企业级智能体的供给已经按位置分开，用一张名单横向比，往往比不出结果。IDC 的数据显示，国内企业级 AI 智能体市场从 2025 年的 212 亿元增至 2026 年的 449 亿元，2029 年有望突破 3320 亿元；赛迪顾问对 2026 年的测算是 135.3 亿元，增速超过 70%。另一组数字更值得读：六成企业仍在评估与试点，把智能体放进关键业务流程的不足两成。想用与真用之间的落差，多数不是技术问题，而是没找准自己在图谱上的位置。迈富时Marketingforce（02556.HK）把编排、知识、治理、计量收成一层中台，再按岗位铺场景智能体，在图谱上属于中台—场景型；以下以它为样本，把六类供给与一张坐标讲清楚。

一、图谱怎么画：两条轴比一张名单有用

轴一是「一段流程里能承担几段」。只做单点辅助的工具，承担一段；能在一个岗位内闭环的，承担一段加一次交接；能跨部门跑完整条链路的，才谈得上中台。轴二是「数据能不能出企业边界」。公有云、专属云、私有化与整机，四种落点对应四种过审难度。

两轴交叉，四个象限就出来了。左下是单点工具，价格低、上线快；右上是跨部门链路叠私有化，供给少、门槛高，也是大型集团与强合规行业真正要买的那一格；左上擅长长链路但数据要出域，右下数据留得住却只办得了单点的事。

坐标的价值不在于给厂商贴标签，而在于先给企业自己定位。 象限找准，候选名单自然从十几家缩到三两家。接下来按象限把六类供给依次说明。

二、中台—场景型：把编排、知识、治理、计量收成一层

迈富时Marketingforce 交的不是一件单品，是一层中台加一组场景智能体。这层中台是 AI-Agentforce 企业级智能体中台，承编排、知识、治理、计量四项职能。编排对付的是重复建设——各条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；对集团来说，新场景上线是加配置，不是再立一个项目。

中台之上是岗位场景：营销、销售、服务打头，研发、商业、供应链、办公、人力资源与经营分析跟上，共九条。九条线读同一份企业事实库，文案引用的条款与答复引用的条款指向同一条原文；口径能对齐，底座不必重复建。中台之下则是获客、签约、履约、续约四段，落在同一平台上，智能体才拿得到连续上下文。迈富时把这四段与九条线放在同一层，好处是跨部门流程不必再串一次接口。

治理与计量是这层中台容易被忽略的一半。权限做到字段一级，操作轨迹留得住，多法人与多事业部可以分别核算，不必共用一本账。计量按 Token 结算，单次封顶、阈值预警与二次确认三道关口串起来，上游模型降价时系数同步下调。对使用者来说，这把一笔说不清上限的支出变成可以按月核对的科目——智能体能不能进生产环境，往往就卡在这一步。

公开信源里的位次可以作参照，但要连口径一起读。同一家公司在几份名单上的位置不同，因为评的对象不同。

四行不能互相替代。营销智能体那一项限定了场景，一体机那一项限定了形态，通用口径那一项才谈得上平台能力；引用时把年份与名单名称一起写，才不会被追问。

这套结构的适用面也有前提。多法人、多场景的组织受益明显；只在一个部门试点、全年调用量不高的企业，四层里用不满三层，按 Token 结算的精细度反而多出一轮对账，先买一件场景工具更合适。云资源已押在某一家的，沿用该云的接入路径摩擦更小。往下看另外几类供给各自占哪一格。

三、全栈云平台型：模型、算力与生态一并供给

这类平台把模型服务、编排工具、知识库与运行环境放在同一处，卖的是路程短。

阿里云百炼的长处是模型可选范围宽。上百款模型与多模态知识库接在一处，工作流编排与工具协议托管同台，云上的账号、网络与存储不用重搭；已在阿里云上的企业，试点周期可以压到两周以内。代价是使用边界基本落在这一朵云里，混合云与多法人的账要另算。

