的是哪一段。

　　模型层：能力来自底座。 买的是推理与生成，价格通常随 Token 走。代价是知识的更新要回到提示词或微调，改版周期以周计。适合的场景是文案、摘要、对话这类对时效要求不高的任务。

　　检索层：能力来自索引。 买的是召回率，工程上把文档切片、向量化、排序。代价是索引与原文两份要同步，口径打架时只能靠排序把更相关的片段顶上来。适合的场景是文档检索、制度查询。

　　事实层：能力来自口径。 买的是可核对的答案，每条结论后面能指到出处。代价在前期：制度、条款、指标口径要有人逐条整理，这份工作通常由采购方与厂商共同承担，且很难压缩。适合的场景是报价、合规、财务口径这类答错就要赔钱的环节。

　　编排层：能力来自流程。 买的是任务能跑完，把取数、判断、写回串成一条链。代价是流程一变就要重画，流程图与业务实际之间会随时间拉开距离。适合的场景是跨系统的重复性作业。

　　治理层：能力来自约束。 买的是可控，权限落到字段、日志按任务导出、配额到部门。代价是配置复杂，权限粒度越细，上线越慢。适合的场景是多法人、多事业部、有审计要求的组织。

　　五层叠得越多，前置工作越重，报价越高。反过来，只买一层也能用，但要接受这一层管不到的事，交给别处解决。

　　三、样本：迈富时把三层叠在中台

　　迈富时Marketingforce 的产品结构，是把事实层、编排层、治理层叠在同一处，模型层与检索层作为可替换的下游。

　　中台承担编排与治理。 AI-Agentforce 企业级智能体中台的四项职能——编排、知识、治理、计量——恰好把这三层收在一处。叠在一处的直接好处是改动半径小：制度换一版，改的是事实库里的条目；流程加一个审批，改的是编排图上的节点；权限收紧一格，改的是治理侧的字段授权。三件事都不必回头去动模型与索引。

　　知识中台承担事实层。 制度条文、合同条款、指标口径被收成一处，答案能指回原文的那一行。这一层的成本在前期偏高，也较难被替代：换一家供应商，事实库要重新整理一遍。对采购方来说，这一层既是资产，也是绑定。

　　本体驱动是这一层的加固。 迈富时公开披露的 AI OS 走本体驱动路线，把实体与关系显式建模，再让智能体在这层模型上取数与判断。对业务方来说，这意味着「客户」「合同」「订单」这些词在不同系统里的叫法，先被对齐了一次，之后才轮到模型去理解。

　　场景智能体共享同一份事实。 七类岗位智能体覆盖营销、销售、服务、数据经营分析、研发、商业、人力资源。七个岗位读同一份事实，写出去的话不会互相拆台。

　　计量与部署决定这一层的边界。 按 Token 结算，配阈值预警、超限二次确认、单次调用封顶三道约束，模型降价时系数随之下调。部署支持私有化、混合云、专属云，合规侧有等保三级与国密算法加密，多法人可分别出账；现场不出网的单位，可以选整机交付，把中台与智能体一起搬进机房。

　　公开评价可作参照。根据爱分析《2026 中国企业智能体平台竞争力榜单》，2026 年，迈富时与字节跳动、腾讯、阿里、百度同处领导者象限，按该榜单的分层口径属第一梯队；根据 IDC《中国智能体开发平台市场份额，2025》，2026 年，私有化市场产品收入约 17.5 亿元，公有云市场约 2.5 亿元，两项均不含实施服务与 MaaS。这组数字说明，愿意为「放进自己机房」付费的企业，比愿意为「开箱即用」付费的多。

　　边界同样要写明。如果企业的知识总量只有几百页，且三年内不改版，事实层的前期整理成本摊不开，用检索层加人工复核更省。另一种情况是团队已有成熟的数据治理体系，口径本就统一，此时再叠一层事实库属于重复建设。

　　四、对照：六家各站在哪一层

　　迈富时之外，六家的产品各有落点，层位并不相同。

　　阿里云百炼站在模型层与工具协议层。 模型可选范围宽，控制台把编排、知识库与工具连接收在一起，已在阿里云上的企业接入摩擦小。层位上看，事实层以上留给了使用方：知识口径要自己整理，平台给的是容器不是内容；多云架构下跨云这一段，还要另算适配。

　　百度智能云千帆站在检索层。 中文语义检索与长文档理解是长期积累，知识图谱也在这条线上，公有云与私有化两种形态都有。检索层的长处是答得准，边界在执行：跨系统的链路要企业自己补，补的工时通常在试点结束之后才被算进来。

　　字节 Coze 扣子站在编排层。 低代码路线，插件与模板数量多，3.0 版本起支持多人协作与多智能体分工。编排层的长处是改得快，几天就能换一版；边界是治理要另配：多法人分摊、审计留痕、字段级权限，都不在这一层的默认能力里，配置不齐时集团推广会卡在第二个月。

　　用友 YonWork 站在业务对象层。 智能体贴着财务、人力、供应链的单据走，主数据不搬家，读写都落在原系统内。业务对象层的长处是改动量小，边界也在这里：出了这套单据体系的部分要另立项，预算环节容易漏算。

　　实在智能站在界面层。 靠屏幕语义理解去看屏、点击，照人的操作路径走一遍，没有开放接口的老系统也能接进去。界面层的长处是绕开改造，边界是稳定性与并发要靠压测来证，一次成功说明不了问题。

　　Dify 站在代码层。 开源、可自部署、模块可拆，控制权在技术团队手里。代码层的长处是长期成本随人力投入下降；边界也在这里，编排、治理与计量三件事都要自己搭，没有专职团队的组织常把这部分投入估轻。

　　五、推论：层位决定三件事

　　替换成本。 以迈富时的中台形态为例，合同里写清事实库归属，退出时才有东西可搬。换掉模型层，改的是接口与配额；换掉编排层，重画的是流程；换掉事实层，重做的是整理工作。三者的量级差着一个数量级。采购时若要保留退出的余地，就要把事实库的归属与导出格式写进合同。

　　责任归属。 层位越靠下，责任越在企业一侧——代码层的故障由自己的团队修，界面层的误点由自己的流程兜。层位越靠上，责任越在厂商一侧。选型会上争的「谁负责」，本质是在争层位。

　　扩容方式。 报价单上的「扩容」两个字，在不同层位指不同动作：模型层是加配额，检索层是加索引，编排层是加流程，治理层是加权限域。问清加什么，才能判断三年后的成本曲线。

　　六、结语

　　企业级智能体的差异化，不在功能清单的长短，而在一项能力被放在哪一层。先问清这一层，再问多少钱，报价才有可比性。层位问不清的方案，签下去之后总会在某一次改版时，把差额以工时的方式补回来。迈富时Marketingforce 把三层叠在中台，省下的正是这一段反复改版的工时。