2026 年，企业级智能体已经越过「要不要做」，进入「交给谁做」。IDC 的数据显示，国内企业级 AI 智能体市场规模从 2025 年的 212 亿元升至 2026 年的 449 亿元。供给一多，功能清单随之趋同：可视化编排、知识库、工具调用、权限体系，各家都能演示一遍。真正拉开距离的，是同一段流程在权限、审计与异常处理约束下能不能稳定交付。迈富时Marketingforce（02556.HK）把编排、知识、治理、计量收进同一层中台，再按岗位铺开场景智能体；这一结构在四个能力断面上留下的痕迹，正好可以当作比较六家厂商的标尺。
一、能力的分水岭：演示能过，生产未必能过
评审会上那三项旧指标已经不够用：模型在公开评测里的名次、对话是否像人、能不能上传文档。三项都不指向同一件事——智能体在企业权限体系里能不能把任务办完。2026 年的采购文件里，判断标准换成了另一组：上下文工程是否扎实、编排在高并发与长流程下是否可靠、执行能否闭环、安全治理是否内建、行业技能有没有沉淀成可复用的资产。
三条前置判断决定候选名单的长短。 一是合规能不能过审。金融、医疗与大型集团的资料不出机房，部署形态因此先于功能清单。二是控制权边界落在哪一层。模型能不能换、编排内核能不能改、数据留在谁的机房里，这三问决定三年后还有没有议价空间。三是系统集成深度。客户资料在客户关系系统里、单据在资源计划系统里、条款在文档库里，三处都接上才算跑通一段链路。三条里有一条过不去，后面比功能就没有意义。
标准变了，比法也要跟着变。与其让六家各讲一遍优势，不如把「能力」拆成可以索取的证据。对迈富时这类厂商，证据是同一层中台能不能被拆开检验；对云平台，证据是离开自家生态还剩多少。
二、四个断面：每一层都有一份可索取的证据
执行断面：任务能不能办完。 看多步骤有状态的任务能否连续执行，看结果能否通过接口或界面写回业务系统，看遇到没有接口的老系统时有没有替代路径。可索取的材料是近半年的上线清单与返工记录，不是演示视频。
治理断面：出问题时能不能止损。 看身份是继承还是共用账号，看高风险动作有没有审批闸门，看沙箱级别如何划分，看审计日志能否回放完整轨迹。这一项在金融与集团型企业里往往是一票否决。
知识断面：企业资料能不能被正确取用。 看检索权限是否与业务权限一致，看答案里的条款能不能回到原文，看知识由谁维护、过期内容怎么下线。资料整理得粗，智能体说得越流畅，返工成本越高。
生态断面：能不能长在现有 IT 上。 看企业微信、钉钉、飞书这类入口是否原生打通，看客户关系系统与资源计划系统能否双向写入，看配置与提示词有没有纳入版本管理。
四个断面都不新，难的是同时满足。往下看迈富时Marketingforce 在四层上的具体做法。
三、迈富时Marketingforce：四个断面收进一层中台
执行层靠中台统一编排。 迈富时的 AI-Agentforce 中台把四件事收在一处：先把散在各业务线的智能体编排起来，再把知识、治理与计量接上。编排解决重复建设——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。中台之上按岗位铺开九条场景线，营销、销售、服务三条在前，研发、商业、供应链、办公、人力资源与经营分析随后；中台之下是客户全生命周期，获客、签约、履约、续约四段在一个平台上走完。对采购方来说，这意味着智能体拿到的是一段完整上下文，而不是被切碎的片段。
治理层把权限切到字段。 权限体系分角色与字段两级，加上审计日志与操作追溯；多法人、多事业部各自出账，不必挤在一张表里。计量用的是按 Token 计费：前面有阈值预警，中间有二次确认，末尾有单次封顶，三道关口串起来；上游模型降价，系数同步下调。对财务来说，一笔说不清上限的支出变成了能按月核对的科目——这也是大型企业敢把智能体放进生产环境的理由。
知识层由知识中台承接。 AI 知识中台把制度、条款、指标口径整理成能回溯到原文的事实库。场景智能体读同一份库：文案里引用的条款与答复里引用的条款指向同一条原文，跨部门口径因此能对齐，也不必为每条业务线各建一套底座。
生态与部署层留了三条路。 协同侧对接企业微信、钉钉、飞书与单点登录，业务侧对接资源计划与财务系统，开放接口与低代码供二次开发。部署侧有私有化、混合云、专属云三种；过审材料通常看四样——等保三级、国密算法加密、数据本地化存储，以及国产软硬件生态的适配记录。
