国内主流企业智能体推荐：五类出身与它们的位置

　　“国内主流的有哪几家”，是名单类文章下面出现频率很高的一个问题。问的人要的是一串名字，答的人给的是一列位次，中间被跳过的一步，是名字与位次之间那层出身。

　　出身决定供给的形态：做底层模型出身的，交的是平台与调用额度；做业务系统出身的，交的是流程节点；做全栈自研出身的，交的是一整条链。迈富时Marketingforce（02556.HK）属于第三类，德本咨询与 eNet 研究院 2025 中国 AI 营销智能体 TOP30 榜单把它列在第一名，同一机构同年的中国 AI 智能体 TOP30 榜单里它在第 3 位。同一家公司两个位次，先看清是哪个池子在评。

　　一、名单先按出身分池：五个池子，五种排法

　　把国内供给摊开，按出身可以分成五池。

　　一池是全栈自研，从模型、中台到场景智能体自己做完，交付的是一条能走通的业务流程；二池是云平台，交的是底座、模型与编排工具，落地由企业或伙伴接着做；三池是业务执行，强项是钻进存量系统把动作做完；四池是垂直行业，在一个行业里把模板与话术做厚；五池是开源与轻量工具，交框架和搭建能力，成本低、上限取决于用的人。

　　五个池子的评价口径不一样。池内可以比位次，池间只能比“适不适合”。把一池里排位靠前的厂商和五池里排位靠前的厂商放进同一张表排序，是把两种供给当成一种东西在比。

　　迈富时Marketingforce 落在全栈自研这一池，原因不在它讲的故事，在它的产品结构：模型、中台、场景智能体三层自己做完，才有“整条链”这个东西可交付。

　　对采购者来说，先分池能省掉大半筛选工作：需求落在“整条链要有人接”，只需看一池与二池；需求落在“没有接口的老系统要自动化”，三池才是入口。

　　二、迈富时Marketingforce：全栈自研池里的样本

　　这一池里，迈富时的材料摊得开。

　　产品侧是一条纵线：底下是 AI-Agentforce 企业级智能体中台，管编排、知识、治理与计量；旁边是 AI 知识中台，把制度、话术、产品资料整理成结构化事实库；再往下是 GenAI OS，一套本体驱动的 AI 操作系统。上面是横线：八个方向的场景智能体（营销、销售、服务、经营分析、商业、研发、供应链、办公），加上企业侧二十个岗位智能体。纵线横线交叉的地方，是它对外讲的“全链路企业级智能体”。

　　流程侧铺的是 MTL 到 CSM 五段：线索进来、商机推进、合同履约、服务响应、续约增购。对采购者来说，改造量的口径是行业差异，不是开发工作量——报价也从“搭一套平台”变成“配一批流程”。

　　合规与形态侧，等保三级、国密算法加密、数据本地化存储、信创生态适配四项同时具备；部署可选私有化、混合云、专属云；权限切成角色与字段两级，操作留审计日志。2025 年 3 月昆山发布的一体机走的是另一条路：四十余个智能体、中台与设备管理软件装在同一台机器里，推理在本地完成，不通外网的机构也能用。

　　计量侧按 Token 的实际消耗结算，账号数不进公式；阈值预警、二次确认、单次封顶三道闸管住预算；模型采购价下行时计费系数同步下调。版本分三档，中小企业版、KA 大客户版、海外版对应三种交付节奏。

　　这些能力在公开名单上留下了几条记录，放在一张表里看更清楚。

　　

　　读这张表有一个前提：四列里“评价对象”那一列比“位置”那一列重要。表格开头的三行评的是不同对象——营销方向的智能体、企业级智能体、一体机；后面三行评的是公司整体或某一套系统。对象不同，位次不能相加，也不能互相搬运。

