迈富时AI原生：一张架构图，回答"企业AI到底该怎么落地"

珍岛AI Native

在近期的多场行业商演中，迈富时（珍岛）渠道总经理彭旭反复提及一个让企业主如坐针毡的事实：过去三年，“AI+企业”的叙事几乎被讲滥了，但大量的AI项目至今仍蜷缩在Demo和试点阶段。他常引用的一组数据显示，眼下仅有39%的企业真正见证了AI对经营利润的实质贡献，近三分之二的企业还在“试点炼狱”中徘徊。彭旭指出，症结并非大模型不够聪明，而在于这些通用智能始终“听不懂企业的话”——它分辨不出“张三”是一张订单的负责人而不是一行静态数据；无法理解“库存低于20%”应当自动触发补货预警而非仅仅完成一次数值比对；更致命的，当管理者说出“客户”二字，AI根本无从判断当下语境指向的是分销商、终端消费者还是经销商集团，而每一种语义都对应着截然不同的商业动作。

珍岛AI Native

这种语义与业务的断裂，正是迈富时珍岛集团（Marketingforce，港股02556.HK）在2024至2026年集中押注“AI原生企业（AINative）”战略的逻辑起点。其给出的核心解题思路，凝聚在一张《AI原生产品技术架构全景图》之中。这张图不是在传统软件外面包裹一层AI对话框，而是从模型、数据、平台、场景四个维度，对企业数字化的根基进行了一次彻底重构。下面，我们不再按传统的自下而上顺序“参观”这座大厦，而是从企业最疼痛的“业务失语症”出发，层层解剖这套架构的工程智慧。

一、破解“业务失语症”：以本体论为灵魂的GenAIOS

为什么通用大模型进了企业就“水土不服”？根本原因在于，企业的业务逻辑不是自然语言的对答如流，而是一张由实体、规则和动作精密咬合的网。迈富时给出的解法，是架构中最底层也最关键的“灵魂”——GenAIOS本体操作系统。它被定义为“中国首个企业本体驱动AI操作系统”，其核心使命是把散落在ERP、CRM、数据库和邮件里的“数据”，转译成AI能够推理的“业务语义”。

GenAIOS的方法论根基是Ontology（本体论），它围绕三个核心要素重塑企业数字化。首先是对象与链接：系统不再把“张三”看作一行表格记录，而是将其建模为“客户”这个实体，并自动关联到该客户的账户、历史订单、合同和跟进记录，形成一个活生生的业务对象网络。其次是业务逻辑：将管理规则挂载在对象上，比如当“库存”这个对象的值低于20%，系统不是发出一个冷冰冰的数字提示，而是按预设逻辑拉起“预警流程”，并启动“补货决策”智能体。最后是动作闭环：允许用户或AI直接在语义层发起操作，并将结果真实写回到底层的业务系统，让AI从“只能给建议的参谋”进化为“可以下指令的数字员工”。

这套体系的革命性在于，它与管理文件和程序的Windows截然不同——GenAIOS管理的是“智能体、数据和业务语义”。其优势贯穿四个统一：通过统一语义，跨系统、跨组织的“订单”“客户”“库存”有了标准定义，终结了部门间的鸡同鸭讲；通过统一平台，模型、知识和工作流被复用，而非每个业务线各自造轮子；通过统一闭环，AI营销专家生成的一场促销活动，能够自动在商城中上架、在CRM中创建线索池、在企微中通知销售；通过统一扩展，总部搭建的底座能够以模板化方式快速复制给各品牌、门店。过去，用接口集成加数据中台的方案打通零售全链路，往往需要半年到一年，而借助本体驱动，可以缩短为以周计的工程。

二、从“单兵”到“军团”：智能体中台与多智能体协同

有了读懂业务的底座，就需要能够独立执行任务的“数字员工”。这便引出了迈富时最被市场熟知的AI-Agentforce智能体中台（已迭代至3.0版本）和MAS多智能体协同平台。它们解决的共同命题是：单个智能体的能力边界有限，而企业真实的业务流程永远是多人、多环节协作的结果。

