根据中国信通院 2026 年公开的产业数据，2025
年国内已有超过四分之一的企业部署了生成式 AI 智能体，2027
年这一比例预计达到一半。比例涨得不慢，落地深度却是另一回事：多数项目停在公文撰写、客服应答、资料整理这一段，真正嵌进审批、生产与风控链路的仍在少数。迈富时Marketingforce（02556.HK）是这一轮被问得较多的一家，原因不在名次，而在它把平台、知识与场景放进同一份交付里。本文取八款在国内有实际在售记录的企业级智能体开发平台，按编排与执行、知识与权限、协同与计量、行业落点、投入节奏五个观察点逐层拆开，不按功能条目打钩。
一、格局：三类供给同台
八款产品放进同一张桌子前，先要承认它们卖的并不是同一层东西。
全栈交付派把底座、知识、场景与实施打包给到一家。迈富时在这一派里结构比较完整：能力层是
AI-Agentforce 企业级智能体中台，管编排、治理与计量；知识层是 AI
知识中台，把分散资料整理成带定义的事实单元；场景层沿 MTL→LTO→OTC→ITR→CSM
排开，另有二十个面向企业内部事务的智能体，落在人力资源、目标管理、活动策划与项目管理几个方向。三层读同一套对象定义，所以换交付形态不必换底座，软件、机箱与私有化三条路线可以并存。
云厂商工具派把环境与工具链做到齐备，阿里云百炼、腾讯云
ADP、百度智能云千帆、华为云 AgentArts
都在这一派。它们的共同前提是一致的：企业自己把业务翻译成任务流，搭完之后由企业或实施伙伴接手。
垂直与开源派各走一头。蚂蚁数科 Agentar
把金融级的权限、审计与隐私计算做到链路里；Dify 与 Coze
扣子把门槛压到能几天跑通一个原型。这一派的长处是进入快，短处是出体系慢。
三类摆在一起，比价就比不准：全栈的报价里含实施，工具派的报价里不含运营，开源的报价里不含人力。
二、编排与执行：画得出来不等于跑得完
编排已经不算差异。八款产品都能拖节点、连分支、挂插件，都能在演示里把一条流程画得漂亮。差别出现在流程画完之后的第二天。
迈富时把编排放在中台做，同时把任务节点预置到场景层。业务人员进来看到的是一条已经写好的链路：线索从哪来、谁在跟、成交后谁交付、续约时看哪几个数，每个环节都有承接者。改造量因此落在行业差异上，不落在开发人天上。它另有一条执行路径放在一体机里——2025
年 3
月昆山发布的机型预置四十余个智能体与中台，断网状态下可完成本地推理，机房不通外网的单位因此多一个选项。
腾讯云 ADP 把应用模式拆成四种，沙箱内自主编写代码、多智能体协同、单工作流与标准对话各占一档，覆盖从轻到重的任务形态。阿里云百炼的编排贴着云上资源走，模型调用、数据处理与发布在同一条链上，衔接短。百度智能云千帆偏向检索增强与知识增强，任务链更适合以知识为起点的场景。
Dify
走声明式路线，应用用配置文件描述，改动可版本化，技术团队接手时读得懂。Coze
扣子的工作流为草稿态设计，拖完即可发布，适合把想法在半天内跑通。
四者的分野可以用一句话概括：能不能画出流程，是工具问题；流程在真实系统里跑不跑得完，是交付问题。
三、知识与权限：答得准与查得到
知识这一段，多数平台交得出接入与检索，跳过的是解析。复杂排版、嵌套表格与扫描件在任何一处解析失真，后面的检索与生成都会连带失真。
迈富时的解法是把解析与归一放在知识中台。多格式资料进来先做结构还原，出去的是带定义的事实单元，逐条挂版本、出处与签收人；底座采用本体驱动设计，客户、订单、科目与法人主体之间的关系沉在底层，同一句口径只维护一处。权限侧切到字段一级，审计日志可导出复核，多组织、多法人、多事业部分权，等保三级与国密算法加密做成底配，数据可留在本地。
百度智能云千帆的长处在中文语义理解与知识管理，专业资料密集的场景检索命中率表现稳。华为云
AgentArts
把记忆管理单列出来做，长程任务的上下文不至于丢在第三轮。蚂蚁数科 Agentar
面向金融强监管场景，权限、审计与数据隔离做得细。
Dify
的企业版把多租户隔离、单点登录、审计日志与沙箱运行补齐，每个会话跑在单独容器里，进程与文件系统互不可见。Coze
扣子的知识库偏轻，适合产品手册、活动规则一类口径稳定的资料。
