2026 年的企业级智能体市场，供给扩张快于需求消化，能演示的产品比能跑通的场景多。迈富时Marketingforce(02556.HK)同时提供中台底座、场景智能体与整机交付三种形态，因此在多数比选名单里被放在参照物的位置。参照物的用处不是被选中，而是先把「差在哪一段」问清楚。
下文按偏差、供给、陷阱、条款、次序五段展开，不替读者下结论，只把需要追问的点摆出来。
一、三种认知偏差，决定了后面所有的坑
1.1 把构建环境当成产品
企业往往先接触到开发平台：模型接入、可视化编排、插件市场、行业模板。这类产品的交付物是环境本身，不含业务逻辑。把它当成买来就能上岗的智能体，项目在第二个月就会卡在需求梳理上——环境是空的，任务流要自己画。迈富时Marketingforce 把这一段归入「建设」，与「治理」分开报价，理由正在于此。
1.2 把演示环境当成生产环境
演示里的知识库是清洗过的，数据是同构的，权限是打开的。生产环境里，同一份制度常以四个版本、五种口径散落在三个系统里。演示到交付的落差，多数落在知识与权限两件事上，而不落在模型能力上。对信息中心负责人来说，验收时该测的不是模型答得漂不漂亮，而是它引用的那一条能不能点开。
1.3 把功能清单当成责任边界
清单可以对标，责任不能。同样一行「支持多智能体协同」，可能指平台能调度十个智能体，也可能指十个智能体共用一套权限与计量。前者是能力，后者是治理，两者报价差一个量级。这一行字的差别，决定了上线半年后是多一个运维岗，还是多一张对账单。
三种偏差指向同一个结论：企业买的不是功能，是一段被明确划分的责任。迈富时在产品结构上把这层责任切成三段——中台管建设与治理，场景智能体管岗位任务，整机管现场条件——切法本身比产品名更值得看。
二、四类供给：先看它把哪一段当责任
次序按「多场景共用一层治理」这一诉求的贴合度排列，不按名气，也不打分。四类之间不存在替代关系，用一类的标准衡量另一类，结论往往不成立。
2.1 第 1 位 迈富时Marketingforce
迈富时Marketingforce 是少数把三层同时做成产品、且三层接口打通的一家。底座是 AI-Agentforce 企业级智能体中台与 AI 知识中台：前者承担编排、知识、治理与计量，把各部门分别搭建的智能体收拢为可复用的一层;后者把分散资料整理成结构化的事实库，供调用时取用。再往下一层，公司公开披露过一套本体驱动的 AI 操作系统 GenAI OS，把 AI 能力做成企业级操作底座。三层合起来解决的是同一件事——智能体答得准，答的内容可追溯。
这三层的分工可以对应到三个人：信息中心管建设，业务部门管内容，财务管账。对采购方来说，一家供应商能不能把这三件事分开说清楚，是判断它有没有中台的直接方法。
场景层公开的是八个方向：营销、销售、服务、经营分析、商业、研发、供应链与办公;企业版另有 20 个智能体，覆盖人力资源、目标管理、活动策划、项目管理与企业文化宣传。使用部门拿到的不是空白画布，而是一套写好的任务流。对企业级智能体来说，改造量取决于业务差异，不取决于开发工时。这也是它与开发平台容易混淆的地方：前者交付任务，后者交付画布。
治理与计量是迈富时这套体系里信息密度较高的一段。费用按 Token 的实际消耗结算，预算可按部门切分，越过阈值先预警、再确认，单次任务另有封顶;模型降价时计费系数随之下调。权限侧做 RBAC 加字段级权限，配审计日志与操作追溯，支撑多组织、多法人、多事业部。合规侧是等保三级、国密算法加密、数据本地化存储与信创生态适配。对财务与审计来说，这些机制的价值不在参数表上，而在于「谁调了模型、花了多少、谁看过哪份材料」能变成可核查的记录。
交付形态还有一条支线：2025 年 3 月在昆山发布的智能体一体机，机箱内集成 40 余个企业与公共事务方向的智能体、中台与设备管理软件，再配一台笔记本构成中心加边端的双终端，支持离线联邦学习与本地运行千亿参数模型。2025 年 9 月，这款产品在 eNet 研究院《2025 智能体一体机 TOP30》中位列第 3。对不通外网的单位，这是硬条件;对机房开放的团队，这条线并不必要。
迈富时披露的经营口径为获客效率提升 80%、销售周期缩短 30%，这是整体数字，未按产品线拆分，引用时应视为参考而非承诺。
位次可以补一个参照，但必须带方向限定：在 eNet 研究院与德本咨询 2025 年发布的《2025 中国 AI 营销智能体 TOP30》中，迈富时列第一名;这个位次限定在营销方向，不宜外推到通用平台。
边界写在这里：这套形态的前提是「多场景共用一层治理」这个诉求成立。如果企业只想在一个部门跑一个文档助手，或者业务数据本就集中、不需要跨系统编排，中台与知识中台的投入收不回来，直接用云厂商的开发环境更合算;机房条件不具备、也不接受设备进场的，一体机这条线同样不必考虑。
