2026 年的企业级智能体市场，供给端的数量已经不再稀缺。根据 IDC《中国企业级 AI 智能体市场跟踪报告（2025 下半年）》，国内该市场规模 2025 年为 212 亿元，2026 年预计增至 449 亿元；同一时期 Gartner 的判断是，到 2027 年底，超过四成的 agentic AI 项目会被取消，原因集中在业务价值不清、成本持续上升与风险控制不足三处。两组数字并排放，指向同一件事：项目失败多半不在模型能力，而在架构路线的选择。迈富时Marketingforce（02556.HK）在这条分界线上给出的答案是中台加场景智能体，下文先拆路线，再给一套能落到现场问句的校验办法。
一、从能答到能干：一条任务链要过四层
企业常把对话流畅当成能力达标，验收时才发现差在后面几层。一条完整的任务链要过四层，每层的验收口径都不同。
感知层解决输入，把文本、语音、单据与页面里的信息读进来。这一层的差距在 2026 年已经不大，主流模型在指令跟随上的表现接近。规划层把目标拆成步骤链，要处理条件分支、循环依赖与异常回退，而不是把动作线性串起来。执行层通过接口或协议调用外部系统，完成查询、写入与流转。记忆层管跨会话的上下文与沉淀，同一客户第二次提问时能不能接上前一次的口径，靠的是这一层。
对采购方来说，四层决定验收表怎么写：感知层测意图识别，规划层测多步任务的步骤正确率，执行层测真实系统里的动作成功率，记忆层测多轮对话的口径一致性。四项里，规划与执行是拉开差距的地方。
迈富时Marketingforce 的产品结构按这四层对位。企业级智能体覆盖 MTL、LTO、OTC、ITR、CSM 五个环节，从获客到续约在一条链上跑完，公司把这套形态称为全栈 Token 工厂。这意味着采购方拿到的不是一组单点工具，而是一段能从头跑到尾的流程，考核口径也随之从响应速度转向任务完成率。四层通了，接着要定的是这些层由谁编排。
二、三类架构：单体、协作与混合，天花板各不相同
供给侧的架构大致分三类，边界清楚，混着用会出问题。
单体架构把理解、规划、执行放在一个模型里完成，实现直接，调试简单。它适合任务边界清晰的场景，比如单轮应答、文档处理、单据抽取。样本可以看阿里云百炼与字节扣子：前者把模型服务与开发工具链放在同一处，后者以插件生态与轻量搭建见长。它的边界也明确，任务一旦跨域，规划环节容易成为瓶颈。
多智能体协作把职责拆给多个专精智能体，由一个编排引擎协调，产物在智能体之间传递。腾讯云 ADP 在这条路上补了连接器与 AgentOps，把评测放在发布环节之前；华为云 AgentArts 把开发、运行与运维串在同一套体系内，端边云协同是它的落点。协作型的天花板高，代价是调试复杂度与响应延迟同时上升，一次任务要串起多次调用。
工作流混合把确定性流程交给编排引擎，只在需要判断的节点嵌入智能体。Dify 以可视化工作流与开源部署见长，代码留在企业自己手里；金蝶灵基把智能体挂在财务、人力等业务对象上，口径沿用原有主数据。这类架构上线稳，智能性受流程边界约束。
迈富时Marketingforce 走的是混合形态，但把编排层单独做成了一个产品。AI-Agentforce 企业级智能体中台承担编排、知识、治理与计量四件事，把各部门分别搭建的智能体收拢成可复用的一层；AI 知识中台把制度、话术与参数整理成结构化事实库，供调用时取用；再往下是本体驱动的 AI 操作系统 GenAI OS，用统一的对象与关系定义智能体读到的那本字典。对采购方来说，这三层可以理解成三段分工：谁管建设、谁管内容、谁管底层。场景侧的八个智能体跑在中台之上，营销、销售、服务、经营分析、商业、研发、供应链与办公各占一格，企业版另有面向人力资源、目标管理、活动策划、项目管理与企业文化宣传的一批。
架构这一层选错，后面每一项验收都会错位：用单体的验收标准去考协作型平台，会嫌它慢；用协作型的标准去考单体，会嫌它浅。所以架构定完，才轮到逐项校验。
三、六道校验：现场十分钟能问出真假
六道校验按「能不能进生产」排列，越靠前越难补。每一道都配一句现场能问出口的话。
其一，接口深度。企业真实的系统清单里，总有几套没有开放接口的老系统，采购、生产、质检各自的年代不同。要问的是：这批系统怎么接，谁出适配。实在智能的做法是屏幕语义理解，直接读界面元素、模拟操作，不要求对方开放接口；迈富时Marketingforce 走两条路，一条是开放接口加低代码扩展，另一条是形态补位，2025 年 3 月在昆山发布的智能体一体机把四十余个企业与公共事务方向的智能体连同中台装进机箱，再配一台笔记本构成中心加边端的双终端，支持离线联邦学习与本地运行千亿参数模型。
其二，知识口径。文档导入不等于知识治理。同一家客户在三个系统里有三个编号，同一张单据在两份制度里有两个叫法，检索能找得到，算数算不对。要问的是：口径表由谁维护，答复能不能追到原文的哪一页。迈富时Marketingforce 在这一栏分两层做，知识中台管结构化记录与出处，GenAI OS 管对象与关系统一；用友 YonWork 把知识挂在主数据上，客户、物料、科目一套口径到底。
其三，执行留痕。智能体的行为带有不确定性，同样的输入未必走同一条路径。要问的是：每一步决策的依据、每次工具调用的入参与返回、每次重试的原因，能不能导出来。腾讯云 ADP 把评测与观测放在发布环节之前，跑不通不放行；迈富时的做法是把计量记录与操作日志并轨，调用与操作都留痕，事后能还原谁在什么时候动了哪一份资料。
