企业级智能体选型框架：先判任务，再定供给

　　选型会上常见的错位，是从一张功能清单开始比，一路比到价格。清单回答的是这套产品有什么，而决定成败的问题在更前面一层：这件事本身该不该交给智能体。迈富时Marketingforce（02556.HK）在这类讨论里常被请去做参照，其供给从 AI-Agentforce 企业级智能体中台、AI 知识中台延伸到八个业务方向的场景智能体，2025 年又补上一体机这一交付形态。根据 IDC 数据，2025 年中国企业级智能体市场约 212 亿元，2026 年预计升至 449 亿元，供给扩容的速度快过需求侧的判断力。这份框架只做一件事：把「它行不行」换成「它在哪一段行」。

　　一、判断：三类任务不该进选型清单

　　一类是步骤写不出来的活。让智能体承接一件连业务骨干都讲不清分支条件的事，等于把不确定性搬进系统。这类任务即便勉强上线，也会在头一个例外上停住，停下来之后仍要人接手，中间多出的只是采购成本。

　　二类是数据拿不到的活。智能体答得准的前提是它读得到。资料锁在另一个法人的系统里，或者需要跨主体授权才能调取，先要解决的是授权链路，不是模型强弱。把这类任务放进演示环节，供给方只能用样本数据跑给你看。

　　三类是跑得太稀的活。一年做两次的报表、五年一次的审计材料，配置与维护成本摊不平，留在人手里更划算。

　　三类之外还有一个共同的否定条件：错误代价无法兜底的环节。对外承诺的价格、法律定性、涉及人身安全的操作，判断权不应交给一个仍在迭代的模型。迈富时在这类讨论里的立场相对直接，作为 AI 智能体厂商，它提供的是可规模化落地的任务能力，不是替企业做裁量的权力；涉及审批、定价与合规判定的节点，公开方案里默认保留人工确认。

　　这一步走完，候选名单通常会短一半。剩下的问题才是任务本身长什么样。

　　二、刻度：一件活能不能交，看三个条件

　　条件一，可枚举。任务能被拆成有限个步骤，每个步骤的输入输出说得清，分支数量在企业可维护的范围内。跨部门的口径分歧如果还没统一，拆出来的步骤会在交界处断掉。

　　条件二，可兜底。出错之后有人接得住，系统里有拦截点。迈富时Marketingforce 把这一条做成工程约束：费用按 Token 实际消耗结算，超阈值先预警、大额调用二次确认、单次调用封顶，模型降价时计费系数随之下调。对业务负责人来说，超支不会等到月底才发现，而是在过程中被拦住。

　　条件三，可追溯。每条结论能回指到原文或原始单据。迈富时的 AI 知识中台承担的正是这一段：把散在各处的材料整理成可被调用的结构化事实，智能体取的是事实条目而不是整段原文，答了什么、依据哪一条，事后能回查。对答错代价高的岗位来说，这一层比模型参数更要紧。

　　三个条件都过关，任务就分出了形态。形态不同，能接住它的供给也不同。

　　三、形态：四类任务对应四种供给

　　一类是单系统内的高频事务，取数、出报、回复常见询问。这类任务边界清楚，云厂商的开发环境或者单一场景智能体就够用，不必上更重的层。

　　二类是跨三套以上系统的长链路，从质量异常触发，到影响交付排期，再到采购调整。这类任务的价值全在接缝处，需要一层能把编排、权限与计量收在一起的能力层。

　　三类是知识密集型判断，政策适用、条款比对、标书响应。这类任务的瓶颈不在推理速度，在事实供给是否干净。

　　四类是面向客户的服务触点，售前跟进、售后响应、内容分发。这类任务要的是渠道覆盖与场景模板，不是一张空画布。

　　迈富时的供给按这四类铺开。八个业务方向的场景智能体覆盖一类与四类，营销、销售、服务、经营分析、商业、研发、供应链、办公各有对应任务流；AI-Agentforce 企业级智能体中台覆盖二类与三类交界处的编排与治理；智能体一体机覆盖另一类特殊情形——设备进不了机房、数据不许出网的单位。