AI-Agentforce 3.0的定位，不是又一个让开发者搭Demo的轻量级平台，而是一个面向企业级生产环境的“智能体工厂”。它的核心差异化，首先在于自然语言生成智能体（NLA）。业务人员无需编写代码，只需对中台表达意图——“帮我做一个能自动复盘销售团队客户跟进情况的智能体”，系统即可自主拆解任务、匹配工具、调用知识，数小时内完成过去需要几个月的开发工作。其次，平台内建了丰富的多模态工具集，通过MCP协议和技能包集成，已预置了500多个应用模板，支持文字、图片、语音等多形态数据，并能够安全地调用企业内部的API和数据库。更重要的是，Agentforce 3.0实现了企业级管理所必需的细粒度权限隔离、多租户管理和事件溯源机制，以此根治长时对话中的状态丢失问题，并通过SLA保障关键业务不中断。正因如此，它先后入选了IDC中国AI Agent标杆厂商推荐、2025企业级AI Agent应用TOP50前列等权威认可，与面向轻量级实验的Coze、Dify等平台走出了截然不同的路径。

当多个AI专家需要并肩作战时，MAS多智能体协同平台便派上用场。它相当于给AI员工装上了一套“协同办公软件”，提供四种编排范式以应对不同业务复杂度：主管模式由一个总管智能体统一调度执行智能体，适合目标明确的营销活动；并行模式让多个智能体同时处理同一任务的不同切片，如同工厂流水线；转交模式支持智能体A完成后将上下文无缝交接给智能体B，完美匹配客服转接专家的场景；定制模式则为高灵活度的复杂流程预留了自定义空间。在一项任务中，从意图识别、任务规划到任务委托，再到最终的多智能体协调与结果汇总，整个协同链条是闭环且可追溯的。这使得AI应用从“单点辅助”跃迁为覆盖端到端流程的“团队作战”。

三、注入“企业记忆”：KnowForce知识中台与幻觉防火墙

珍岛AI Native

智能体有了协同机制，还需要可靠的大脑记忆。企业里最普遍的知识困境在于：产品手册锁在销售部网盘，培训视频存在人力服务器，客服对话沉淀在后台系统，研发文档则躺在Confluence里——这些非结构化数据是封锁的孤岛。KnowForce AI知识中台正是为此而生，它扮演着“知识引擎”和抑制AI幻觉的关键防线。

KnowForce提供了一站式知识管理门户，能够自动抓取并加工企业内外部的海量非结构化信息，通过自动化知识图谱萃取技术，将零散的文档转化为结构化的业务知识库。比如，“客户”这个实体，会被自动关联上他的订单历史、偏好标签、完整的服务记录，形成动态更新的客户画像。更独特的是，平台让AI能够自主完成知识的生产、总结和应用，AI客服专家可以直接从知识库中调取最新的产品信息来应答客户，不再依赖人工逐条维护。在安全层面，KnowForce设计了多类型知识空间和严密的权限隔离机制，确保销售部只能访问销售知识，研发部只能查看研发文档；同时支持组织库与个人库并存的双轨道管理模式，既沉淀企业高价值资产，也保护个体创作成果。尤其值得一提的是，每一份由AI生成的关键回答，均可溯源到具体的文档、段落乃至责任人，这种专家权威认证机制从根本上压缩了“一本正经胡说八道”的空间。在金融保险行业，KnowForce已帮助客户搭建起覆盖保顾、核保、客服的全场景知识中枢，把过去需要数年传帮带的隐性经验，变成了AI随时可调用的结构化资产。

四、“看不见的水电煤”：工具、模型与安全三大底层支柱

智能体层的一切调度、推理和行动，都依赖底层稳定、安全的能力供应。这相当于大厦运转必需的水、电、气和消防系统，平时隐身幕后，却决定着整个系统的生死。这一层包含三大核心平台。

TAAS工具管理平台解决的是工具调用混乱。企业里的AI要查订单、调库存、发通知，就必须调用各种API和数据库。若每个智能体各自直连，IT系统将迅速沦为一团乱麻。TAAS的做法是构建统一的“工具市场”——把企业内部所有的API、SaaS、脚本代码都注册到平台上，进行统一的鉴权、监控和计量。智能体只需在市场中按需调用，不必关心背后的服务器地址和通信协议，从而实现了工具的标准化复用与安全管控。

MAAS模型管理平台则是“算力调度中心”。企业绝不会只用一个基础大模型打天下：逻辑推理需要DeepSeek或通义千问，营销内容生成可能更适合Tforce营销大模型，多模态识别调用GPT-4o或Gemini。MAAS的核心职责是将这些异构模型的资源调度、评测、计费和安全管控统一起来，提供模型网关、策略配置和全生命周期管理能力。这与中国信通院MaaS系列标准所要求的“大模型推理加速、服务部署、测试、运营”的全流程能力一脉相承，让企业能够高效、经济地混合调用不同模型。