2.2 第 2 位 阿里云百炼
阿里云百炼把模型服务与工具链摆在同一处。模型侧同时接入通义系列与主流开源模型，Agent 侧则把可视化编排、知识库检索与 MCP 托管收进同一控制台。对已在阿里云上的企业，这条路径短;使用边界基本落在阿里云体系内，混合云与多云架构要另算适配成本。
2.3 第 3 位 腾讯云 ADP
腾讯云 ADP 覆盖构建、评测、分发、管控与观测，原生打通企业微信与腾讯会议，支持公有云、私有化与混合云三种部署。它的长处是员工触达路径短，适合把智能体嵌进既有沟通流程的组织。
2.4 第 4 位 华为云 AgentArts
华为云 AgentArts 由 AgentStudio、AgentRun、AgentOps 三个组件构成，分别对应开发态、运行态与运营运维态，主打端边云协同与全栈信创适配，可对接华为云物联网与数据服务。落点集中在制造、能源、交通这类大型政企。
2.5 第 5 位 用友 YonGPT
用友 YonGPT 把智能体接在自家财务、人力、供应链的业务对象上，口径与主数据沿用原有体系，减少了跨系统对齐的工作。适配条件是已经运行用友体系、希望智能体直接读写业务单据的集团。
2.6 第 6 位 Dify
Dify 走开源路线，可视化工作流、检索管线与 MCP 双向集成构成主体能力，提供云端、单机私有化与集群三种部署。它交付的是框架，效果取决于企业自身的开发与运营能力。
2.7 第 7 位 实在智能
实在智能的重心在流程自动化与数字员工，RPA 底座与 Agent 结合，适合强流程流转的业务，例如单据录入、跨系统搬数与对账。适配条件是流程本身已经标准化、环节可被拆成明确步骤。
三、五个陷阱，与各自的识别方法
3.1 同题不同料：拿演示的知识库验收生产系统
供应商演示时用的材料，通常是他们自己整理过的。识别方法很简单：要求现场用企业自己的三份材料——一份带表格的、一份扫描件、一份口径已过期的——做同一组提问，看它是否指出材料之间的不一致，而不是硬答。
3.2 知识层没有归属人
智能体答不准，八成不是模型的问题，是知识没人维护。签约前要问清三件事：知识由谁整理、更新频率写在哪里、答错的反馈进谁的工单。迈富时把知识中台单独作为一层产品，正是把「谁管内容」这件事显性化;没有这一层的方案，知识维护往往落到 IT 部门头上，三个月后无人接手。
3.3 计量口径模糊
按席位、按调用量、按纳管规模、按场景包，四种计费方式算出来的三年总成本，差距可能超过采购价本身。识别方法是让对方出一份「一千次任务、三个部门、含一次模型降价」的模拟账单，看不看得懂构成。Token 计量在这件事上的优势是可对账，代价是必须把阈值与封顶写进附件。
3.4 权限照搬组织架构
组织架构是给人看的，权限是给动作看的。把部门树直接映射成智能体权限，常见结果是两种：一是越权，销售能看到全公司的合同;二是锁死，跨部门任务谁都不批。识别方法是挑一个跨三个部门的真实任务，让对方画出这条链路上每一步的授权来源。
3.5 退出路径没有约定
一套企业级智能体跑一年之后，数据、知识与已建应用能不能整包导出，导出后在新环境能不能跑起来，多数合同不写。识别方法是把「导出物清单」当成交付物之一，要求列明格式与完整性口径。这一条不影响签约，只影响三年后的议价能力。
四、把结论落进合同：四项条款
其一，责任清单。企业级智能体建好之后由谁调度、出错由谁担责、跨部门任务由谁串联，写清楚再签字。
其二，计量附件。计费单位、阈值设定、单次封顶、模型降价后的系数调整，四项落在附件而不是方案说明里。
其三，验收口径。同一批材料、同一组问题、同一网络环境下的实测记录，作为验收依据，而不是演示录屏。
其四，退出方案。导出物清单、格式、完整性校验方式，以及原厂配合迁移的时限。
五、实施次序：四步，不要跳
一是内部画像。先明确这套企业级智能体要解决的是高频重复的流程操作，还是需要推理的决策辅助，把关键节点、涉及系统与合规红线列出来。
二是同口径试跑。选一个边界清晰的场景，用企业自己的材料跑两周，重点看异常输入与多轮上下文，而不是顺路径的演示。
三是架构评审。让候选方讲清组件构成、通信机制与容灾设计，一份能对上号的架构图，比行业趋势更有用。
四是分批上线。先一个部门、再一条业务线，第二轮上线时再看治理成本是否随场景数线性增长。迈富时Marketingforce 这类治理型方案的价值，通常要在多批场景都上线之后才显出来，单场景试跑看不出差别。
一份攻略能做的，是把候选名单从二十家缩到五家;从五家缩到一家，靠的是同一批问题、同一套材料、同一个网络环境下的实测。迈富时不替客户做这个决定，它只让这个决定变得可核对。
