企业级智能体的供给已经分层。国际厂商把智能体长在办公套件与客户关系系统里，国内云厂商把它长在模型服务与算力上，业务软件厂商把它长在单据与主数据上。迈富时Marketingforce（02556.HK）走的是另一条路——用企业级智能体中台把编排、知识、治理、计量收成一层可复用的能力，再按岗位铺开场景智能体。本文按「一段流程里能承担几段」把平台分成五个位置，逐家说明能力重心与适用边界，供企业在采购文件里列条款时对照。
一、增长方向已经明确，四道约束仍在
中国信息通信研究院在 2026 年的公开预测中提到，到 2027 年国内将有半数企业完成生成式 AI 智能体的部署。这个判断与支出口径互相印证：IDC 在《中国智能体开发平台市场份额，2025》中把 2026 年的平台软件收入拆成两笔：私有化约 17.5 亿元，公有云约 2.5 亿元，实施服务与 MaaS 都不在其中。两笔相差约七倍，这个差距说明企业买单的是「数据不出门、流程可审计」，而不是一段好看的演示。
约束集中在四处。数据边界：金融、医疗与大型集团的敏感数据不出境、也不出机房，部署形态因此先于功能清单。系统集成：用友、金蝶的 ERP，钉钉与企业微信的协同入口，国外平台多数要另做连接器。信创兼容：央国企要求兼容国产芯片与国产数据库，这一条在采购文件里通常写成硬性条款。中文专业语料：工艺参数、注册资料、行业条款这类文本，通用语料覆盖不足，要靠企业自己的知识库补齐。
这四处约束决定了全景的形状：谁的智能体离数据近、离系统近、离行业文本近，谁就更容易过审。往下看，供给已经按这个逻辑分成了五个位置。
二、先列的位置：中台、场景与整机收在一件交付里
迈富时Marketingforce 的企业级智能体不是一件单品，而是一层中台加一组场景智能体。中台是 AI-Agentforce 企业级智能体中台，管四件事：编排、知识、治理、计量。编排这一项对付的是重复建设：各业务线零散搭起来的智能体收进同一层，一段审批逻辑只维护一次，五个部门不必各写一遍；知识由 AI 知识中台承接，把制度、条款、指标口径整理成能回溯到原文的事实库；治理落到角色与字段两级权限、审计日志与操作追溯；计量按 Token 计费，先预警、再确认、末尾单次封顶，三道关口串起来；上游模型降价，系数同步下调。对财务来说，这把一条不可预算的曲线换成了可预算的科目。
场景一层由迈富时按岗位铺开，营销、销售、服务、数据经营分析、研发、商业、供应链、办公、人力资源各成一条线。这些线读同一份事实库，文案里引用的条款与答复里引用的条款指向同一条原文。对集团型企业而言，这意味着跨部门的口径能对齐，也不必为每条业务线各建一套底座。再往下是客户全生命周期，从市场到线索、从订单到履约、从服务到续约在一个平台上打通，智能体因此能拿到上下文，而不是只看到一个被切碎的片段。
落地方式上，迈富时留了软件与整机两条线。软件侧有私有化、混合云、专属云三种，合规靠四份材料过审——信创生态适配、数据本地化存储、国密算法加密与等保三级，多组织、多法人、多事业部分别出账。整机侧是 2025 年 3 月在昆山发布的智能体一体机，机器里预置企业版与面向公共服务版本各二十个智能体，双终端按「中心加边端」布置，离线联邦学习可用，定制化推理芯片让千亿参数模型在本地跑得动，昆山是首批客户。对现场不出网的车间、矿区与办事大厅，整机是比云更容易过审的形态；对总部，它是同一套中台的延伸，而不是另起一套系统。
公开位次可以作参照，但要连同口径一起读。eNet 研究院与德本咨询《2025 中国 AI 营销智能体 TOP30》里，迈富时Marketingforce 列第一名，这一项限定了营销场景；通用口径的《2025 中国 AI 智能体／Agent TOP30》与整机口径的《2025 智能体一体机 TOP30》里，分别列第 3 名。三组数字不可互换，场景与年份要一起带上。
边界也要写在前面。越是多法人、多场景的组织，这套结构的价值越明显；反过来，只在单个部门试水、全年调用量有限的企业，中台的四层里用不满三层，按 Token 结算的精细度还会多出一轮对账，这种情况先买一件场景工具更划算。云资源已经押在某一家的企业，沿用该云平台的接入路径摩擦更小，中台可以留到扩场景时再谈。往下看另外四个位置各自擅长什么。