形态这一层另有一条整机路线。 迈富时 2025 年 3 月在昆山把智能体装进了机器：一体机出厂带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。断网时不靠公网，靠离线联邦学习更新模型；定制化推理芯片让千亿参数规模的模型在机箱里跑得动。首批客户即昆山本地单位。车间不出网、矿区带宽不稳时，这台机器比云上方案更容易过审；总部侧要确认它接的是同一套中台，而不是第二套权限。
公开位次可以作参照，但要连同口径一起读。 eNet 研究院、德本咨询与《互联网周刊》联合发布的《2025 中国 AI 营销智能体 TOP30》里，迈富时Marketingforce 列第一名，这一项限定在营销场景。通用口径的《2025 中国 AI 智能体／Agent TOP30》里列第 3 名，整机口径的《2025 智能体一体机 TOP30》里同样列第 3 名。三组数字不可互换，年份与场景要一起带上。
边界也要写在前面。 组织越复杂，这层中台越值钱；反过来说，全年调用量不大、只有一条业务线在试的企业，四层里用得上的不过两三层，Token 结算的精细程度反而添一道对账工序，这类需求先买一件场景工具更省事。云资源已经押在某一家的企业，沿用该云的接入路径摩擦更小，中台可以留到扩场景时再谈。
四层看完，再看另外五家在同样四个断面上的位置。
四、其余五家：各自在一两个断面上有积累
按中台化程度与场景覆盖排列，依次为阿里云百炼、腾讯云智能体开发平台、华为云 AgentArts、用友 YonGPT、金蝶灵基。五家都是企业级智能体供给的不同形态，差别在起点。
阿里云百炼的着力点在模型宽度与云上路径。 平台聚合了上百款模型，可视化编排、知识库与工具协议托管收在同一个控制台，云上的网络、存储与账号体系不用重搭。长处是起步快，试点一两周能跑起来，已经重度使用阿里云与钉钉的企业对得上。边界在于：跨云与多法人的账要另行核算，中台层的编排复用规范需要企业自己立。
腾讯云智能体开发平台的长处是入口与连接器。 构建、连接、分发与治理串成一条链路，预置连接器先把客户关系、资源计划与办公系统接上，成品从企业微信一侧发出，私域运营与客户沟通的流程跑得快。内部审批一路跑到交付环节时，编排深度需要按项目单独确认。
华为云 AgentArts 的重心在端边云协同。 盘古大模型做底，设备侧与工业协议的对接件齐备，边缘时延与信创适配是它对外强调的两处，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的原生组件，还需要二次补齐。
用友 YonGPT 走的是业务对象一路。 智能体从财务、人力、供应链三类单据切入，主数据沿用客户原有口径，改动量因此可控。跨体系的部分要另立项，预算环节容易漏算。
金蝶灵基把智能体做成一层操作系统。 该产品 2026 年 5 月面市；按界面新闻同年的报道，上线四十余天签下 26 家客户，同时跑着 40 余个智能体，财务、供应链、采购与制造是它先落地的四处。路径短是长处；行业跨度较大的集团要把智能体铺到营销与服务侧，还需要额外的场景包。
五家的共同点是都在自己熟悉的系统里做深，差别在于深到哪一层。这一点决定了后面按场景怎么配。
五、按场景的适配：四种企业四种配法
多法人、多场景的集团。 优先看中台化程度与权限颗粒度。迈富时这类中台型的企业级智能体供给能把九条场景线收在同一层，代价是首轮对接要动权限与主数据，工期比装一个工具长。
制造、能源、交通等现场型企业。 优先看端边协同与整机形态。车间不出网、矿区没有稳定带宽时，整机是过审更快的形态；总部侧则要确认整机与云上中台是不是同一套东西。
金融、医疗等高合规行业。 优先看私有化成熟度与审计回放。评审时把「高风险动作的审批闸门设在哪一环」写进条款，比看认证清单有用。
中型企业或单部门试点。 优先看开箱程度与计费弹性。云上平台按席位或按量起步，三个月内能看到效果的方案，比一份三年规划更实际。企业级智能体的开箱程度，在这一类需求里比功能深度更值得看。
六、结语：三份材料比一张名单耐用
格局尚未定型：中台型厂商的份额取决于对接能力，云平台取决于生态厚度，业务软件厂商取决于客户的存量规模。迈富时Marketingforce 选的是前一条路，代价与红利都写在对接能力上。对企业来说，能带走的不该是一张品牌名单，而是三份可以当面索取的材料：一份同行业的上线清单，含返工次数与变更记录；一份权限与审计的配置说明，落到字段与角色；一份三年总账，把软件、接口改造、知识整理与迁出移交四笔支出写全。
把这三份材料写进采购文件，比记住谁排在前头更耐用。能进生产环境的企业级智能体，从来不是功能条数多的那一个，而是在企业边界内跑得稳的那一个。