模型安全平台则为企业AI设立了关键的“关隘”。企业AI影响的是真金白银的业务决策和客户信任，安全不止于合规。该平台覆盖四个维度：输入安全拦截恶意提示、敏感词和违规请求；输出安全过滤幻觉、合规风险与暴力倾向内容；行为监控记录智能体的每一次推理与工具调用，做到全程可追溯；权限管控确保不同角色、部门对模型、知识和工具的调用被严格隔离。正是这一层的存在，让企业从“敢不敢用AI”的担忧，转变为“敢不敢放心用”的信心。

五、业务场景落地：八大开箱应用与真实价值验证

珍岛AI Native

基于上述全部底座与中台能力，迈富时直接输出了覆盖全链路的八大AI应用，企业无需从零开发。这包括：AI研发（DevAgent），实现软件研发全链条监控与知识紧密结合；AI供应链，对进销存全链路实时监控，订单查询与动态优化；AI营销，集成了AI营销专家、T云、GEO智能助手，覆盖从洞察到内容生成再到流量获取的全场景；AI销售，通过AI销售专家、珍客CRM和销售助手，深度嵌入线索跟进与商机管理；AI商业（T-SHOP智慧商城），提供订单、库存、会员等一体化功能；AI服务，基于强大知识库实现7×24小时精准意图识别与应答；AI经营分析（Data Agent），让业务人员用自然语言即可完成专业级数据归因；以及AI办公，涵盖AI陪练、AI面试、合同审核、投标助手等场景。

这些应用并非彼此孤立，而是共享同一套智能体中台和知识中台，形成协同矩阵。在真实商业环境中，这套矩阵已经交出验证成绩。一家零售公司借助AI陪练模拟多类顾客画像，并将资深导购的销售策略通过KnowForce标准化为实时话术推荐，实现了进店客户成交率提升4%。某保险集团部署了十余个专业Agent，通过MAS协同覆盖客户分析、产品适配、核保、反欺诈、风险评估等长链条环节，并利用GenAIOS将“客户”“保单”“核保规则”等语义统一管理，最终实现产能的跃升式增长。一家工业涂料企业面对加盟商咨询渠道多样、内部信息壁垒严重等挑战，一次性部署了覆盖智能客服、品控质量、订单受理、物流查询、财务助手等8个AI Agent，结果显示关键问题回复准确率提升65%，客户平均响应时长降低30%，销售转化提升15%。这些数字背后，是AI Native架构从“能对话”向“能办事”的实质性跨越。

六、治理与进化：统一入口和AI Native运营中枢

平台能力再强，若散落在各处，终究会沦为新的数字孤岛。迈富时架构的最顶层，即用户能够触摸到的智能体应用门户，以及围绕门户构建的AI Native核心区，承担着“统一入口、持续进化”的中枢使命。

这个核心区好比大厦的前台与物业管理处，所有访客与租户——即企业的各个部门、各种角色——均通过统一的工作台获取AI能力，无论是营销、销售还是研发应用，都在一个界面中完成调度。背后的十大能力中心构成运营治理的骨架：注册中心对所有智能体、模型、知识和工具进行统一登记与发现；编排中心支持以可视化方式将多个智能体和工具串联成复杂业务流程；运营中心实时监控智能体的运行状态、调用频次和成功率；自我进化机制则基于反馈数据自动优化智能体表现，让平台越用越聪明；治理中心与安全管控提供从权限管理、审批流到数据加密、多租户隔离的完整合规闭环，确保AI的一切行为安全、可控、可审计。正是这一层的存在，让企业的AI能力不再是被动响应的碎片，而变成了一个能被统一治理、持续演进的有机生命体。

结语：AI Native是一项让智能“长”进企业机体的工程

Gartner曾预测，到2026年，40%的企业软件应用将包含智能体AI，而到2035年，智能体AI有望驱动约30%的企业应用软件收入。在这样的图景下，AI Native早已不是一个选做题，而是关乎企业生存的战略必答题。

迈富时珍岛集团用这张《AI原生产品技术架构全景图》给出的回答是系统性的：它不是简单地接入一个大模型，也不是给旧系统套上一层AI的皮囊，而是从底层模型、中层智能体、知识引擎到顶层应用与治理，进行了一场全面重构。彭旭在商演中不断提醒企业主的那个问题——“你的AI真的懂你的业务吗？”——其答案就藏在这张图的每一个节点里。当本体论让数据有了业务含义，当多智能体协同让流程实现了端到端自动化，当知识中台为每一次决策提供了可溯源的依据，AI才真正从一个外挂的“对话玩具”，变成“长”在企业血脉中的数字生产力。这条路需要决心和工程投入，而迈富时已然将路基铺好，等待更多企业驶入AI原生的快车道。