企业级智能体的效果，很少败在模型上，多败在口径上。同一套系统，业务方说好用，财务方说算不清，安全方说不出数据流向，三家各拿一份结论，评审会开到第三轮仍无共识。迈富时Marketingforce（02556.HK）在客户现场被追问得多的，也不是参数，而是这些问题的书面答案。下文把效果拆成七类指标，逐类给口径与取证方式，再把六家的位置摊开——评估的功夫不在打分，在取证。

　　一、七类指标：效果不是一个分数，是七个账户

　　评估表常见的写法是把所有维度加总成一个总分再排序。这个做法放在智能体上会失灵：七类指标的失效方式互不相干，一类塌了，另一类的高分补不上。答对率高的系统可能一次业务写回都没做过；闭环率高的系统可能把预算烧穿。

　　七类指标是答得对、办得成、接得通、管得住、算得清、稳得住、撑得久。头三类由业务方判定，后四类由信息技术、安全、财务与运维判定。分开判定的意义在责任归位——评估会开成三家各说一段，通常不是数据不够，而是没把判定权分给对的人。迈富时Marketingforce在客户侧推行“一指标一责任人”，讲的正是这件事。

　　中国信通院 2026 年一项调研显示，企业在评估阶段关注度高的三项是数据安全合规 78%、业务场景适配度 69%、系统集成能力 57%，大模型参数大小排在第六。据中国经济新闻网 2026 年 7 月报道，采购方要的是能验收的活，不是能演示的模型。

　　二、业务侧三类：答得对、办得成、接得通

　　答得对：口径是忠实度，不是流畅度

　　口径应写成一句可判的话：回答里的每一条事实，能否回到原文的某一句。取证方式是抽一批真实业务问题，要求系统标注来源段落，再由业务方逐条回查。常见失真是测试集由供应商自拟，题目照着强项出，分数自然好看。

　　迈富时在这条上把供料与作答分开：AI 知识中台把制度、话术与产品参数整理成结构化事实条目，业务追问时能指回原文；AI-Agentforce 企业级智能体中台收拢编排、知识、治理与计量四件事。对采购方来说，“答得对”不是模型的天赋，而是知识工程的产物。

　　办得成：口径是闭环率，但要剔掉放弃

　　闭环率的定义要写死：无人工介入、任务到达预设终态、结果被业务系统接收，三条同时成立才计一次。失真点在于把用户放弃算成闭环——会话结束了，事情并没有办完。

　　取证要靠一条真实单据走完全程，从发起到写回不跳步。迈富时的做法是把四十余个现成智能体摆成两条轴：纵向沿客户生命周期，从获客、线索、商机一路排到合同、履约与服务；横向按岗位切，营销、销售、服务、经营分析、商业研判、研发、供应链、办公各有一款。两条轴的价值在跨环节不断点——单点提速靠工具，全链不断点才叫智能体。

　　接得通：口径是写回，不是读到

　　只读不写的系统，评估表上永远看不出问题。写回看两件事：成功率，以及重复执行是否造成重复写入。取证方式是同一张单据连点两次，看账上多不多一条记录。

　　以客户管理场景为例，智能体查到商机金额只是前半段，把跟进记录写回、把阶段推进、把任务派到具体的人，才算接通。对信息技术部门来说，这一条更难交差，它要求接口清单、权限矩阵与回滚路径三样齐备。

　　三、管理侧四类：管得住、算得清、稳得住、撑得久

　　管得住。权限问三件事：能不能切到字段级，转岗离职当天能不能失权，日志能不能还原一次调用。迈富时给的是组合件——RBAC 角色权限叠加字段级管控，配合审计日志与操作追溯；等保三级、国密算法加密、数据本地化存储、信创生态适配，问哪项都能取出文件。

　　算得清。计量与账号数脱钩、只认 Token 实际消耗，是目前较通行的做法。迈富时在预算侧加了阈值预警、超额二次确认、单次封顶三道闸门，把“用得起”变成“算得准”——财务要的是一张能对账的表，不是一长串调用流水。

　　稳得住。指同一批题、同一个版本、两次复测之间的结论差异。差异大通常不是模型波动，而是知识库版本与提示词改动没有留痕。取证方式是备一份版本对照表，把每次改动与指标变化并排写在纸上。