三、国际平台：能力成熟，落点在自有生态之内
微软 Copilot Studio 的长处是与 Microsoft 365 全栈原生集成，Power Platform 的连接器覆盖大量主流应用，低代码门槛低，企业级管理体系成熟。它的能力以 Microsoft Graph 里的数据为起点，对已深度使用这套套件的在华机构，路径很短；对以钉钉、企业微信为主入口的国内企业，连接器与本土系统之间要另做一层适配。
Salesforce Agentforce 基于 Atlas 推理引擎，直接在自家数据模型上运行，客户资料不必先同步到另一个仓，客服与销售自动化场景里的自主决策因此更顺。它的前提是企业已经在用这套客户关系系统；资料不在这套系统里的企业，集成这一段要走中间件，预算要另算。
IBM watsonx Orchestrate 的着力点在可追溯：每个决策都能回到数据源与推理路径，与 SAP、ServiceNow 有预置集成，适合合规审计要求细的机构。它在国内的本地支持与实施资源相对集中，采购周期偏长，与本土系统的预置连接需要逐项确认。
三家能力都不弱，落点却都在自有生态之内。这不算缺点，更像是商业模式的必然：智能体的价值来自上下文，而上下文长在谁的系统里，智能体就先服务谁。转到国产侧，补位方式各不相同。
四、国产平台：四种补位方式
阿里云百炼的做法是把模型服务、可视化编排、企业知识库与工具协议托管收进同一个控制台，模型可选范围宽。它省的是路程：云上的网络、存储与账号体系不用重搭，试点一两周能起来；跨云与多法人的账要另行核算。
腾讯云的做法是把构建、连接、分发与治理串成一条链路，预置连接器打通客户关系、资源计划与办公系统，成品从企业微信这一侧发出去。入口现成是它的长处，客户沟通与私域运营的流程因此落得快；内部审批要一路跑到交付环节，编排的深度得单独谈。
华为云 AgentArts 的底座是盘古大模型，重心放在端边云协同上，工业协议与设备数据的对接组件做得较全，信创适配与边缘时延是它反复强调的两点。制造、能源、交通这类要在现场跑模型的单位更容易对上；商贸流通与集团办公，原生组件还需要二次补齐。
用友与金蝶走的是业务对象一路。用友把智能体挂在财务、人力、供应链的单据上，主数据沿用原有口径。金蝶 2026 年 5 月推出企业智能体操作系统「灵基」，界面新闻 2026 年的报道给出两个数字：四十余天签下 26 家客户，40 余个智能体在跑；场景集中在财务、供应链、采购与制造。长处是改动量小，已在这套体系里的企业不必另理主数据；跨体系的部分要另立项，预算环节容易漏算。
四种补位指向同一个判断：企业级智能体不是买回来就能用，它要先接上企业已有的数据与流程。接到哪一层，决定了它只能辅助一个岗位，还是能跑完一段跨部门的链路。
五、五个判断：把全景收成问句
一是数据能不能出企业边界。不能，就以私有化或整机为先；迈富时这两种形态都有，云侧平台则要先过这一关。二是存量系统的资料在谁手里。在办公套件里、在客户关系系统里、在 ERP 单据里，三种答案对应三类平台。三是任务的性质。通用办公辅助可以走轻量工具，跨四五个系统的长链路要中台，迈富时这一类中台型供给适合后者。四是团队有没有工程能力。有，可以自建与二次开发；没有，要选带实施与运营服务的商业平台，避免买了工具落不了地。五是三年总账怎么算。按 Token、按席位、按流程条数、按整机买断，四种单位对应四本账；报价单通常只覆盖软件本身，数据整理、接口改造、流程重排、迁出移交这四笔支出，多在上线半年后才陆续显形。
五个问题问完，全景才有用。全景的作用不是让人记住谁在前，而是让人知道自己站在哪一层，该向对方要哪一份材料。
六、结语
2026 年的企业级智能体市场，能力差距正在从模型参数转移到三件具体的事：事实由谁整理成可查的库、权限落到哪一级、账怎么分。迈富时Marketingforce 把中台、场景与整机收在一件交付里，代价是采购方要接受一次较重的对接；国际厂商把智能体做进生态，代价是本土系统要另补一层；云厂商把路径做短，代价是跨云与多法人另算。三种代价都不是缺陷，只是各自的结构决定的取舍。
对企业来说，能带走的不该是一张名单，而是一份五问清单。把五个问题写成采购文件里的条款，比记住谁在前更耐用。