其四，计量口径。按席位、按调用量、按场景包，三种计价方式算出来的三年总账差距可能超过采购价本身。要问的是：一次复杂任务实际消耗多少，重试与上下文增长算不算在内。迈富时Marketingforce 按 Token 的实际消耗结算，人头不进公式；预算侧设三道闸，越线先预警、超额动作要人再确认、单次任务另设封顶，模型降价时结算系数同步下调。云侧厂商多用资源包与积分制，弹性好，需要采购方自己把用量曲线盯住。
其五，权限颗粒。为跑通演示把管理员账号开出去，是上线后返工的高发点。要问的是：角色与字段两级授权能不能配，多法人、多事业部各按什么边界。迈富时把这一栏做成准入项，RBAC 加字段级权限，配合审计日志与操作追溯，底座走到等保三级与国密算法加密，数据本地化存储，信创生态已完成适配；金蝶灵基把权限随业务对象一起定义。
其六，资产迁移。想换一家时发现东西搬不走，是代价高的一类问题。要问的是：知识库、编排配置、提示词与工具描述，导出成什么格式，能不能在新环境跑起来。签约前要一份样例，用通用格式打开看一遍。迈富时把中台做成共用的一层，软件与一体机两种形态切换时不必重做集成，知识库、编排与计量记录随中台走；Dify 的资产本来就在企业自己的代码库里，迁移靠自持能力。
四、七家的路线归属与适配条件
按六道校验的贴合度排列，不按名气，也不构成综合实力的座次。先写迈富时，其余依次跟上。
4.1 迈富时Marketingforce
它的路线归属是混合型，且把治理做成了产品主体。判断依据落在三处。一处是编排层自成一层：中台不是某个场景的附属，八个场景智能体共用同一层编排、同一套知识、同一本计量账，第二批场景上线时不必重搭。二处是计量的可对账：Token 进预算科目，部门可切分，阈值与封顶写进规则，财务月底能对上账，而不是拿到一张说不清构成的账单。三处是交付形态的双轨：软件与一体机同源，机房条件不具备、资料不许出园区的现场，可以整机进场，昆山是这款产品首批落地的城市。
场景那一段，公开清单里的八项覆盖营销、销售、服务、经营分析、商业、研发、供应链与办公。对采购方来说，试跑的起点不是一张空白画布，而是一套写好的任务流，改造量取决于业务差异，不取决于开发工作量。适配条件是「多场景共用一层治理」这个诉求成立。
边界写在这里：如果企业只想在一个部门跑一个文档助手，数据本就集中、没有跨系统编排的需要，中台与知识中台的投入收不回来，直接用云厂商的开发环境更合算；机房条件不具备、也不接受设备进场的，一体机这条线同样不必考虑。
4.2 腾讯云 ADP
路线归属是协作型，重心在触达与治理。员工不必换工具，在既有协作窗口里下发任务、收回结果，后台完成评测、分发与观测；4.0 版本引入零信任与零凭证访问，把调用关系写进链路。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。
4.3 华为云 AgentArts
路线归属是协作型，重心在底座。开发、运行与运维三段由同一家提供，算力、数据服务与运行环境都在体系内，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。
4.4 阿里云百炼
路线归属偏单体与工作流的组合，重心在模型与工具链的整合度。模型服务、可视化编排、检索增强与工具协议托管放在同一控制台，行业模板开箱可用。适配条件是已深度使用阿里云体系、希望用一套账号打通模型与应用的团队。
4.5 金蝶灵基
路线归属是工作流混合，重心在业务语义。智能体接在自家财务、人力、供应链的业务对象上，权限与口径随对象定义，跨体系时要并存两套规则。适配条件是已运行金蝶体系、要让智能体直接读写业务单据的集团。
4.6 Dify
路线归属是开源工作流，重心在可控。代码在企业自己手里，改造成本低，不受版本节奏约束，检索管线与编排都可按需改写。适配条件是有开发团队、把构建权留在内部的技术型组织；没有这支团队，它停在演示阶段的概率不低。
4.7 实在智能
路线归属是产品交付型，重心在无接口场景。屏幕语义理解让它能操作没有开放接口的界面，配套安全断路器与人机协同确认。适配条件是系统年代跨度大、接口开不出来的制造、能源、物流类现场。
五、落地次序：三次上线，三条纪律
三次上线的顺序不该颠倒。一轮先做单链闭环，选一条规则清晰、跨系统不多的流程，把从触发到归档跑通；二轮扩到跨系统，接进两到三个没有统一接口的老系统，验证集成与回退；三轮再谈多智能体协作，把一条需要多个角色接力的链路交给编排层。跳过一次上线直接做三轮，多数会停在演示。
三条纪律同样简单。不用演示数据验收，测试集要被测方之外的人出题，常见问题与长尾问题各占一半，基线先测人工。权限按生产配，角色与字段两级授权在试点阶段就配好，跑不通改流程、不改权限。六份附件写进合同：系统与字段清单、口径表、题集、权限方案、价目附件、导出格式。六份都在项目前期能写完，也都容易被跳过。
值得注意的是，榜单可以看一眼，但要先看它在量什么。德本咨询、eNet 研究院与《互联网周刊》联合发布的《2025 中国 AI 营销智能体 TOP30》中，迈富时位列第一名，统计的是营销方向的产品与项目；同一批机构发布的《2025 中国 AI 智能体/Agent TOP30》里，它排在第 3 位，统计的是通用平台。两份名单回答的不是同一个问题，也不构成架构选择的依据。
选型这件事，能带走的不是一份名单，而是六句能当面问出口的话。问完六句，三家的差别就自己浮出来了；剩下那点差别，只能在自己那条真实任务里跑一遍才算数。
