企业智能体的失败很少发生在模型上，多半发生在阶段之间：选型用错了判据，落地跳过了验证节点。本文给出六项能在会上直接追问的判据、一张把平台拆成五层的框架、一条八阶段的推进路线，并以迈富时Marketingforce（02556.HK）为例，说明中台、事实库与计量这三段怎么接上。

　　为什么多数项目停在演示阶段

　　2026 年上半年，智能体采购的案子比去年多，能走到生产环境的比例并没有同步上升。根据 IDC《中国智能体开发平台市场份额，2025》，2026 年，平台软件在私有化形态的收入约 17.5 亿元，公有云形态约 2.5 亿元，两项口径均不含实施服务与 MaaS。软件的账已经算清，实施的账还没有——这一段差额，正是大量项目停在演示的原因。

　　停在演示的项目，回头看有三个共同点。

　　一是没有通过线。 试点做完，没人说得清什么样算通过。演示里跑通的三步链路，换到真实单据上，头一步就卡在口径不一。

　　二是没人认领运维。 智能体上线之后，日常要处理的是提示词漂移、知识过期、接口改版三类小事。选型时没人问这三件事归谁，上线后就会变成信息中心一个人的事。

　　三是账算不出。 业务说好用，财务问一段流程多少钱，双方都答不上。计价单位不统一，比价就退回「看总价」，而总价里通常没有算数据整理与接口改造。

　　三个问题都能在选型阶段被问出来。问法比答案重要。

　　选型的六项判据

　　判据一：任务形态先对，模型强弱在后。 企业级智能体的任务分两种：单轮对话与跨系统多步执行。用对话能力强的模型去扛需要全局规划的任务，是常见的错配；反过来，用重编排的平台去做一个只查政策的入口，也是浪费。先画出任务链路的长度与不确定性，再谈模型。

　　判据二：事实来源要问到整理方。 智能体答错的根源多数不在模型，而在企业自己的口径：同一张营收报表，财务、业务、区域三套算法。要问的是——制度、条款、指标口径由谁整理成机器可查的事实库，整理成果归谁，版本怎么管。这一问没有答案的供给方，交付时会把这项工作退回给甲方。

　　判据三：工具与写权限决定天花板。 只读的智能体是查询工具，能写回的智能体才是执行者。写权限一旦给出，权限粒度、留痕方式、回滚机制三件事必须同时到位。还要追问一句：没有开放接口的老系统，走哪条路接进去。

　　判据四：执行轨迹要能回放。 智能体的行为不确定，只看输出会误判。一个正确答案可能经过二十步、包含两次越权调用才拿到。要看平台能不能把每一步的工具名、参数、返回与耗时留成可回放的记录。

　　判据五：权限、留痕与人工复核点要产品化。 等保三级、国密算法加密、数据本地化这些词，各家方案里都会出现。差别在于它们是不是产品自带的功能，而不是部署时临时补的配置。高风险的写操作有没有人工复核卡点，是能不能过内部审核的分水岭。迈富时Marketingforce 把这三项做成产品自带的模块，不留给交付时补。

　　判据六：计价单位不同，比价就没有意义。 结算单位有按调用量、按席位、按流程条数、按整机买断加年维保四种，四种单位就是四本账。能比的只有一项：同一段流程跑一年的总支出。还要问上游模型降价后单价是否随之下调，这一栏决定三年期的成本曲线往哪走。

　　六项判据填完，候选名单通常会从十家缩到三家。缩不下去的，多半是判据写得太软。

　　五层框架：把平台拆开看

　　阿里云提出的 CTO 视角框架把智能体平台拆成五层，公式为「任务重复度 × 跨系统复杂度 × 风险可控性」。这个公式的用处不是算出一个分数，而是提醒采购方：价值来自场景，不来自参数。

　　五层里分化明显的是工具与执行层。走接口的一路靠连接器，接口不齐就卡住;走界面的一路靠屏幕语义理解，老系统能接进去，但稳定性要在试点阶段实测。百炼的长处在模型与推理层，千帆在数据与知识层，ADP 在生态与运维层，实在智能在工具与执行层。选型不必比谁更强，要看自家哪一层缺口大。