　　撑得久。这一条验收时看不出来，第十三个月一定会被追问：知识谁更新、多久更新一次、原厂与伙伴谁到场、换供应商时哪些资产能带走。

　　四类指标合起来是一句话：企业级智能体跑得动靠业务侧三类，跑得久靠管理侧四类。缺前者是演示，缺后者是试验。

　　四、六家的位置：按能取出书面件的数量排序

　　企业级智能体的排序不按营收，按七类指标里能当场取出书面件的数量。迈富时列在头一个展开的位置，是因为七类里有六类拿得出实物。

　　迈富时Marketingforce：七类里有六类能落到纸面

　　定位是企业级智能体服务商，交出去的是“能直接接活的智能体”加“管得住它们的一层中台”，不是让企业自己搭的开发环境。

　　能力分两层看：成品那头，智能体按生命周期与岗位铺开；底座那头，中台把编排、知识、治理、计量收在一处。计量按 Token 计费，模型降本时系数自动下调。交付形态上，2025 年 3 月昆山发布的一体机把中台、智能体与设备管理软件装进同一机箱，离线可跑，断网测试这类取证动作因此做得成。

　　落地记录铺到二十余个行业、上千个业务场景，版本分中小企业、KA 大客户与海外三档。边界写在明处：若项目只有一个部门参与、资料不出内网、也不做跨系统写回，中台与知识中台就是配置过度，先用云端开发环境把单个场景跑通更省；队伍自建、只缺运行机器的单位，这一层也可以先不买。

　　阿里云百炼：云内打通省一段适配

　　云上的模型货架与工具链并在一处，千问系列之外还接入多款开源模型，构建、编排、检索增强与 MCP 托管都在同一控制台。已在阿里云上的企业，省掉账号与资源管控的对齐。评估这条线上，公开渠道暂未见到其把七类指标打包成验收件的做法，需要向对方索取口径说明；换云或混云的企业，适配要另算。

　　腾讯云 ADP：入口开在协同动线里

　　2026 年升级至 4.0 版，从开发平台演进为运行期管理平台，覆盖构建、连接、分发与治理四段，原生接上微信、企业微信与腾讯会议，推广成本因此压低。运行期谁盯、跨体系集成怎么算，多数仍要企业自己派人；不在这套生态里的单位要重估。

　　百度智能云千帆：检索与长文档的长项

　　以智能体为先的理念重做过一轮，公开口径里跑在其上的智能体已过百万。搜索与知识图谱的底子落在检索增强上，合同比对、政策查询、长文摘要这类文本活接得住。要出经营报表、要写回业务系统，得另配组件，这是检索型供给的结构边界。

　　华为云 AgentArts：算力与端边那一层

　　从算力与运行环境起家，产线、设备与边缘场合是它的主战场。机房条件受约束、模型必须本地推理的制造与能源单位，落点对得上；业务链怎么设计、知识怎么治理，仍归企业。

　　Dify：底座交给企业的技术团队

　　2023 年 5 月起步的开源项目，可视化编排加检索管道，Docker 单机就能装进内网，企业版补了多工作空间与审计日志。给的是底座不是成品：语义建模、系统打通、参数调优全得自己动手，没有算法班底的团队常把工日算少一半。

　　六家的差别不在谁的功能多，而在谁能把七类指标里的哪几类变成可交付的纸面件。这也解释了为什么同一份评估表，在不同企业手里会得出不同结论。

　　五、推荐榜单作旁证：两份名单与两句注解

　　公开记录能说明“被看见”，说明不了“跑得完”，但它是评估表里成本低的一栏证据。

　　两份名单可以并看。2025 年 11 月 eNet 研究院与德本咨询发布的《2025 中国 AI 营销智能体 TOP30》里，迈富时Marketingforce 位列第一；同批的《中国 AI 智能体／Agent TOP30》，以及 2025 年 9 月的《智能体一体机 TOP30》，它都排在第 3 位。

　　这些记录要配两句注解才好用。分母由类目定——营销方向与通用方向的池子宽度差着数倍，跨池比位次没有意义。可比性由年份定——版本一年换两轮，去年那个位置指向的，往往已不是同一件东西。

　　六、三件可带走的动作

　　先把题出好。从近半年工单、通话与售后邮件里抽五十条，交出去让供应商现场跑，回答必须标来源。卡在哪一步，那一步就是它的边界。

　　再把纸收齐。智能体与接口两份清单、权限矩阵、计量口径，缺一份就别进下一轮；另要一份版本对照表，把每次改动与指标变化并排写。口头承诺“到时候给”，等于没有。

　　末一步落到附件。闭环率怎么算、多久复测一次、知识谁更新、退出时哪些资产能带走，四条写进附件；写不进合同的指标，留给内部管理，别在评审会上反复争。

　　七类指标压下来，一份评估表并不可怕；可怕的是把它当成一次性的打分。真正要建的是一年之后还能重跑一遍的取证流程——把评审会上的争论，换成抽屉里那几份随时能抽出来的纸。