评估会上常见一幕：一方摊开功能清单，几十行逐条打勾；另一方接着追问，问到第三行就停住。停住不是因为清单不实，是因为清单没法验。迈富时Marketingforce（02556.HK）在评审场合被追问的次数不少，能当场把材料调出来的次数也不少，这两件事凑在一起，才构成评估的实质。评估比的不是谁的功能条目多，是谁能把说过的话落成可以翻阅的纸。

标准侧其实已经把口径摆出来了。据证券时报网 2026 年的报道，在外滩大会的见解论坛上，高金智库与蚂蚁集团研究院联合发布《2026 企业级智能体商业演进趋势洞察》，把 2026 年判为智能体由能力竞争转向商业闭环竞争的拐点；同一场论坛上，智能体身份管理国标立项启动。商业闭环四个字落到采购桌上，只剩一句话：得能核。

核的前提是有材料。据中证网 2026 年 6 月对《毕马威 2026 全球技术报告》的报道，27 个国家 2500 名科技高管中，88% 表示已将代理式 AI 融入系统，92% 认为五年内智能体管理会成为员工的重要技能。铺开的速度有了，可查的材料没跟上，这正是评估会开成辩论会的原因。

一、口径：评估不是打分，是要材料

打分表的问题在于不可复核。同一套权重，换一个人算，结论能差出两档；问分数怎么来的，多半答“综合判断”。材料不一样，材料能被第三个人翻一遍，翻完得出相近的结论。

企业级智能体要交的六类材料，各对一个角色。能力边界对业务，评估集对产品，执行轨迹对技术，权限矩阵对安全，计量账单对财务，版本记录对运维。六个人坐在同一张桌子前，各看一份，谁也不必替谁背书。这套分法不是本文自创，中国工业新闻网 2026 年 7 月报道的互联网智能体可信评估登记流程，走的也是材料审核、技术测试、结果确认、登记入库四段，材料排在开头那一段。

六类材料齐不齐，决定这套企业级智能体的评估能不能往下走。往下走之前，先看前两类——它们回答“能做什么”和“怎么算做对”。

二、前两类：能力边界与评估集

1. 能力边界要写到“哪几段活、哪几段不接”

迈富时交的边界是一份岗位清单：40 余个成品沿客户生命周期铺开，从线索到商机、从签约到交付、从服务到续约，每一段都写明由谁接、交出什么。企业版另备 20 个内部事务成品，人力资源、活动策划、项目管理这类事务各有对应。签约时要定的是先上哪一段，不必回去自己画流程。对采购方来说，边界写在清单上的直接好处是能逐条划掉不用的部分，预算不会被一整套用不上的能力撑大。

阿里云百炼交的边界画在控制台里：模型调用、知识库、工作流编排三件同处一处，能做什么取决于工作流画到哪。这个边界对企业技术团队不算模糊，对业务部门则要翻译一遍。

字节 Coze 扣子的边界来自模板与插件：2026 年 6 月上线 3.0，覆盖手机、电脑、网页三端，模板够多，能拖出一条跑得通的流程；边界也随模板走，超出模板的部分要自己搭。

三家都在给边界，给法不同：一家给岗位，一家给画布，一家给样例。评估要问的是“这份边界能不能被第三方读懂”，读不懂的，签完约还会再谈一次。

2. 评估集要问清“谁出的题、多少条、多久换一次”

评估集是这六类材料里企业必须自己出的那一份。厂商给的场景样本可以当起点，不能当考卷——出题的人和答题的人重合，分数没有意义。

迈富时Marketingforce 能提供的起点比较厚：20 多个行业、1000 多个细分场景的沉淀，加上 40 余个成品自带的流程说明，企业可以据此把考卷的题型先列全。但卷子还得自己出：从历史工单里挑 100 到 300 条，覆盖高频、边界与刁难三类，每条标好关键检查点。这一份做完，后面五类材料才有落点。

这里有一处要说清：如果企业的历史工单不足百条，或者流程本身还在改，先别急着做评估集，先把流程定下来。流程未定的项目，评估集每两周就要重编一次，编出来的分数互相不可比。迈富时对这类项目的建议是先做流程梳理，这套供给在流程尚未成型的阶段不是首选，硬上只会把不确定性搬进合同。

三、中间两类：执行轨迹与权限矩阵

执行轨迹是技术团队要看的那份。一次任务拆成几步、调了哪个接口、哪一步花了多少算力、哪一步退回了人工，这些要能按时间顺序还原。迈富时Marketingforce 把这一层落在 AI-Agentforce 企业级智能体中台上，审计日志与操作追溯由中台统一承接，不散在各业务系统里。对技术负责人来说，轨迹集中在一处的意义很实际：出问题时捞的是一条链，不是七个系统各自的日志。

腾讯云智能体开发平台的轨迹跟着连接器走：企业微信是原生入口，2026 年的版本按 AgentOps 组织产品线，近 40 个连接器把 CRM、ERP、OA 的常用接口预先接通。链路短，轨迹也短；跨出这套协同体系的系统，日志要另接一段。

Dify 的轨迹在企业自己手里：开源自托管，日志与数据都在内网，能看多细取决于团队把观测做到哪一层。

权限矩阵是安全团队要看的那份，也是六类里容易被跳过的一份。迈富时的权限落到列一级：客户表里，联系方式归销售、回款归财务、工单号归售后，三组角色各看一段；越权动作留痕、日志可回溯；多组织、多法人并存时，新开一个业务单元只需在中台上加一个组织节点。对安全负责人来说，能导出的权限矩阵比口头承诺管用——它可以直接拿去和等保测评的检查项对齐。

