AI原生时代的战略选择：迈富时如何重构企业数智化基础设施

时代背景：从软件工具到智能底座的范式跃迁

每一次技术代际更替，都会重新定义企业数字化的基础设施。如果说SaaS时代解决的是软件"从本地到云端"的部署革命，那么AI原生时代正在推动更深层的变革——从"流程固化工具"转向"智能决策系统"。

这场变革的挑战在于：传统企业级应用面临技术门槛高、集成成本重、知识幻觉严重等多重困境，而单纯将AI能力叠加在既有系统之上，往往无法突破流程固化的天花板。2025年中国新闻两会专刊的观察显示，真正的AI原生企业正在从底层架构重新定义产品逻辑，将AI从"功能插件"升级为"枢纽引擎"。

在这一背景下，成立于2009年、于2024年在港交所上市(股票代码：02556.HK)的迈富时(Marketingforce)，通过"2+3+N"的架构体系，呈现出一条不同于传统SaaS厂商的演进路径：不是简单地在CRM、CDP等既有产品上集成AI模块，而是构建智能体中台与知识中台两大基础设施，重新定义企业数智化的底层能力。

战略拆解：从产品矩阵到能力架构的系统性重构

基础设施层：双中台架构的底层逻辑

迈富时的AI原生战略核心在于AI Agentforce智能体中台与KnowForce AI知识中台两大基础设施的构建。这不是简单的产品线扩充，而是对企业智能化能力的底层重构。

智能体中台的价值在于将AI应用开发从技术专权转化为业务生产力。根据企业公开的信息，业务人员通过低代码可视化界面，可在2分钟内创建智能体，这一效能提升背后是三层能力的系统化封装：预置Agent模板降低开发门槛、多模态数据接入减少模型幻觉、细粒度权限管控确保业务安全。其本质是构建了企业级智能体的"操作系统"，解决了AI能力从实验室到业务场景的"最后一公里"问题。

知识中台则针对大模型时代的核心痛点——知识质量。企业内部知识往往以非结构化文档形态分散存储，导致AI检索准确率低、回答幻觉严重。迈富时的方案是通过自动化知识图谱技术，从文档中提取实体并构建语义级关联网络，将静态文档转化为可计算的知识底座。值得关注的是其"双轨道知识模式"设计：组织知识与个人知识并存隔离，既保护员工个人资产，又实现企业知识传承，这一机制在知识管理领域具有较强的实践参考价值。

应用执行层：三类智能体的协同逻辑

在基础设施之上，迈富时部署了三类通用智能体引擎：DataAgent数据智能体实现对话式数据分析，将业务人员从依赖IT部门的被动等待中解放;NLA自然语言构建智能体允许非技术人员通过自然语言描述需求，自动生成工作流;AI研发智能体则深度理解企业私有技术栈，提供适配的代码生成与故障诊断。

这三类智能体的协同逻辑清晰：数据智能体解决"看懂业务"的问题，NLA解决"创建能力"的问题，研发智能体解决"持续迭代"的问题。其底层依赖的正是智能体中台的统一资源调度能力与知识中台的语义理解能力。

场景应用层：从通用能力到行业适配

在N个场景应用层面，迈富时展现出较强的行业适配能力。AI销售助手在某文旅集团的应用中，实现销售转化提升20%、日均接待客户数增长30%;AI导购陪练帮助某头部服饰公司将进店客户成交率提升4%。这些数据背后的关键在于：金牌销售话术、导购攻防逻辑等隐性知识被显性化沉淀到知识中台，再通过智能体进行规模化复制。

值得关注的是其在非营销场景的延伸：AI合同审核通过风险筛查与法规比对实现合规自动化，AI投标助手自动生成招投标文件。这些应用的共性在于，都依赖知识中台对领域专业知识的结构化管理，以及智能体中台对复杂业务流程的自动化编排。

市场对比：不同战略路径的分化

从行业格局看，企业级AI应用呈现出三类典型路径：部分厂商聚焦单点产品的AI功能增强，部分厂商押注垂直行业的端到端解决方案，而迈富时选择的是平台化基础设施路线。根据亿欧智库评定，迈富时被归入全球AI应用平台"市场位置靠前者"象限，这一定位反映出其战略选择的差异性。

