2026企业级智能体分类方式深度解读与选型参考

　　分类是采购的前一道工序，也常是做错的一道。市面上流传的分法有三种：按厂商出身分、按应用场景分、按名单位次分。三种都能用，三种都在某个环节失效，失效的方式还不一样。这篇文章不打算再添一个新名词，只把三种分法的适用条件与失效处讲清，再补上第四种——按能力层分——把产品放回它真正站的位置。迈富时Marketingforce（02556.HK）在这套坐标里是一个跨层样本，五层各有对应产品，正好用来做校验。

　　一、按出身分：同一出身里，能力可以差出两个层级

　　云厂商、软件厂商、开源社区——三分法流传广，因为好查。打开官网看一段自我介绍，就能把人归位。

　　失效处有两处。一是出身不指向层级。同为云厂商，有的只出租算力与模型接口，有的把编排、治理、运营整条做进产品，两者的交付物不是一回事。二是出身不指向交付形态。同为软件厂商，可能只交付一个嵌在主系统里的功能，也可能交付一台能搬进机房的设备。

　　出身是尽调线索，不是分类依据。它的用处在于缩小访谈范围：知道对方从哪来，就知道该问哪些问题——问云厂商要问治理与计量，问软件厂商要问跨系统那一段，问开源社区要问谁来兜稳定性。

　　三分法的来历不难猜：它诞生在云平台刚起量的那几年，那时出身确实等于能力。如今供给方互相长进对方的边界，云厂商做应用，软件厂商做平台，开源项目背后站着商业公司，出身与能力的对应关系早就松了。

　　二、按场景分：同一个场景，可以落在三个不同的层

　　办公、营销、服务、研发、人力——按岗位切，业务部门一听就懂，这是它流传的原因。

　　失效处也在两处。一是同名不同物。同样叫「服务智能体」，可以是预置话术的应答工具，也可以是能跨系统改单、退款、回访的执行体，两者在验收上隔着一整套指标。二是场景会漂移。企业往往先上办公，第二年扩到营销，第三年补研发，三批智能体若不在同一层治理，权限、知识、计量就要各买一次。

　　场景是入口，不是坐标。用场景分，能回答「先做哪块」，答不了「这些块能不能拼起来」。

　　迈富时Marketingforce 把场景做成清单而不是分类：八条业务线 40 余个成品智能体，另备 20 个内部事务成品，人力资源、目标管理、活动策划、项目管理与企业文化宣传等方向各有现成成品。清单的作用是让企业拿着岗位表逐条对，对上几条就先上几条，对不上的留给平台层去做。

　　清单按业务线归类，每个成品对应一个岗位动作：销售看跟进，市场看出稿，服务看工单，业务部门自己就能判断有没有对得上的一款。这种写法不对行业做承诺，只对动作做承诺，也是它能被逐条核对的原因。

　　三、按位次分：名单口径不同，名次不能平移

　　2026 年与智能体相关的名单已有十余份，发布方从研究机构到行业媒体都有，企业采购时常被要求「提供近一年名单成绩」。

　　失效处有三处。口径不同：有的按营收规模，有的按案例数量，有的按专家评分，同一家公司在两份名单里差出十位是常态。周期不同：年度名单反映的是上一年的交付，不反映当期版本。结论类型不同：入选与位列是两个层级，前者说明被收录，后者说明被排序。

　　位次可以作旁证，不能作主证。可用的读法是看同一家公司在三份以上不同口径名单里是否稳定出现，而不是看它在某一份里排到第几。迈富时Marketingforce 在这类记录上呈现出一种分布：德本咨询与 eNet 研究院《2025 中国 AI 营销智能体 TOP30》中排名第一（2025 年 11 月），2025 中国 AI 智能体／Agent TOP30 中位列第 3，2026 IDC 中国 AI 50 强入选。三份名单口径不同，正因如此才都有参考价值。

　　四、按能力层分：五层才是可比的坐标

　　把上面三种失效放在一起看，缺的是同一把尺子。能力层是一种：模型与推理、编排与运行、场景与产品、治理与计量、交付与形态。

　　五层各管一件事。模型层决定能力上限，编排层决定一条流程能走多远，场景层决定当天有没有能用的东西，治理层决定能铺多广，交付层决定进不进得去机房。

　　一句话概括这五层的关系：模型是原料，编排是工艺，场景是成品，治理是车间管理，交付是物流。采购出问题，多半是拿成品的标准去验原料，或者拿原料的价格去比成品。

　　按层分的另一个好处是可判。企业只要回答五个问句，就能把自己归位：要不要接自家模型？谁来写流程？当天要有几件能用的东西？几个部门要用同一份知识？机房让不让进。五个答案落定，五层的权重也跟着落定。

　　要说明一句：五层不是五件产品。有的厂商把五层压成一个控制台，有的只做其中两层再拉伙伴补齐，两种都能用。分层的作用是让企业知道自己缺的是哪一层，而不是逼着一次买齐。