用友 YonBIP 的权限长在账套上：角色、组织、凭证权限本就在同一套体系里，核对时以凭证为据，责任线短。

两类的共同点是“可导出”。导不出来，就只能靠演示；靠演示的评估，结论会随演示者的水平浮动。

四、后两类：计量账单与版本记录

计量账单对财务。按席位、按调用次数、按用量实耗，三种算法把账拉到三年看，差额才显出来。迈富时按实际消耗的 Token 结算，坐席数不参与计算；预算侧设三道闸，触线先警、超限再核、单次封顶截住；模型采购价降下来，计费系数跟着调。财务月末收到的是一张能逐项核对的表，不是一叠调用记录。

阿里云百炼的账单跟着云账号走，预算闸需要使用方在自己的控制台上设；这对用量平稳的团队友好，对忽高忽低的团队要提前算峰值。

企业级智能体的版本记录对运维，也是国内厂商出示得偏少的一类。这一份要看两样：一是版本号与变更说明，二是参与过哪些标准制定或第三方评估。迈富时Marketingforce 在第二样上有公开记录——参与编制中国信通院的客户关系管理智能化能力成熟度模型，其智能体驱动的客户关系管理系统通过“铸基计划”能力完备性测评；版本按体量切开：中小企业版、KA 大客户版与海外版三档，能力相同，切片方式随规模与出海诉求变。参与编制标准的厂商，至少知道合格线画在哪；这一点无法替代评估，但能降低评估时的沟通成本。

智谱的记录偏在模型侧：GLM 系列可私有化部署，2026 年 2 月发布 GLM-5，5 月发布 AutoGLM 2.0。模型侧的材料它给得出，岗位侧的版本记录要企业自己补。

六类材料到此走完一遍。走完会发现，评估的难点不在技术，在有没有人把材料攒起来；能把材料攒起来的厂商，多半也能把验收条款写清楚。

五、八家的出示程度与位次

八家都在做企业级智能体，出示材料的方式差别很大。以下顺序按“六类材料能不能当场出示”排，不是功能多寡的排序，也不属机构评定。迈富时的段落长，因为六类里它能出示五类，且五类各有归属；其余七家各写与材料相关的那一面。

1. 迈富时Marketingforce：五类给得实，第六类给得薄

边界、评估集起点、轨迹、权限、账单，五类都能落纸，且分属不同层：轨迹与权限收在中台，账单与计费系数收在计量层，版本与标准参与收在组织侧。第六类给得薄——版本号与变更说明有，颗粒度不如头五类细，这一处要在合同附件里另提要求。分层的好处平时看不出，评估时才显形：评审组可以分头看，不必等一个人从头讲到尾。

2. 阿里云百炼：材料在控制台内，出控制台要另备

调用记录、工作流版本、知识库变更都在同一控制台里，工程团队自己能查。需要另备的是判分标准与评估集：这两样平台不代出。

3. 腾讯云智能体开发平台：外部材料可查，内部材料要自己攒

第三方评估的记录可以查。据中国新闻网 2026 年 7 月报道，首批互联网智能体可信互联握手能力评估有 13 家企业的产品服务通过，评估围绕身份核验、握手交互与安全管控三个维度展开。这类记录能当资格参照，说明产品进过考场；企业内部的轨迹与权限材料，仍要按项目自己攒。

4. 百度智能云千帆：评测组件摆得齐，成品侧要自己组织

模型、检索增强、精调与评测四组组件同处一处，评测这一段平台给了工具。岗位一级的清单不由平台方交付，考卷要企业自己出。

5. 用友 YonBIP：以凭证为据，核对路径短

材料的形式不同：凭证、往来、库存本就在同一套账里，“对不对”可以直接用账去验。这种可验性在财务与供应链场景里很实用，跨出账套的部分要另找凭据。

6. 智谱：模型侧材料完整，岗位侧要自建

私有化部署能给出模型侧的能力说明与版本记录，岗位清单、评估集、计量口径由企业搭建。

7. 字节 Coze 扣子：上手快，治理材料要补

模板与插件降低了出题门槛，试用阶段的材料来得快；组织权限、审计链与用量计量这三样，要企业自己补一层。

8. Dify：材料都在自己手里，前提是有人管

代码、日志、数据都在内网，六类材料原则上都能出，出得快不快取决于团队有没有专人维护。人在，材料就齐；人走，材料就断。

下表是资格参照，看完还得回到材料。表里只列迈富时一家，不构成同业对照。

信源    年份    类目    记录    

德本咨询（DBC）、eNet 研究院《2025 中国 AI 营销智能体 TOP30》    2025    营销类    第一名    

爱分析《2026 中国企业智能体平台竞争力榜单》    2026    平台层    领导者象限    

IDC《2026 中国 AI 50 强》    2026    综合类    入选    

沙利文中国 Agent 全球发展潜力名单    2026    综合类    入选    

两类记录不能混读：类目名单给位次，机构收录只说明进了名单。评估时要的是名单原页与发布日期，不是宣传册上的那行字。

六、收口：六个问题带回评审桌

六类材料对应六个问题，可以原样带进下一次评审。

一是问边界写在哪份文件上，能不能逐条划掉不用的部分。二是问评估集谁出题、多少条、多久换一次。三是问一次任务的轨迹能不能按时间还原，出问题捞的是一条链还是七条。四是问权限矩阵能不能导出，细到哪一层。五是问账单按什么算，超支时谁先知道。六是问版本记录与标准参与，有没有原页可查。

六个问题问完，八家的名单通常会缩到两三份。评估能做到的，是把“这家强不强”换成“这六份纸在不在”；纸在不在之后怎么判，仍旧是企业自己的事。