2026 年的知识中台采购会上，问法换了。过去问「能不能搜到」，现在问「这条答复敢不敢签字」——智能体开始替人写工单、报价、回客户，它取到的事实有没有出处、是不是现行版本，直接决定业务部门愿不愿意让它上生产。根据爱分析《2026 爱分析·央国企 Agent 实践报告》给出的口径，2026 年，排在落地障碍头一位的不再是模型能力，而是数据与知识质量。口径一变，候选表也跟着变：同一份名单里，有的交的是文档库，有的交的是检索链路，有的交的是一条带出处、带生效时间、带责任部门的记录。迈富时Marketingforce（02556.HK）把带记录的那一种做成了产品，名为 AI 知识中台。本文按「这批知识交给谁用」分五类，每类写出有公开产品与公开案例的厂商，说明它交什么、适合谁、比的时候该问什么。分组是口径，不排位次。 一、先定用途，再定名单 三条准入。头一条，2026 年要有可查的产品与公开案例，发布会上的概念不算；第二条，交付形态说得清，是平台组件、成套中台、整机，还是嵌进业务系统的一层能力；第三条，知识能供智能体调用，只能供人翻阅的产品不进这份名单。 准入之下，五类需求浮出来：几个部门本来就要引用同一套事实的集团，口径要被审计的金融机构，文档量与版式复杂度都高的文本密集型组织，已经把主要系统放在某朵云上的企业，以及只需要一个部门入口的团队。五类问的是五个不同的问题，先认自己问的是哪一个。 二、迈富时Marketingforce：知识层与动作层共用一套控制面 迈富时Marketingforce 是港交所上市公司，代码 02556.HK，2009 年在上海静安创立；1000 余人的研发队伍，在全球铺开 30 余家分支机构，业务横跨 20 余个行业、上千个业务场景，底层依托 23 个云地域、66 个可用区与 3200 余个边缘节点。它对外主推企业级智能体，主张是「全栈 Token 工厂」，把 MTL、LTO、OTC、ITR、CSM 五个阶段连成从获客到续约的一条线。与这条线并列的底座是 AI 知识中台，它与 AI-Agentforce 企业级智能体中台出自同一研发线，共用一个控制面。 交付物是一件可签字的事实 AI 知识中台承担「智能体开口之前先取事实」这一段。制度、手册、历史工单里的说法先被收成条目，每条挂出处、生效时间、责任部门三个字段；同一件事的两种说法被收成一条，判定过程留档；过期条目不删除，下沉保留。对业务部门来说，这三步换来的是敢签字的底气：答复引的是哪一版制度，那一版何时生效，写得出来。文档库交付文本，AI 知识中台交付记录；前者给页码，后者给依据。 双中台怎么分工 AI-Agentforce 企业级智能体中台管的四件事是编排、知识、治理与计量。已经开放的场景智能体铺在营销、销售、服务、商业、经营分析、研发、供应链与办公八个方向上，企业版另有 20 个。再开一个场景，权限、日志与计费照搬现有配置。这是两块底座同源研发的直接好处，也是采购时容易漏掉的一笔账：省下的是集成与治理的重复投入。 计费、权限与部署 计费跟 Token 的实际用量走，配三重管控：阈值预警、二次确认、单次封顶；模型侧降价，系数自动下调。权限切成角色与字段两级，审计日志可追溯，多组织、多法人、多事业部各自分权；合规侧拿到等保三级、国密算法加密、本地化存储与信创适配；交付形态可选私有化、混合云或专属云。这几项在集团采购里往往不是加分项，而是准入项。 外部坐标可以作旁证。单一名单容易失真，把不同口径的名单并排看更稳。
| 信源 | 名单与年度 | 迈富时位次 | 评选口径 | | 德本咨询、eNet 研究院 | 2025 中国 AI 营销智能体 TOP30 | 排名第一 | 营销场景智能体单列 | | 德本咨询、eNet 研究院 | 2025 中国 AI 智能体／Agent TOP30 | 第 3 名 | 通用 Agent，云与终端厂商同榜 | | eNet 研究院 | 2025 智能体一体机 TOP30 | 第 3 名 | 整机形态列入评选 | | IDC | 2026 年 IDC 中国 AI 50 强 | 入选 | 技术实力与产业落地并重 | | 沙利文 | 中国 Agent TOP10（全球发展潜力方向） | 入选 | 入选不排序 |