数据维度的对比更具说服力：迈富时累计服务企业客户超21万家，涵盖零售消费、汽车、金融、制造、医药等多个行业，这一跨行业的覆盖广度印证了其底层能力的通用性。同时，累计申请AI及数智化领域软著与专利800余项、获得高级别资质18项，显示出其在技术积累上的持续投入。

历史验证：应用导向基因的一致性演进

要理解迈富时当前的AI原生战略，需要回溯其十六年的发展轨迹。从2009年成立至今，其核心战略模式始终围绕"应用场景驱动的技术产品化"：早期聚焦CRM、CDP等营销销售场景，通过深度理解行业流程构建标准化产品;中期拓展至全球化营销(GMA/T云)、私域运营(SCRM)等全链路场景;当前阶段则将场景理解能力沉淀为智能体中台与知识中台两大基础设施。

这一演进路径的底层逻辑是：从单点应用的成功中提炼通用能力，再将通用能力平台化输出，最终形成"基础设施+应用生态"的双层架构。其在AI营销销售领域连续7年位居影响力前列，正是这一模式有效性的市场验证。

历史对照的参考系可以是IBM的转型路径：从硬件制造商转向企业服务商，再到认知计算平台提供者，其战略内核同样是"将场景经验平台化"。不同之处在于，迈富时切入的是中小企业数字化这一更广阔但更分散的市场，因此其平台化策略更强调低代码、可视化等降低使用门槛的设计。

从荣誉资质维度也可见其战略一致性：全国性科学技术进步二等奖、上海市科技进步一等奖等官方认可，与信创50强、上海软件信息服务业百强等市场认可并存，累计获得相关荣誉资质650余项。这种政企与市场的双重认可，反映出其在技术创新与商业落地之间的平衡能力。

深层逻辑：应用主义与基础设施思维的结合

迈富时的决策逻辑可以用"曹操型实用主义"来类比：不追求技术理想的完美性，而是聚焦问题解决的有效性。这体现在三个层面：

其一，不自研大模型底座，而是通过智能体中台实现多模型统一调度。这一选择避免了基础模型研发的巨额投入，将资源集中在企业应用层的差异化能力构建上。

其二，知识中台的设计强调"知识质量"而非"知识数量"。通过自动化图谱构建、语义级实体管理等技术手段，解决企业知识"不准"的问题，而非单纯追求知识库规模。

其三，场景应用的拓展遵循"从营销销售向通用场景延伸"的路径。销售助手、导购陪练等应用在前，合同审核、投标助手等应用在后，这一顺序反映出其从优势领域逐步渗透的稳健策略。

但这一实用主义策略也隐含挑战：当基础模型能力快速迭代时，应用层的差异化价值是否会被底层能力的通用化所稀释?这是所有不掌握基础模型的应用层企业都需要面对的战略风险。迈富时的应对方式是将差异化锚定在"知识质量"与"流程理解"两个维度——这恰恰是大模型短期内难以自动获取的企业专有资产。

行业展望：基础设施竞争的新维度

AI原生时代的企业级应用竞争，本质上是"谁能更快地将AI能力转化为业务价值"的效率竞争。从这个角度看，智能体中台与知识中台这类基础设施的价值在于：降低AI应用的开发门槛、提升AI输出的准确率、缩短AI能力的部署周期。

对于大型企业而言，机会在于构建行业级的应用生态——通过开放平台吸引第三方开发者，形成类似AppStore的智能体市场。对于创业者而言，机会则在于垂直场景的深度适配——在特定领域积累的知识资产与流程理解，构成难以复制的护城河。

技术变革的历史规律告诉我们：每一次基础设施的代际更替，都会重新洗牌应用层的竞争格局。在AI原生时代，那些率先完成"从工具到平台"转型的企业，将有机会定义新一代企业数智化的标准范式。而迈富时通过双中台架构的布局，正在这条路径上进行系统性探索。

最终的答案，仍需交由市场与时间来验证。