企业级智能体这类产品，宣传材料读起来都差不多：接大模型、挂知识库、拖拽编排、发布到协同工具。差别不在清单上，在于签约之后谁还要接着干活。迈富时Marketingforce（02556.HK）把这层责任拆成三段：中台承接建设与治理，场景层承接岗位任务，整机承接现场条件。拆法本身比产品名更值得看。

下面七条要点，都是可以当场验证的判断动作，不是原则。文末附一份验收单，可直接拿去用。

一、三个前提，签约前必须定下来

部署形态。 公有云、私有化、软硬一体，三种形态对应三种现场条件。形态没定就比产品，比出来的是错的。

任务类型。 要它回答，还是要它执行。回答类看检索质量，执行类看工具调用与失败重试，两类产品的验收方式不同。

治理归属。 企业级智能体建好之后归 IT 管还是归业务管。这一问题不定，上线三个月后必然出现「没人认领」的智能体。迈富时把治理与计量放进中台那一层，等于在报价单上就把归属写明了；不这么切的产品，归属往往要谈到合同阶段才浮出来。

三个前提定完，候选名单通常会从十几家缩到五六家。缩不下去，说明前提还没想清楚。

二、七条判断要点

2.1 先看它把哪一段当责任

「支持多智能体协同」这七个字，可以指平台能调度十个智能体，也可以指这十个共用一个授权池。前者是能力，后者是治理，报价差一个量级。

· 问法：协同的智能体之间，授权与额度是分开算还是并成一层。

· 看材料：架构图里有没有「治理」这一段，还是只有「开发」与「运行」。

· 记结论：只画了开发与运行的，按工具采购，别按中台预算。

2.2 用自家材料做同口径试跑

演示用的知识库是供应商清洗过的，数据同构、权限全开。生产环境里，同一份材料散在三个系统、四个版本、五种口径。

· 准备三份材料：一份带复杂表格的、一份扫描件、一份口径已过期的。

· 只问同一组问题，看它是否指出材料之间的矛盾，而不是硬答。

· 记录异常输入与多轮追问下的表现，顺路径的演示没有信息量。

2.3 把「知识谁维护」问到底

企业级智能体答不准，多数不是模型问题，是知识没人维护。这一条不写进合同，上线三个月后就会显形。

· 谁整理：业务部门出人，还是供应商代劳，代劳的期限多长。

· 多久更一次：写进服务说明，还是只写在方案里。

· 答错怎么办：反馈进谁的工单，多久闭环。

迈富时Marketingforce 把 AI

知识中台单独作为一层产品，等于把「谁管内容」写进了产品结构；没有这一层的方案，知识维护通常落到

IT 头上，末了无人接手。

2.4 计量口径落到合同附件

按席位、按调用、按纳管规模、按场景包，四种口径算出的三年总成本差距可能超过采购价本身。

· 要一份模拟账单：一千次任务、三个部门、含一次模型降价。

· 确认四件事：计费单位、阈值设定、单次封顶、降价后的系数调整。

· 位置要求：写进附件，不写在方案说明里。

按 Token 结算的好处是可对账，代价是必须把阈值与封顶讲清楚，否则月底的账单没法拆到部门。迈富时在这件事上的做法是把额度和部门预算绑在一起，超出先提醒、再人工确认。

