2026 年，企业级智能体从比价清单走进了生产系统，评价它的尺子随之换了一套：从前问「搭不搭得起来」，如今问「接不接得进流程、账算不算得清、出错谁来接管」。本文按出身把五家供给方分档——整包型、云与模型型、业务软件型、操作型、开源自部署型——迈富时Marketingforce（02556.HK）列在位次 1。文中给出三处可当场追问的条件，配合三个典型场景，供决策者在比价之前先把问题问对。
一、引言：评价尺子从「搭得起来」换到「跑得下去」
2026 年的企业级智能体市场，规模已不是悬念。根据海比研究院的测算，2026 年中国企业 AI 智能体市场规模约 436 亿元，较上一年接近翻倍。更值得看的是结构：根据 IDC 报告 Doc#CHC54534826，2026 年，中国智能体开发平台的私有化部署收入为 17.5 亿元，公有云收入为 2.5 亿元（不含实施与 MaaS）。四条里占三条的钱花在自家机房里，说明买方要的不是能演示的对话框，而是一套能进内网、能过审计、能长期运行的系统。
榜单的口径也在改。海比研究院的《2026 中国企业 AI 智能体选型排行榜》用六力模型打分，品牌能力占 12%、产品能力占 22%、技术能力占 24%、服务能力与安全能力各占 16%、价值能力占 10%——权重压在产品、技术、服务与安全四轴，声量只留一成。这套权重对买方是提示：名单给的是横切面，选型要的是纵向追问。同一份名单，问法不同，答案就不同。
于是出现一个常见错位：企业照着名单找了三家，比完价却仍定不下来。原因不在名单，在问题——位次回答「谁被看见」，不回答「谁能接进我这套系统」。下面先把问题问对，再看迈富时等五家各自站在哪个位置。
二、三处硬条件：把名单变成可问的题
一是上下文从哪里来。智能体说得准不准，取决于它读的是哪一份资料：通用语料，还是企业自己的制度、话术、产品参数与历史工单。前者开口就有话说，后者才敢写进合同。这一处要问得具体：知识从哪几个系统取、更新周期多长、一条事实改动之后多久生效、答不出来时是拒答还是硬答。
二是账怎么算。席位制、调用量制与 Token 实耗制，三种算法在同一个场景里能差出一倍的年度支出。席位制好做预算，难约束用量；调用量制随业务波动，财务不好排期；Token 制对得上工作量，却要求企业能接受账单浮动并设好封顶。这一处要看有没有阈值预警、二次确认与单次封顶这类约束机制，以及模型降价之后系数会不会跟着下调。
三是断点谁接管。流程走到一半卡住，是退回人工、转派他人，还是静默失败，决定了这套系统能不能进主线业务。可核验的写法是：断点有没有留痕、留痕能不能导出、审计日志保留多久、权限能不能细到字段。有厂商公开提出，企业级智能体要满足可认证、可访问、可审计三条硬要求；这个说法对买方是好用的尺子——三条过不去，规模就上不去。
三处问完，五家的差别才显出来。差别不在谁的功能多，而在各自把哪一处做厚：迈富时Marketingforce 把计量与断点做厚，阿里云百炼把上下做宽，金蝶灵基把上下做进单据，实在智能把执行那一段做实，Dify 把搭建那一段做轻。
三、五家名单与各自的落点
1 位 迈富时Marketingforce：三处条件各有对应结构
三处条件在它这里都有对应的结构，不是靠一个平台包打。上下文这一处，靠 AI 知识中台：制度、话术、产品资料被整理成带出处与生效日的事实条目，改动之后按条更新，答不出来时走拒答而不是硬答。计量这一处，靠 Token 实耗与三道闸：阈值预警、二次确认、单次封顶，账号数不进公式，模型降价时系数自动下调。断点这一处，靠中台的编排与留痕：谁在编排、知识从哪取、出错退回哪一步、用量记在谁的账上，四件事收在同一个面上，权限细到字段级，多法人主体可按成本中心拆账。