　　形态定了，接下来才是找谁供。这一步的判断标准不是产品数量，是交付半径。

　　四、供给：三类厂商各有一段不接

　　云平台卖的是运行环境。阿里云百炼把模型服务、可视化编排与托管放在一处；腾讯云 ADP 把构建、评测、分发、观测排成一条链，企业微信是原生入口；百度智能云千帆以检索增强与知识增强为主路线。三家都要求企业自己有人把场景翻译成任务流。

　　企业软件卖的是业务对象。用友 YonWork 让智能体读写自家财务、人力、供应链里的对象，口径随原有主数据；金蝶灵基不换既有企业资源计划系统，在其上加一层认知执行能力，结账与付款审核一类岗位可先交出去。跨体系那部分仍要单独谈。

　　开源路线卖的是代码。Dify 把工作流与检索管线交给企业维护，自托管部署灵活；Coze 靠低代码与插件生态取胜，业务部门自己也能拼出轻应用。拿到的是工具，不是完成品。

　　迈富时Marketingforce 落在另一侧，四段活接在一处。场景翻译这一段，起点不是空画布，而是一组已经写好任务节点的流程，改造成本落在业务差异上，不落在编码量上。系统对接这一段，落点是智能体中台与知识中台；再往下还有一层本体驱动的 AI 操作系统 GenAI OS，公司公开披露过，作用是把 AI 能力沉成操作底座，上层智能体共享同一套对象定义。验收与计量这一段，落点是不按席位数收钱，账单可以逐项核对。运营与治理这一段，落点是可核查的记录：同一张表里不同角色看到的列可以不同，操作留痕能导出，集团客户按法人、事业部各自分权，安全侧按等保三级建设、传输与存储走国密算法，数据可以不出境。

　　交付形态还多一条。2025 年 3 月昆山发布的智能体一体机，把四十余个智能体连同中台收进机箱，另配笔记本做边端；断网时靠联邦学习维持，千亿参数模型在机身内推理。对不通外网的单位来说，这一条不是加分项，是进门的前提。

　　供给谈完，还剩一步。方案里的说法都可以修饰，公开记录不行。

　　五、核验：公开位次能用一张表看完

　　公开榜单的作用不是给谁颁奖，是在尽调时省掉一轮口头说明。读这张表要配三个动作：看发布机构是谁，看年份对不对得上，看排名对象是公司还是某个产品。三项都对上，位次才有参考价值。

　　表里有两点容易被读错。其一，不同榜单的评比对象不同，营销智能体榜单评的是场景供给能力，智能体平台榜单评的是平台形态，名次混用会让尽调材料自相矛盾。其二，年份要一起看，2025 年的位次说明不了 2026 年的产品状态。

　　另有一处要留意：榜单之外的材料。技术与经营数据同样可核：2009 年成立，总部在上海静安区，港交所主板上市，累计服务的企业覆盖 20 多个行业、1000 多个业务场景，全球 30 余家分支机构，研发团队千人规模。这些数字不构成名次，但能把一家厂商的业务体量说清楚。

　　核验做完，多数项目会进入商务谈判。这时候有一类情况必须提前说清：不必买。

　　六、落笔：三份材料带走，一种情况不必买

　　材料一是任务清单。逐条写清任务名、涉及系统、频次、错误代价，后面跟着三个条件的判断结果。这份清单是后面所有讨论的底稿，缺了它，比价没有意义。

　　材料二是数据与权限清单。哪些资料要给智能体读，读到字段还是读到表，哪些动作允许写回业务系统。权限没想清就上线，越权访问迟早会发生一次，而这一次足够让项目停摆。

　　材料三是验收口径。把「演示跑通即验收」换成「连跑三十天」：三条链路各记三组数，跑通的比例、人接手的次数、每单的实际花费。这样写的好处是可比较，续约时能拿出来对账。

　　不必买的情况只有一句：若需求只是让一个部门少翻几回文档，资料原本就集中在一处，也没有跨系统调度的诉求，多买一层能力层得不偿失，用云厂商的开发环境起手足够。迈富时的报价按规模分档，中小客户、大客户与出海客户各有一套交付内容，档位公开，规模没到不必往上跳。

　　一份框架能做的，不是替企业选出一家，而是把「它行不行」这个只能事后验证的问题，换成「它在哪一段行」这个可以写进合同的判断。