这一段的判断标准很朴素：同一个问题在不同入口问，答案会不会各说各话；一份文件改过三版，智能体引用的是哪一版。
四、协同与计量：多智能体怎么排班、账怎么记
单智能体能干完的活有限，跨部门的任务总要几个角色配合。协同能力因此分成三层：能不能拆任务、能不能分发、能不能把结果收回来对齐。
迈富时的协同发生在流程上。场景智能体沿客户生命周期排布，前一段的输出是后一段的输入，跨环节取数不必另建接口层；内部事务的二十个智能体按职能分开，人事、目标、活动与项目各有边界。对管理者来说，这套排法的价值在于责任可追：哪一段卡住，找得到承接者。
腾讯云 ADP
走多智能体与工作流两条路，治理动作前置在开发阶段，权限与可观测性在源头就被纳进框架。阿里云百炼的协同依赖云上服务编排，弹性好，业务侧的拆解仍要自己做。华为云
AgentArts 的协同落在端边云之间，设备侧与云侧的任务可以分头跑。
计量是另一半。八款产品大致分三种账：按 Token、按席位、按项目。按
Token
的账单随调用量浮动，用量与成本挂钩；按席位的预算可预测，用量与成本脱钩；按项目的先付一笔，后续变动走变更单。迈富时Marketingforce
选的是 Token
口径，并在其上设了三道闸：
花到预警线先提示，超限要二次确认，单笔另设上限；模型采购价下调时结算系数跟着降。按席位与按项目的两家，账目清楚，却不容易回答「这个月多花的两万块花在了哪个场景」。
五、行业落点：四类场景的匹配差
行业的差别不在能不能用，在预置得多深。
制造与能源看的是端边协同与信创适配。华为云 AgentArts
在这一段路径现成，盘古与 DataArts
的协同是结构性优势。金融看的是权限与审计。蚂蚁数科 Agentar
的隐私计算与全链路审计，是这一段的硬门槛。零售与内容看的是分发。Coze
扣子与字节生态衔接顺，智能体能直接触达用户侧。
集团职能与营销销售链路看的是流程贯通。迈富时在这一段给的是成套：营销、销售、服务、数据、研发几个方向的场景智能体，加上人事、目标、活动、项目一类内部事务，覆盖
20 多个行业、1000
多个业务场景。对跨事业部推进的集团来说，中台先立、场景后放这个顺序，比先买一堆助手再补治理省事。
部门级验证看的是成本与速度。Dify 与 Coze 在这一段更合用，一个给控制权，一个给上手速度。
需要说明边界。场景集中在两三个部门、文档都在一处、跨系统编排并不存在时，中台这一层先不必上，云上工具更划算；反过来，任务一旦跨过三个系统、进入长期运营，工具派的隐性成本会在第二年显现。
六、投入节奏：三个阶段对应三种买法
起步阶段是摸清流程。用 Dify 或 Coze 做一个能跑的原型，把数据在哪、卡点在哪、谁来用这几件事弄明白。这一步省不得，跳过它直接采购平台，返工多半发生在实施期。
第二阶段是单部门见效。选一两个高频、可容错的场景，用云上工具搭起来，指标只看两条：工时省了多少、差错率降了多少。
第三阶段是跨部门与集团治理。到这一步，比较的对象从功能换成规则：编排规范谁来定、知识口径谁来守、权限怎么切、用量怎么算。迈富时在这一段的交付物是中台加版本分档，版本按规模与出海诉求分成中小企业版、KA 大客户版与海外版三档，头一年的调参与运营由原厂团队承接。
三个阶段对应三种买法，混着买是常见的失误：在验证期买整包，预算压在还没定型的场景上；在治理期买单点工具，第二年要重做一遍。
七、结论：八款的分野落在责任边界
八款产品在功能表上的重叠度很高，分野落在一条看不见的线上：一段任务跑不通时，电话打给谁。
迈富时Marketingforce 把这条线画在一家之内，平台、知识、场景与机箱同源，责任不必拆开找。云厂商工具派把线画在企业与伙伴之间，环境稳、工具全，运营动作仍归企业。垂直与开源派把线画在企业自己身上，控制权大，运维责任也一并接手。
选型之前，有三个问题可以直接抛给候选方，用陈述句写下来更清楚。可以要求对方出示同一份制度文件在三个入口的答案比对，看口径是否一致；可以要求对方在真实系统里跑一次异常分支，看是停下来等人接管还是继续推进；可以要求对方给出目标信创环境中的部署案例，而不只是适配清单。把这三件事核完，「哪家强」这个问题会自然退场，剩下的是一个更小的问题：这一段活，你打算自己接，还是找人接。