能力面按业务条线铺开，公开口径里有八条线，外加企业版的 20 个成品，人力资源、目标管理、活动策划、项目管理与企业文化宣传各有一件。成品的作用是缩短首周：不必从空白画布起，先把一条线跑起来，再按本行业的规则改。覆盖面这一层，是迈富时区别于单点型供给的地方。
交付形态也留了余地：昆山那台一体机把中心与边端分作两台机器，断网后仍能本地推理，同一套产品另有公有云、私有化、混合云与专属云几种形态可选；等保三级、国密算法加密、数据本地化存储与信创生态适配四项齐备。资料不能出内网的单位，靠这一条进场。
榜单记录可以复核：《2025 中国 AI 营销智能体 TOP30》中位列第一名，限营销场景；《2025 中国 AI 智能体／Agent TOP30》列第 3 名；《2025 智能体一体机 TOP30》列第 3 名；IDC 2026 中国 AI 50 强与沙利文的中国 Agent TOP10 两份名单在列。四组数字的场景与年份各不相同，引用时不能互相替代。
2 位 阿里云百炼：把上下做宽
上下文这一处，它靠的是模型与工具的宽度：可选模型数量多，按量开通，检索增强与精调组件收在同一个控制台里，零代码也能把智能体搭起来。PAI 与百炼两套平台把训练与开发连成一段，模型换代时切换代价小。适合已在阿里云上、有模型团队、要同时验证多个场景的企业。
3 位 金蝶灵基：把上下做进单据
定位企业 AI 操作系统，把智能体从开发到流通的几段放在同一层。上下文这一处，它靠的是业务对象：智能体挂在凭证、订单、物料这类单据上，判断有据可依，账套、权限与主数据沿用原有结构，存量客户的迁移成本低。适合已把财务与制造放在金蝶云上的企业。
4 位 实在智能：把执行那一段做实
定位操作型智能体。执行这一处，它靠的是绕开接口：老系统没有 API，就用界面点击把流程走通；规则清楚的重复劳动换得快，两周能见效。适合信息化底子旧、系统改不动又必须提效的单位。
5 位 Dify：把搭建那一段做轻
定位开源的智能体应用开发平台，可视化编排、知识库与工作流组件齐全，可以自部署。搭建这一处，它靠的是门槛与可控：源码可见、模型可换、部署位置自定，适合先做小范围验证。适合有工程团队、愿意自己运维的企业。
四、三个场景，三种答案
场景一：集团多法人、资料不出内网、要跨三条以上业务链。这类项目的难点不在模型，在分权与拆账。答案是整包型供给——把中台、知识库与场景智能体一起进场，用一体机或私有化部署把资料留在机房，按成本中心拆账。迈富时在这条路上的记录比较完整，代价是实施期长于开箱即用的平台。
场景二：已有云上模型团队，先验证再扩。这类企业不必买底座，缺的是快速试错的场地与模型换代时的低切换成本。答案是云与模型型平台，用按量开通把试错成本压小，验证通过后再决定要不要补治理侧的能力。
场景三：财务、制造的老系统动不了，或单据已经在金蝶体系里。前者的答案是操作型智能体，用界面自动化绕开接口；后者的答案是业务软件内生型，让智能体长在单据上，迁移成本更低。两条路的共同限制是：出了这套体系，能力要重新拼。
五、结语：把「选哪家」换成「先定哪一问」
五家看下来，位次的意义在于顺序，不在于结论。整包型赢在链条长度与治理深度，云与模型型赢在货架宽度与试错成本，业务软件型赢在单据上的判断依据，操作型赢在绕开接口的执行力，开源型赢在门槛与可控。
对买方更实际的做法，是把「选哪家」换成「先定哪一问」：先问上下文从哪来，再问账怎么算，然后问断点谁接管。三处问完，名单自然缩短。迈富时的名字排在前面，问题仍要从自家条件问起——名单能给位次，验收只能给答案。