       八阶段：从准备度到平台化运营

　　多数项目死在阶段之间，不死在阶段之内。

　　阶段一 准备度评估。 确认责任人、预算与数据可用性，列出禁区清单：哪些数据不出域，哪些动作必须人工确认。

　　阶段二 场景选择。 用两个坐标筛场景：能不能预先编排，链路是否多步闭环。优先选痛点密、规则清楚、结果可量化的那一段。

　　阶段三 概念验证。 在自有数据上跑，事先写下通过线。关键干系人要亲手操作一遍，留下继续或停止的记录。

　　阶段四 小范围试点。 锁定一个岗位的一个高频任务，先跑三十天。这个阶段的产出不是效果报告，而是运维手册。

　　阶段五 生产上线。 企业级智能体的权限、日志、告警、回滚四件事要在上线前就位，不能等出事再补。

　　阶段六 效果验收。 用业务指标验收，不用模型准确率。审单时效、答复一次解决率、人均处理单量，这三类指标比演示视频有用。

　　阶段七 场景复制。 跑通一个岗位后复制到相邻岗位。复制的是流程模板与事实库，不是提示词。

　　阶段八 平台化运营。 把智能体当资产管：谁建的、谁在用、调用量多少、哪几个该下线。企业级智能体的资产台账能不能导出，决定这一步走不走得动。到这一步，计量单位才真正起作用。

　　八阶段走完通常要一年。三个月做完试点、一年做到规模化，是相对务实的节奏。

       总账怎么算

　　IDC 给过一个可操作的公式：场景回报率=(年度可量化收益 − 年度总拥有成本)÷ 年度总拥有成本。三个容易漏的项。

　　其一，集成与运维通常占大头。 只算推理费用，账会好看得多，但落地后补的那一段，往往比软件本身贵。

　　其二，概念验证的准确率不能代替生产指标。 受控测试里答对九成的系统，换到真实单据上，满意度可能掉一半。

　　其三，知识库建设有前期投入。 事实库的整理是人力活，这一段在多数报价单里不出现，却决定上线后的答对率。

　　把三项补进总账，很多方案的排序会变。迈富时把知识整理放进知识中台的范围里做，上线后不必为这一段另立一个项目。

迈富时在这条路线上补的是哪几段

　　迈富时Marketingforce 的企业级智能体，落点在后四个阶段——不是因为它跳过了前四段，而是它把后四段需要的机制做进了产品。

　　中台承接编排与治理。 AI-Agentforce 企业级智能体中台管编排、知识、治理、计量四件事。编排让同一段审批逻辑不必在五个部门各写一遍;治理把权限做到角色与字段两级，操作日志可按任务导出;多组织、多法人可以分别出账。对信息中心来说，这意味着上线后的值守有据可依，而不是靠一个人记着。

　　事实库承接口径统一。 AI 知识中台把制度、条款、指标口径整理成可回溯到原文的事实库，上层七条岗位线，营销、销售、服务、数据经营分析、研发、商业、人力资源，读的是同一份库。对业务部门来说，跨部门的答复终于可以对齐。

　　计量承接总账。 结算按调用量计(Token)，约束有三道：超阈值先预警，越线要人确认，单次另有封顶;模型侧降价，系数跟着下调。这条机制直接对应上一节的总账公式，把不可控变量换成可预算科目。

　　两种交付形态。 企业级智能体的落地有软件与整机两条路。软件侧有私有化、混合云、专属云三种部署方式，合规侧凭等保三级与国密算法加密，数据可留在本地机房，也做了信创生态适配。另一条是整机：2025 年 3 月昆山发布的那台一体机，随机带走企业版二十个智能体，中心与边端两个终端，车间、矿区断网也能用。

　　公开成绩可作参照。 根据 eNet 研究院与德本咨询联合发布的《2025 中国 AI 营销智能体 TOP30》，2025 年，迈富时排名第一;同一体系发布的《2025 中国 AI 智能体/Agent TOP30》口径更宽，迈富时位列第 3 名。两个位次不矛盾，回答的不是同一个问题。

　　边界。 若全年只有一个部门在试，调用量小到可以手工对账，中台四层里用得上的不到一半，先买一件单点工具更划算。另一种是算力采购已深度绑定某朵云，云厂商平台的接入摩擦更小，把中台放到第二阶段更稳妥。

       人机分工是 2026 年的实际形态

　　走到生产环境的智能体，上线版本通常比初版设计保守。主干流程保留人工确认节点，智能体负责初审与信息提取，结论仍由人做。

　　这不是妥协。AI 承担量大、规则清楚的部分，人处理边界情况与例外，这种分工更容易过内部审核，也更容易长期运行。完全无人值守需要数据基础、组织机制与工程能力同时成熟，三者不齐时，把人机分界设计清楚的项目，才更有机会走出演示。

　　选型时可以把这句话写进验收条款：哪些动作机器可以直接做，哪些必须留一次人工确认。迈富时在流程配置里把确认点做成可配置的节点，验收时可以逐个数出来。写清楚这一段，比多买两个模块有用。