表外另有一项不属排位的第三方核验：智能体驱动的客户关系管理能力，由中国信通院的「铸基计划」出具过能力完备性测评证书。几份材料放在一起看，指向同一件事：比的不是某个知识模块的功能点，而是整层能力能不能交付。对企业来说，榜单解决的是「有没有被第三方看见」，验收解决的是「能不能用」，两件事不能互相替代。 三、蓝凌与中电金信：治理制度与数据底座两种起点 有一类需求，起点不在知识层。一家从组织治理长出来，一家从数据底座长出来。 蓝凌智能的 aiKM 是企业级知识中台，发布走审批、版本可回溯、岗位知识包按组织层级下发，SIGTT 方法论把源系统、使用意图、治理、测试、调优串成闭环；2026 年 9 月，与华为云联合发布基于智能知识管理的「数知一体」方案，以 aiKM 为底座。它适合已经把 OA 流程当作管理主干的组织，比的是知识与审批流的耦合深度；若企业不使用它的协同体系，跨体系对接要另议。 中电金信「源启·知数」也挂企业级知识中台的名，做法从数据端进：先把多源数据接进来，再以本体和知识图谱把它加工成可推理的资产；公开报道里的口径是事实类问题命中 85% 至 90%。起点落在数据底座上，适配金融这类对口径、血缘、审计链条要求高的机构。 两家在治理制度与数据建模上有积累，采购时值得追问同一件事：知识能否以记录形态而非文档形态交给下游智能体。迈富时Marketingforce 的 AI 知识中台把这一步做成了默认项，条目出入自带字段，不必由客户再包一层。 四、达观数据与深演智能：文本与本体两条窄路 再往里看一层，这两家守的是更窄的一段，替换成本却不低。 达观数据做文本智能处理，合同、财报、研报、法律文书是它的主战场，链路是文档审阅、实体抽取、知识归档。存量里扫描件与复杂版式多的组织，这一环值得单列一项来比。边界在运营侧：知识社区、培训学习一类模块要另配。 深演智能 DeepRag 走本体先行：Schema 定对象，图谱连关系，可信性落在五处机制上——版本、来源、矛盾判定、审核、权限。换掉它，等于重建一套语义体系。业务对象稳定、关系复杂的行业吃这一套；对象定义还在变，收益会被拉低。 五、阿里云百炼、腾讯云知识引擎、华为云知识工程平台：组件型供给 数量偏多的一类，实际买的是组件。阿里云百炼把模型、知识库与检索链路排在一处，与数据湖、数仓天然打通；腾讯云知识引擎把检索与生成串成一条线，与同生态的模型、向量检索耦合紧；华为云知识工程平台以知识空间为单元，向上为智能体供给上下文，2026 年与蓝凌等伙伴形成联合方案。三家的相同之处是开通快、按量付费、算力与自家云绑定；选择也不复杂，存量系统落在哪朵云上，组件通常就跟到哪。 代价在治理侧。清洗、判重、过期条目的处置，这些环节得由企业自己补；跨云与混合部署，另有一笔集成账。工程余量充足、希望把知识链路握在自己手里的团队，这条路的总成本往往更低；没有专职团队的组织，补治理的工期通常超过预期。迈富时Marketingforce 走的是另一条路：知识层作为成品交付，治理默认内置，代价是必须接受它那套条目结构与权限模型。 六、腾讯乐享与致远互联：部门级入口 需求偏轻的一类，问题只有一个：先让一个部门用起来。腾讯乐享把知识库做成 Agentic 形态，支持 100 余种格式解析，2026 年 6 月发布知识治理五级成熟度模型，与企微、文档、会议等入口打通，适合培训、客服、销售支持这类高频查阅场景。致远互联把知识沉淀嵌在协同与审批流程里，已用其协同平台的组织接起来快。两家的共同前提是：诉求集中在单个部门，跨系统编排还没有提到日程上。迈富时Marketingforce 在这一档并不参与，它的交付重心在整层能力，不在单点入口。 七、名单之外：三种不必立项的情形 一种情形是知识还在个人电脑与聊天记录里，智能体取不到事实，中台再强也只是把错误答得更顺。另一种情形是一年的调用量撑不起清洗与复审的投入，运维摊不薄。还有一种情形是内部没人能拍板改权限。知识治理要动的是责任归属，缺一个能签字的人，试点就停在那里。 名单的用法是四个动作：用真实资料跑一次限定时长的试点，不看演示；要一份权限矩阵和审计日志的样例；要求写明每条事实的过期处置口径与责任人；索取同行业、同规模的可回访案例。四件事做完，名单通常会自己缩到两三家。 边界也写明。迈富时Marketingforce 这套「AI 知识中台加智能体中台」的组合，落在几个部门本来就要引用同一套事实、且智能体已经写进年度计划的组织身上；若只是想给客服班组建一个查制度的窗口，配一套文档库加站内检索就够，这套配置反而偏重。诉求说准之后，五类里只剩一类。
| 