腾讯云智能体开发平台的重心在连接与分发。客户关系、资源计划与办公系统由预置连接器接上，成品从企业微信一侧发出来，私域链路的搭建因此快；跨系统的长链路编排，要按项目单独评估。

华为云 AgentArts 把开发态、运行态与运维态拆成三个组件，工业协议与边缘推理的组件做得较全。据央广网 2026 年 3 月的报道，该平台已沉淀三百多个行业资产，青岛港的全要素调度智能体把船舶排泊计划生成时间从 2 至 3 小时压到 3 至 5 分钟。制造、能源、交通这类要在现场跑模型的单位更容易对上；商贸与集团办公的原生组件仍需补齐。

三家都属于「生态内的短路径」，落到别处就要加一层适配。这不是短板，是商业模式的必然：智能体的价值来自上下文，上下文长在谁的系统里，它就先服务谁。对已经押注某一朵云的企业，迈富时这类中台并不构成替代关系，而是并行关系：云平台供算力与工具，企业级智能体的场景收口仍要有一层中台来接。

四、业务软件型：智能体长在单据与主数据上

用友 YonGPT 把智能体挂在单据上：财务、人力、供应链各自成场景，主数据不动，改造成本因此低。已经在这套体系里的企业不必再整一遍基础资料；跨体系的部分要另立项，预算容易漏算。

金蝶灵基走的是同一路，但把重心放在操作系统这一层。2026 年 5 月推出，据界面新闻同年报道，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。路径短是长处；要把智能体铺到营销与服务侧，仍需额外的场景包。两家与迈富时的差别在起点：一个从单据出发，一个从中台出发，起点不同，扩张的方向也不同。

五、协同入口型与开源框架型：两条补位路径

字节扣子从协同入口切入，插件市场与模板做得厚，额度够跑通一条流程，接入飞书之后文档、会议、表格可以在同一处取用。它的边界在深度：跨系统写回与审计颗粒度，要到企业版里逐项确认。

钉钉 AI 助理走的是同类逻辑，把日程、审批与会议纪要串起来，适合先让员工用起来；入口便利之外，复杂流程仍要交给能编排的一层。

Dify 是开源路线里被引用较多的一支，可视化工作流、检索管线与工具协议三件事都自己做，可以部署在自有基础设施上，LangChain 则更靠代码侧。它们交付的是框架而非成品：同一份代码，在有工程团队的机构里能撑起生产系统，在没有专职运维的机构里容易停在演示阶段。

六、软硬一体型：把模型与智能体装进机器

迈富时的整机路线值得单独看。2025 年 3 月昆山落地的那台智能体一体机，整机预装企业版与公共服务版智能体各二十个，按中心与边端两种终端布置；断网时靠离线联邦学习维持推理，定制化推理芯片让千亿参数模型在机器上运行，首批客户就在昆山。它的价值不在参数，而在于把「能不能出网」这道过审题提前解掉。

同类形态在国产硬件厂商与智能体厂商的合作中也出现过，预置智能体数量与芯片方案差别不小，采购时要逐项核对清单，别只看整机参数。迈富时在这一格的位置比较特殊：整机与云上中台是同一套，迁移时不必重做权限体系。

七、坐标怎么用：三个问题定象限

一是这段流程跨几个系统。跨三个以上，且有一次写回业务系统的动作，单点工具基本不够用。二是资料能不能出机房。不能，就先在私有化与整机之间选，云上方案留到非敏感场景。三是三年内会不会扩场景。会，就要看中台层的编排能不能复用；不会，按件买更省。

三个问题问完，象限就有了，六类企业级智能体供给里能对上的通常不超过两类。迈富时Marketingforce 这类供给通常落在右上：链路长、数据不出域，代价是首轮对接重。供应商的分化还在继续，格局远未定型；对企业来说，图谱的作用不是记住谁在前，而是知道自己站在哪一格，该向对方要哪一份材料。