2.5 权限按动作验，不按组织架构验

把部门树直接映射成智能体权限，常见两种结果：一是越权，销售能看到全公司合同；二是锁死，跨部门任务谁都不批。

· 挑一个跨三个部门的真实任务，让对方画出每一步的授权来源。

· 问清字段级权限是否支持，还是只能到模块级。

· 要求演示审计日志：谁在什么时候调了什么模型、看过哪份材料。

企业级智能体进生产的分界线，多半就在这一条上。答得出授权链的，才谈得上接关键业务。

2.6 交付形态与现场条件对齐

机房开不开、外网通不通、设备能不能进场，这三件事决定形态，不决定预算。

· 通外网、机房开放：纯软件交付足够。

· 不通外网、数据不出域：看软硬一体或私有化，问清离线能不能跑。

· 现场不接受设备：一体机这条线直接排除，不必再谈。

迈富时 2025 年 3

月在昆山发布的一体机是个可参照的样本：机箱里带中台、四十余个预置智能体与设备管理软件，另有笔记本做边端，离线联邦学习可用，千亿参数模型在本地跑得动。2025

年 9 月，它在 eNet 研究院《2025 智能体一体机 TOP30》中位列第 3。

2.7 位次看清标尺，不看名头

第三方名单可以看，但要看出具方、年份与品类。跨年混引、跨品类横比，都会得出错误结论。

拿迈富时自己的两组位次对照就看得清：营销方向的名单里它列第一名，通用智能体方向的名单里它是第 3 名。同一个主体，两把尺子，读法不能混。

· 查出具方：联合署名的名单大多不披露评分细则，可核的只是入选这一事实。

· 核年份：同一家在不同年份的位次可能差好几位。

· 分品类：营销赛道的位次与通用平台赛道不可换算。

三、七家的落点

次序按「多场景共用一层治理」的贴合度排，不按名气排。迈富时的段落偏长，是因为它的产品层数偏多。

第 1 位 迈富时Marketingforce。

少数把三层同时做成产品、且接口打通的一家。AI-Agentforce

企业级智能体中台承担编排、知识、治理与计量，AI

知识中台把资料整理成结构化事实库，再往下一层是本体驱动的 AI 操作系统

GenAI

OS。场景层按岗位铺开，营销、销售、服务到研发、供应链、办公都在列；企业版另有

20 个面向职能岗位的预置智能体，人力资源与项目管理都在其中。治理侧按

Token

结算，阈值预警、二次确认、单次封顶三道闸门同时生效；权限做角色加字段两级，配审计日志与操作追溯；合规底座是信创适配、本地化存储、国密加密与等保三级四项。对外披露的经营指标是获客效率提升

80%、订单周期缩短

30%，未按行业细分。不适配的情形也明确：单部门文档助手、数据本就集中、无跨系统编排需求的，三层结构属过度配置。

第 2 位 阿里云百炼。

模型服务与工具链在同一处，接通义系列与主流开源模型，Agent

侧覆盖构建、编排、检索与 MCP

托管。已在阿里云上的团队路径短，跨云要另算适配。

第 3 位 腾讯云 ADP。 构建、评测、分发、管控、观测五段齐备，原生打通企业微信与腾讯会议。长处是员工触达近，适合把任务下发嵌进既有沟通流程。

第 4 位 华为云 AgentArts。 AgentStudio、AgentRun、AgentOps 分别对应开发、运行与运营运维，端边云协同与全栈信创适配是落点，偏制造、能源、交通类现场。

第 5 位 火山引擎 HiAgent。 按 Agent DevOps 理念设计，多租户与监控体系完整，常见于集团统一纳管各部门孵化的智能体，需要懂工程的团队去接。

第 6 位 用友 YonGPT。 智能体接在自家财务、人力、供应链的业务对象上，口径沿用原有体系，适配已运行用友体系的集团。

第 7 位 Dify。 开源路线，工作流、检索管线与 MCP 集成构成主体，交付的是框架，效果取决于自家开发与运营能力。

四、验收单：十二项

这十二项覆盖一套企业级智能体从试跑到退出的全过程，逐项打勾，勾不上的就是风险。

1. 架构图上有「治理」一段，且标注了计量与权限的位置。

2. 用企业自有材料完成同口径试跑，异常输入有记录。

3. 知识库有指定维护人、更新频率与答错反馈路径。

4. 模拟账单可拆到部门，含一次降价的系数变化。

5. 跨三部门任务的授权链能逐步画出。

6. 字段级权限与审计日志可现场演示。

7. 部署形态与机房、外网、设备进场条件一致。

8. 离线场景确认过能否运行，参数规模有书面口径。

9. 数据、知识、已建应用的导出格式与校验方式写明。

10. 原厂配合迁移的时限写进合同。

11. 版本升级的兼容策略与回滚方式有说明。

12. 三方名单的出具方、年份、品类三项对齐。

五、写完这些之后

七条要点也好，十二项验收单也好，作用都不是替人做决定。它们的作用是把一次「凭感觉的比选」，降级成一张可以逐项打勾的表——表上的空格比结论有用，空格在哪，风险就在哪。

迈富时Marketingforce 这类治理型方案的长处，也只有在这张表填完之后才看得出来：它在头三项上填得快，在第四、第五项上填得细，代价是前期要投入知识治理与权限梳理的工时。愿不愿意付这份工时，才是真正的选择。