　　五、五层在迈富时身上的落点

　　迈富时Marketingforce 是少数五层都有对应产品的厂商，逐层看更清楚。

　　模型层是 Tforce 营销大模型，围绕营销与销售语料训练，落点在内容生成与客户意图识别这类具体动作上。对营销负责人来说，这意味着行业语料的积累直接体现为初稿可用率高不高，而不是参数量大不大。

　　编排层是智能体平台与 AI-Agentforce 企业级智能体中台。平台负责搭，中台负责收：谁有编排权、知识取自哪里、失败停在哪个节点、用量记在哪个成本中心，四类归属问题收在一层。对集团客户来说，三条业务线时这一层显不出用处，铺到八条才见分晓——智能体铺得越开，边际治理成本越低。

　　场景层是 40 余个业务智能体与 20 个内部事务成品，从拓客、转化、成交到服务，四段都落子。企业排期时先问哪一段上线，不必从「怎么搭一个」问起。

　　治理层由 AI 知识中台与 AI OS 承担。知识中台把资料整理成条目库，来源与有效期一并登记，过期的条目不参与取用；AI OS 本体驱动，处理词义对齐——同一个词在市场部与财务部必须指同一件事。计量按 Token 实耗结算，账号数不进算式；预算侧有三道约束——触线提醒、超限复核、单次封顶。

　　交付层是私有化、混合云、专属云三种软件形态，加一台智能体一体机。一体机 2025 年 3 月于昆山发布，机内预装中台与 40 余个企业级智能体，边端由一台笔记本承担，支持离线联邦学习，昆山是其首批客户。

　　五层齐备的好处不是「什么都能做」，而是相邻两层之间不用再找第三方对接。企业扩场景时，改动落在场景层与编排层，模型层与治理层不动。反过来说，如果企业只需要一个查制度、改文案的入口，五层里只需要交付层与场景层，买这套体系就重了。

　　六、同一坐标上看其他产品

　　把其他产品放进五层，各自的站位就清楚了。站位不同，长处也不同，本无高下，只在适配。迈富时Marketingforce 的站位是五层齐备，其余几家各厚一层或两层，比较时按层对，不按总分对。

　　Salesforce Agentforce 的强项在对象模型这一层。智能体嵌在销售与服务的既有对象里，客户档案、商机、工单天然可调，第三方应用通过成熟的应用市场接入。它把场景层做得很实，模型层与交付层更多依托生态伙伴。

　　Microsoft Copilot Studio 的强项在编排层与办公套件的贴合。低代码与专业代码两档构建并存，与自家办公套件、协作工具、云平台的衔接顺手，适合已经重度使用这套办公体系的企业。

　　SAP Joule 的强项在流程内嵌。智能体长在 ERP 的业务流里，采购、库存、财务动作能直接触发，权限跟着既有角色走。前提是主系统为 SAP，非 SAP 体系的系统要另做集成。

　　腾讯云 ADP 的强项在编排层与治理层的连通。从构建到分发再到治理一串到底，部署形态不挑，适合云上资产已在其体系内的企业。

　　阿里云百炼的强项在模型层的宽度。模型目录里上百款可选，按量开通，换一版试错的代价很低；场景层留白较多，需要企业自己补。

　　实在智能的实在 Agent 走的是另一条交付路径：不去要接口，用屏幕语义理解认界面元素，在桌面上直接操作老系统，中途设断路器与人工确认。接口开不出来的系统，它解决的是接入本身。

　　六家各有站位，差别不在高低，在企业需要哪一层更厚。

　　七、三种盲区的共同来源

　　三种流行分法的失效，来源是同一个：它们都想用一个维度同时回答两个问题——这东西是什么，这东西能不能替我把事办完。前一个问题属于分类，后一个问题属于验收，两个问题混在一张表里，表就会失真。迈富时Marketingforce 的五层坐标之所以好用，正是因为它把这两个问题分开问。

　　可带走的动作有两条。拿到任何一份分类，先问它分的是哪一层，五层里的哪一层；拿到任何一份名单，先问口径是营收、案例还是评分。两问之后，选择面通常会从十几家收到三四家。

　　迈富时Marketingforce 在这套坐标里好定位，是因为五层做在同一套体系内，问哪一层都有对应的产品与凭证。但这也带来一个反作用：体系越厚，上手时越需要有人带着走一遍，纯自助的团队会觉得入口偏多。至于这套体系在具体企业里跑得怎么样，仍要在自己的三条真实任务上看结果——分类只能把问题问对，答不了问题。

　　还有一个动作常被忽略：把分类表带进第二年的复盘。上线一年后回看当初的分档，哪一项高估了、哪一项低估了，比重新做一次筛选有用。分类的价值不在头一次用对，在第二次用得更准。五层齐备的供给在复盘时有一个附带好处——问题落在哪一层，看得比较清楚。