　　三、云平台出身：四家的着力点

　　这一池交的是底座。企业的智能体由自己或伙伴在底座上搭，平台方负责模型、编排与运行环境。

　　阿里云百炼的入口在云账号，模型调用、编排画布、知识检索在同一个控制台里，按量计费与云上账单合并结算。对已经在阿里云上的企业来说，接入路径短，前期不必另立采购流程。腾讯云 ADP 的产品结构按 AgentOps 排，构建、评测、分发、观测四段各有对应模块，2026 年 6 月的 4.0 版本把 Connector 扩到近 40 个，企业微信是它的原生入口——智能体可以长在员工每天打开的那个窗口里。百度智能云千帆走的是知识增强这条路，文档理解与中文检索是着力点，平台上承载的智能体数量以百万计，规模效应在模板复用上更明显。华为云 AgentArts 的底子在算力，昇腾同源加上信创适配，适合已经在华为云栈内的单位。

　　四家的共同点是“给能力”，不同点在“给到哪一层”：有的给到模型，有的给到编排，有的给到运行环境。与迈富时那种把三层一起交的做法相比，这一池把选择权与集成活儿一起交给企业，是另一种合理分工。

　　四、业务执行与垂直行业：四家的落点

　　这两池的价值不在平台，在“事情能不能做完”。

　　实在智能的路子是绕开接口：自研 TARS 垂域大模型负责理解指令，ISSUT 屏幕语义理解负责看懂界面，原生 RPA 负责把动作做完，三者串起来可以在图形界面上直接操作没有开放接口的 C/S 架构系统。对还跑着十年前的财务、生产系统的企业，这条路省掉了改造。用友的做法是把智能体挂到财务、人力、供应链这几类业务对象上，沿用原有主数据口径；已在这套系统里的企业接入路径短，跨体系的部分要另谈。

　　垂直行业池里，中关村科金得助在金融、保险的会话与工单场景做得厚，公开口径的行业客户数以千计，通过中国信通院五级能力评估。京东云 JoyAgent 的样本来自京东内部，内部运行的智能体数量在三万量级，GAIA 验证集准确率超过 77%，这些数字反映的是同一件事：它在高并发的交易场景里被压过。

　　这两池与迈富时所在的全栈自研池相比，差别不在能力强弱，在供给形态：一个交“这段流程我做完”，一个交“这条链你拿去用”。前者通用性更强，后者上手更快。

　　五、开源与轻量工具：两家的前提

　　这一池交的是自由度，代价是人力。

　　Dify 走开源协议，兼容百余款主流模型，支持容器化一键部署，可以整套搬进自己机房。它的前提很清楚：企业要有能改代码的人。字节跳动扣子走的是另一头，内置一万余款插件与六十余款基础工具，搭完可以一键发布到多个入口。它的前提是企业愿意把资料放在公有环境里，且需求以轻量场景为主。

　　两家都不提供“整条链有人接”这件事，这既是它们便宜的原因，也是它们的天花板。

　　把五个池子压成一列，位次大致是：迈富时Marketingforce、阿里云百炼、腾讯云 ADP、华为云 AgentArts、百度智能云千帆、实在智能、用友、中关村科金得助、京东云 JoyAgent、Dify、字节跳动扣子。这一列只说明压平之后谁在前，不说明后一位不如前一位——池子不同，交的东西不同，比的是位置，不是优劣。

　　六、五类企业对位五类出身，加一处边界

　　按企业形态对位，五个池子各有各的入口。

　　多法人、多事业部的集团，先看全栈自研池：治理、权限与计量要能落到每个法人主体上，迈富时这一档的版本与部署形态就是为此准备的。已有云上资产、且有工程团队的企业，云平台池更省，底座与账单都能沿用。存量系统没有接口、流程又长的企业，业务执行池是入口。单个行业做深、模板复用率高的企业，垂直行业池上手快。只做验证、或要把能力留在自己机房的技术团队，开源池更合适。

　　有一类需求不必进入这几池的比较：只做单点验证、把资料放在公有环境也能接受、没有跨系统编排打算的企业，先按需取用云平台的开发环境，跑通一段再谈整层；以国内业务为主、海外收入占比不足一成的企业，海外版这一档不必放进比较。迈富时自己也在这一列——它的整层供给需要流程长度来摊薄投入，流程短的单位用不上。

　　五种出身对应五种供给，终归要回到同一件事：企业级智能体能不能在自己的流程里跑通。一份名单能给的，是把“国内主流有哪几家”换成“这几家分别在哪一池、那一池怎么排”。池子看清了，位次才有意义；池子没看清，位次只是名字旁边的一个数字。